基于双子座望远镜官方数据处理软件，本课题开发了新的处理GNIRS光谱仪数据的软件包。软件包基于Python和IDL。
-
-
宽线区动力学建模软件，用于分析活动星系核的宽线区反向映射数据，测量中心超大质量黑洞的质量以及宽线区的结构和动力学。软件由C语言编写，支持MPI并行库，可在超算集群上运行。
-
本课题开发的处理M2FS光谱仪数据的软件包。
-
如今这个算法在天文学的各个分支都有广泛应用。 星系团 星系团既是大尺度结构的结点枢纽，也是星系形成和演化的重要场所。如何搜寻星系团，证认星系团内部的团成员一直是星系团研究的重要内容。超星系团 超星系团由多个星系团或星系群组成的大质量天体，是宇宙中已知的最大尺度的结构之一。传统的成员识别方法通常假定星团成员有相同的运动学信息和相同的演化趋势。 层次聚类方法不需要事先假设，这对于探索星团的边界有很大优势。只利用恒星的运动学信息，以投影束缚能为度量进行聚类，可以将疏散双星团的结构区分开来。 图3 左图为英仙双星团的树状图.右图为算法给出的两个子团成员的空间分布.随着新一代天文设备的陆续建成，待分析的数据量大幅增长，层次聚类算法也将会在天文学研究中发挥更大的作用。
-
本课题利用6.5米麦哲伦望远镜上的M2FS多光纤光谱仪观测了包括SXDS等深场。观测的波长覆盖范围为760至960 nm，分别本领约2000。这儿包括的是我们利用自己的软件处理完的光谱数据。
-
崔辰州博士的加入填补了编委会中亚洲编委的空白。图2：A&C编委会页面节选 A&C期刊首发于2013年，为SCI正式收录期刊，2020年影响因子为1.927，已经成为国际天文信息学领域的核心期刊，在整个天体物理学领域的影响力也在持续快速增长 ...期刊旨在发表科学家和（软件）工程师在天文计算相关方面的工作，包括数据的收集、管理、分析、处理、可视化、开放共享，天文软件开发和数值模拟等。期刊涵盖了计算机科学技术在天文学中的应用以及天文学中信息技术的创新。期刊欢迎投稿的主题包括： 科学软件工程 计算基础设施 用于天体物理模拟的计算技术 可视化 数据管理、归档和虚拟天文台 数据统计、分析和挖掘 数据处理管道和自动化系统 语义、数据引用和数据保存 ...
-
数据存在于纸质、胶片、胶板等观测资料主要进行扫描电子化使之以电子化的形式呈现。项目中部分数据是电子化保存的数据，主要是对数据进行了科学级的数据处理，提供可以进行科学应用的数据。需要统一标准处理成科学级的数据包括：1987-2011 年北京怀柔太阳磁场观测数据，1987-2011 年北京怀柔太阳速度场观测数据，1999-2015 年太阳塔二维光谱观测数据。在整个项目数据处理过程中编制了各类数据处理软件并且形成了太阳物理数据标准化规范化报告。数据处理软件包括：太阳射电纸带观测资料的数字化、扫描图像的信息提取处理软件、可进行多种数据级别处理的软件、标准化的数据处理软件。
-
经过历时五个多月的作品征集阶段，大赛官方网站最终收到近百部来自全国各地不同年龄不同背景参赛者提交的优秀漫游作品。这些作品围绕着天文学基础知识、天文学最新科学成果、航空航天和太空探索、地球科学和绿色家园等主题，以制作者自身的视角和方式或讲述天文科学知识，或回顾历史成就，或描绘未来发展。作品选材内容广泛，具有较高的制作水平和审美水准。通过初步的筛选和整理，共计88个有效作品将登陆中国数字科技馆网站的在线投票平台，参与网络人气奖的角逐。3、投票次数限制：每个IP/ID每天可以投给任意作品总共6票，注册中国数字科技馆的账户可再多投4票，总10票。 4、提示：因投票页面较大，大家看到的作品是压缩后低分辨率的作品。5、大赛组委会对恶意刷票保留处理权力。 即日起登陆中国数字科技馆大赛官方投票页面即可投票。 https://www.cdstm.cn/subjects/observatory ...
