The ISM scaling relations using inner HI and an application of estimating dust mass
Auteurs : Fujia Li, Jing Wang, Fengwei Xu, Xu Kong, Xinkai Chen, Zesen Lin, Shun Wang
Résumé : We select a disk-like galaxy sample with observations of the $HI$, $H_{2}$ and dust from Herschel Reference Survey (HRS), and derive inner HI masses within the optical radius. We find that the inner gas-to-dust ratio is almost independent of gas-phase metallicity, and confirm that the inner gas mass ($HI$+$H_{2}$) shows tighter relationship with dust mass and monochromatic 500 $\mu m$ luminosity than the integral gas mass. It supports that dust is more closely associated with co-spatial cold gas than the overall cold gas. Based on the newly calibrated relationship between inner gas mass and dust mass, we predict dust masses for disk-dominated galaxies from the xCOLD GASS sample. The predicted dust masses show scaling relations consistent with fiducial ones in the literature, supporting their robustness. Additionally, we find that at a given dust mass and star formation rate (SFR), the galactic WISE W3 luminosities show significant dependence on the [NII] luminosity and the stellar mass surface density. Such dependence highlights the caveat of using the W3 luminosity as integral SFR indicator, and is consistent with findings of studies which target star-forming regions in more nearby galaxies and accurately derive dust masses based on mapping-mode spectroscopy.
Explorez l'arbre d'article
Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel
Recherchez des articles similaires (en version bêta)
En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.