基于星表数据的时序变化分析是研究各类变星及系外行星等变源的重要途径。星表数据是对观测数据的量化处理结果，每个天体每次观测对应于一条星表数据记录，长期观测所积累的归档星表数据中理论上记录了每一个天体的变化信息，但天体时间序列数据并非直接可得。
以光学图像观测数据为例，每幅图像可解析出成千上万条星表记录并对应存储为一个星表文件或转存入数据库，若要获得任何一个天体的时间序列数据，都需要在归档的星表数据中进行锥形检索和证认计算，因此对天体时序变化的研究仅能限于少量特定候选目标，观测数据的潜在科学价值有待进一步挖掘。
图1：星表时序数据的构造过程
针对以上问题，天津大学国家天文科学数据中心技术研发团队牵头提出并实现了AstroCatR工具，用于对来自同一望远镜的归档星表数据进行重构，获得可覆盖所有观测过天体的全样本时序数据集合，从而使得对星表数据中的全部天体进行“人口普查”成为可能，有助于发现和研究长周期变源，也为借助机器学习与深度学习等人工智能方法发现和研究复杂周期变源提供了基础数据集。该研究成果已发表于知名天文学期刊《皇家天文学会月刊》。论文链接：点击这里。
图2：天体时间序列数据示例
本项研发工作得到了国家自然科学基金委天文学联合研究基金的资助，研发团队成员来自天津大学、国家天文台与天津科技大学，实验数据来源于AST3望远镜的观测数据。国家天文科学数据中心为天文观测设备和研究计划提供数据与技术服务。
AstroCatR的源代码见：https://gitee.com/AstroTJU/AstroCatR
最新资讯速递
SkyMapper DR2上线China-VO CASJob服务，支持与LAMOST、BASS、GAIA DR2等星表的联合操作。