-
来自国家天文台总部（16个不同团组）、新疆天文台、天津大学、云南天文台的共60多名学员参加了此次培训。 随着国内近年来科学观测设备的发展，国产天文数据的增长速度越来越快。对科研人员来说，高效的科研数据管理也越来越复杂。为了促进科研人员对数据的使用效率，国家天文台信息与计算中心在台职工培训资助计划的支持下，举办了此次天文科学数据归档与发布培训。培训由中科院网络中心、国家天文台信息与计算中心的老师担任讲师。中科院网络中心的老师介绍了中国科学院科学数据库、云存储的情况。台信息中心的老师讲授了虚拟天文台的技术架构和技术标准。培训期间，学员学习并实践了CentOS、Ubuntu等操作系统，Python语言环境以及天文数据相关软件包，Aladin、Topcat等天文数据处理软件，以及PostgreSQL数据库系统的安装与操作技巧 ...学员们认为通过这次技术讲解与实践相结合的培训，熟悉了天文数据的归档流程，天文数据库使用方法，很有助于今后工作中天文数据使用效率的提高。
-
我们使用ALMA望远镜对红移6类星体的[CII]158微米谱线进行了高分辨率图像观测。这里是观测的原始数据，解压后使用ALMA望远镜数据处理软件CASA相关程序包打开。
-
软件类别有：China-VO工具与服务、数据处理程序、数据可视化程序、绘图程序、脚本语言、科学数据处理程序库、实用工具、虚拟天文台程序等。根据用户的需求，将不断的集成和开发新的工具软件。Java 是几乎所有类型的网络应用程序的基础，也是开发和提供嵌入式和移动应用程序、游戏、基于 Web 的内容和企业软件的全球标准。CFITSIO在过去二十多年中被应用于无数的天文软件包中。它也提供了供其它软件使用的库。Graphviz是一个自由软件，其授权为Eclipse Public License。其Mac版本曾经获得2004年的苹果设计奖。LITpro: LITpro是一个模型拟合软件。它由一个JMMC的工作组开发并维护。这个软件是为了对各种恒星光学干涉获得的数据进行拟合而开发的。
-
在国家重点研发计划《宇宙学高性能异构模拟系统》（2017YFB0203301）支持下，完成并使用异构模拟系统软件PhotoNs，针对暗能量巡天项目，在国家超级计算昆山中心的国产平台上，使用1024核心和加速设备 ...基于模拟结果，使用暗晕占据数的模型，产生出本类银河系光度星系（L*星系）模拟星表。
-
数据资源1987年-2011年怀柔多通道磁场望远镜常规观测的磁场数据,包括太阳光球和色球的纵向磁场，太阳光球矢量磁场。数据处理过程中对数据信息进行了完善和规范化，保存成国际通用的fits格式。资源中包括软件程序，可以对数据进行读取和处理。其中文件名带有4861的数据是色球纵向磁场数据；文件名带有5324的数据是光球磁场数据。数据文件头内包含观测数据信息。
-
日前，2019年度天津市科学技术奖获奖名单正式公布，由国家天文台和天津大学共同申报的“中国虚拟天文台基础软件与系统”获得科学技术进步二等奖，奖励编号2019JB-2-110。随着现代科技发展，天文观测能力和科学数据量高速增长，现代天文学研究必须要有成体系的天文信息技术与平台支撑，为此天文学界和信息科学界共同提出了“虚拟天文台”计划。，是国际上首个实际应用的虚拟天文台，正在改变着天文学家们的科研模式。图1：中国虚拟天文台平台的技术路线图 中国虚拟天文台： 1）首创面向混合云环境的虚拟天文台软件体系架构，解决了异构资源的融合、互操作与数据安全问题，支持单条天文观测数据级别的细粒度访问控制；自主创新实现了面向混合云环境的虚拟天文台基础软件框架与首个完整实用的虚拟天文台 ...提出观测设备时间申请分配标准化流程与可扩展框架，解决了观测设备之间的数据安全隔离问题；以基于图论的优化方法解决了大型观测设备切换观测目标的调度问题；提出基于天区划分索引的原位检索方法，解决了海量天文图像时序数据子集的高效获取问题 ...
