深层红移 surveys 中星系系统的三维识别与重建

我们发展了一种新几何方法，用于识别和重建下一代深层、通量限制红移调查中均匀且高度完整的星系团目录。该方法结合了三维Voronoi图及其对偶--Delaunay三角剖分的信息，以获得在红移和密度增强程度范围广泛变化下都极其稳健的星系团和星系团目录。使用模拟DEEP2目录，我们证明VDM算法可用于在magnitude-limited样本中($I\sbr{AB}\le23.5$)在调查红移窗口$0.7 < z < 1.2$整个范围内识别均匀的星系团。实际的星系成员资格即使在红移空间中的畸变环境下也能有效重建，对于线-of-sight速度分散$\sigma_{los}$大于约200 km/s的系统。将从模拟DEEP2观测中推导出的星系团目录与在真实空间中发现的星系团分布进行比较，后者包含更暗的星系(应更贴近质量分布)，我们可以直接评估速度分散的完整性。我们得出结论，恢复的DEEP2星系团和星系团样本应对$\sigma_{los} \gtrsim 400$ km/s statistically complete。最后，我们认为重建的系统随红移和速度分散的双变量分布能够高度忠实地再现底层的真实空间分布，从而可稳健地用于约束宇宙学参数。