Saltar a contenido

Combine Redshift Catalogs

El Combine Redshift Catalogs es un pipeline que permite generar una muestra única y unificada de redshifts combinando múltiples catálogos individuales. Utiliza la biblioteca LSDB, desarrollada por LINCC Frameworks, para realizar el crossmatch espacial entre catálogos e identificar múltiples mediciones de una misma galaxia. El pipeline ofrece opciones flexibles para resolver o mantener duplicados.

Este proceso es especialmente útil para preparar muestras de redshift limpias que pueden utilizarse como training sets, validation sets o entradas de calibración para estimaciones de redshift fotométrico (photo-z).

Cómo ejecutar el pipeline

Sitio web de Photo-z Server

Al ejecutar el pipeline desde la interfaz gráfica del Photo-z Server, el usuario debe proporcionar la siguiente información:

  1. Nombre del catálogo combinado
    Un nombre corto y descriptivo que se utilizará para registrar el resultado en el sistema y encontrarlo en la lista de productos en búsquedas futuras.
    No es necesario elegir un nombre único; el sistema añadirá automáticamente un número de ID interno al nombre del producto para garantizar su unicidad.

  2. Descripción (opcional)
    Cualquier observación o nota sobre la muestra.

  3. Seleccionar catálogos de redshift
    Seleccione dos o más catálogos ya disponibles en el sistema.

  4. Resolver duplicados

    • No: Simplemente concatena los catálogos, apilando las columnas según el significado asignado durante la asociación de columnas en el momento de la carga (paso 3 de la sección «Upload a new data product»).
      Importante: Incluso en este modo, la etapa de preparación aún se ejecuta e intenta producir z_flag_homogenized e instrument_type_homogenized en caso de que aún no existan. Por lo tanto, aún pueden ocurrir errores de validación (véanse las advertencias más abajo).
    • Sí, pero mantener todos: Identifica duplicados y añade la información tie_result, pero conserva todas las entradas.
    • Sí, y eliminar duplicados: Identifica y mantiene únicamente la mejor medición por galaxia (solo filas con tie_result == 1).

  5. Formato de salida
    Elija uno entre: Parquet, HDF5, CSV o FITS.

Tras completar los campos, haga clic en Run para ejecutar el pipeline.

API de Photo-z Server

Para obtener instrucciones sobre cómo ejecutar el pipeline mediante la biblioteca Python (API) del Photo-z Server, consulte:
https://github.com/linea-it/pzserver/blob/main/docs/notebooks/pzserver_tutorial.ipynb

Interpretación de tie_result

Cuando la resolución de duplicados está habilitada, el pipeline asigna un valor a la columna tie_result:

  • 1: Mejor entrada (objeto único o ganador del tie-break)
  • 0: Entrada descartada (perdedora del tie-break)
  • 2: Hard tie (empate no resuelto)
  • 3: Estrella (objeto no extragaláctico; no participa en el tie-breaking)

Esta información es especialmente relevante al seleccionar las opciones «Sí, pero mantener todos» o «Sí, y eliminar duplicados».

Warning

Para habilitar la resolución de duplicados, los catálogos de entrada deben proporcionar señales de tie-breaking mediante al menos una de las rutas admitidas a continuación.
La etapa de preparación siempre se ejecuta (incluso al elegir la simple concatenación) y validará/calculará las columnas homogeneizadas según sea necesario.

Ruta A — Columnas homogeneizadas proporcionadas por el usuario

Proporcione ambas:

  • z_flag_homogenized (numérica) con los valores permitidos:
    • 0: Sin redshift
    • 1: Baja confianza (<70%)
    • 2: Confianza media (70–90%)
    • 3: Alta confianza (90–99%)
    • 4: Confianza muy alta (>99%)
    • 6: Estrella (objeto no extragaláctico)
  • instrument_type_homogenized (cadena de texto) con:
    • s: Espectroscópico
    • g: Grism
    • p: Fotométrico

Observaciones:

  • Los valores NaN están permitidos y serán ignorados por el tie-breaking.
  • Cualquier valor fuera de los conjuntos anteriores provocará que el pipeline falle.

Ruta B — Inferencia rápida a partir de columnas de calidad y tipo (estilo SITCOMTN-154)

  • Si la columna asociada a z_flag contiene valores en [0, 1] con al menos un valor estrictamente entre 0 y 1 (es decir, una puntuación de calidad), el pipeline la asigna automáticamente a z_flag_homogenized utilizando umbrales internos.
  • Si existe una columna denominada type que contiene únicamente los valores "s", "p" o "g" (sin distinción de mayúsculas o minúsculas), se asigna a instrument_type_homogenized.
  • Este es el caso de los catálogos que siguen el estándar SITCOMTN-154.
  • Si z_flag no es del tipo calidad o si type contiene valores no válidos (p. ej., "m"), dichas columnas son ignoradas, y el pipeline recurre a la traducción basada en los nombres de survey.

Ruta C — Traducción mediante nombres de survey

  • Si existe una columna survey, el pipeline intenta inferir z_flag_homogenized e instrument_type_homogenized fila por fila utilizando las reglas internas definidas en el archivo de traducción:
    flags_translation.yaml
  • Diferentes nombres de survey pueden coexistir en el mismo archivo. Sin embargo, cada fila debe hacer referencia a un survey presente en el archivo de traducción.
    Si al menos una fila contiene un survey no admitido, el pipeline generará un error.
  • Casos especiales tratados mediante asignaciones predefinidas:
    • JADES_LETTER_TO_SCORE = {"A": 4.0, "B": 3.0, "C": 2.0, "D": 1.0, "E": 0.0}
    • VIMOS_FLAG_TO_SCORE = {"LRB_X": 0.0, "MR_X": 0.0, "LRB_B": 1.0, "LRB_C": 1.0, "MR_C": 1.0, "MR_B": 3.0, "LRB_A": 4.0, "MR_A": 4.0}

Para estos dos surveys, el valor del indicador de entrada debe coincidir exactamente con las cadenas mostradas anteriormente para ser reconocido.

Condiciones de fallo (cualquiera de las siguientes):

  • z_flag_homogenized o instrument_type_homogenized existen pero contienen valores fuera de los conjuntos permitidos.
  • No se proporcionan columnas homogeneizadas y:
    • z_flag no es del tipo calidad (sin valores estrictamente entre 0 y 1), o la columna type está ausente o contiene valores fuera de {"s","p","g"}; y
    • El pipeline recurre a la traducción, pero la columna survey está ausente o contiene al menos un survey no admitido.
  • Tras la preparación/homogeneización, todos los valores en z_flag_homogenized o en instrument_type_homogenized son NaN (estas columnas son obligatorias para el criterio de tie-breaking y deben contener al menos un valor válido).

💡 Mejora futura

En versiones futuras, se prevé admitir archivos de traducción y reglas de tie-breaking definidas por el usuario. Esto permitirá:

  • Personalizar el orden y contenido de las columnas utilizadas en el tie-breaking (tiebreaking_priority)
  • Utilizar columnas numéricas adicionales o alternativas (p. ej., puntuaciones de calidad o métricas personalizadas) para resolver empates
  • Añadir soporte para nuevos surveys proporcionando reglas de traducción propias para indicadores de calidad y tipos de instrumento
Última actualización: 28 de noviembre de 2025