-
数据资源1987年-2011年怀柔多通道磁场望远镜常规观测的速度场数据,包括太阳光球和色球的纵向多普勒速度。数据处理过程中对数据信息进行了完善和规范化，保存成国际通用的fits格式。资源中包括软件程序，可以对数据进行读取和处理。其中文件名带有4861的数据是色球纵向多普勒速度场数据；文件名带有5324的数据是光球球纵向多普勒速度场数据。数据文件头内包含观测数据信息。
-
ADASS软件奖是有着30余年历史的天文软件顶级会议ADASS于2020年推出来的一个重要奖项，旨在奖励在天文软件方面做出突出贡献的软件项目。其中2020年第一届的获奖项目是天文数据的基础软件包CFITSIO，2021年软件奖的获奖项目是资深的天文数据分析软件IRAF。AstroPy是近十年来在天文科学数据处理领域崛起的一个重要软件集，这套软件集包含了两个部分astropy 包和Astropy Project。前者是特指AstroPy核心包，后者则是一个宏大的计划，是基于Astropy规范的一系列外围软件集。AstroPy附属包 AstroPy附属包是指遵循 AstroPy开发、互操作和接口标准规范的一系列附属包，这些包有些是有一定历史的软件包，还有一些是在AstroPy基础上新开发出来的软件包，适合在不同场景下使用 ...
-
； 第三层级为更进阶的数据产品，涉及该层级的数据竞赛将致力于科学目标的研究，以及相关的算法开发；而第四层级，则针对最终的科学成果，也是所有观测和分析的最终目标。此次所提供的竞赛数据共包含代表SKA中频望远镜的3个波段、代表3种望远镜观测模式的3种积分时间的总共9个FITS图像，每个图像大小达4GB， 结合各团队的分析结果，单个图像中探测出天体数量最多可达几十万颗 ...团队首先对所有竞赛数据开展统计分析，了解数据结构，天体群组特征，确定用于数据处理的输入参数范围，进而基于针对SKA不同先导项目而开发的天体搜索算法对图像进行了先期测试，经过对结果的准确度与计算效率的评估 ...，选取表现较好的算法结果进行交叉验证，得到准确率最佳的算法完成对所有图像的天体搜索与天体形态的拟合。而面对如此从庞大数据的处理，普通计算机无法全部完成，为此，团队借助上海天文台的SKA区域中心原型机系统完成了不同环节的数据处理工作。
-
面对天文领域日益增长的大数据集和大数据流，迫切需要相应的先进分析和可视化方法。 光谱分类识别一直是天文学家研究的基础问题，也是LAMOST巡天计划的一项重要任务。用户的探索遵循“选择-检查-推广”的工作流程，分别用来选择一条光谱及其可能的红移和谱线、确定选中光谱的红移和类型以及根据已检查的光谱搜索相似光谱。图2：选择阶段的系统界面。 选择阶段主要帮助专家选择一条要检查的光谱，以及它的可能红移和该红移处的重要谱线，来进行后续的深入检查。如图2所示，光谱的选择主要是通过左侧视图完成。这种转换消除了红移变化过程中谱线波长变化的差异，实现红移在多条谱线上的同步调整。推荐模块用于帮助专家选择红移和谱线。专家一方面可以在光谱中刷选几个显著的特征，系统会自动识别其中的谱线和对应的红移。推广界面（图4）由选择界面更新得到，它们的区别主要在于界面的关注点由要检查的光谱切换为之前已检查光谱的相似光谱。因此，位于选择界面右侧、用于选择红移和谱线的视图被替换为相似光谱视图。
-
该数据是我们在论文《用COLA快速生成模拟星系表》中提到的SDSS DR12星系的模拟星表，产生快速模拟星表的技术是基于以下几个：Code for Anisotropies in the Microwave ...
-
这是我们论文“用COLA快速生成模拟星系目录”的支持数据，包括模拟目录和merger-tree输出的晕文件。