大数据时代的光谱老化：积分模型与解析模型之比较

连续注入光谱老化模型长期以来被用于从射电星系的积分光谱确定其年龄；然而，关于其可靠性的许多问题仍未得到解答。随着各种大面积巡天项目（如LOFAR、MeerKAT、MWA）即将展开，以及下一代射电干涉仪（如ngVLA、SKA）的规划顺利进行，射电星系物理学的研究将重心从单个源转向整个群体。因此，确定积分光谱老化模型是否以及如何能够应用于大数据时代至关重要。在本文中，我将经典的光谱老化积分模型与近期使用现代分析技术在较小空间尺度上进行的良好解析研究进行比较，以确定其作为源选择方法的稳健性和有效性。我发现积分模型无法恢复关键参数，并且即使这些参数事先已知，其对源光谱的描述也较差且依赖于频率。我展示了积分方法与解析方法之间高达6倍的年龄差异，但认为，即使存在这些不一致，此类模型仍然为搜寻遗迹射电星系以及在$z - {\alpha}$选择样本中更干净地选择高红移射电星系提供了一种潜在的候选体选择方法。