• article-nadc被哈勃光芒掩盖的孤勇者们： 大型轨道天文台计划中的其它空间望远镜
    1990年4月24日，哈勃空间望远镜由发现号航天飞机搭载升空，开创了天文学研究的新时代。
    图2 康普顿伽马射线天文台（CGRO）艺术渲染图 康普顿伽马射线天文台于1991年4月5日由亚特兰蒂斯号航天飞机搭载升空，运行在高度为450km的近地轨道上，以此避免范艾伦辐射带的影响。
    康普顿伽马射线天文台重约17吨，其中天文仪器重约7吨，在当时是由航天飞机发射的最重的民用航天器。
    1999年7月23日，钱德拉X射线天文台由哥伦比亚号航天飞机搭载升空，其运行轨道为椭圆形，近地点1万公里，远地点14万公里，轨道周期为64小时，望远镜在轨期间由史密松天体物理台负责操控和运作。
    斯皮策空间望远镜在美国佛罗里达州的卡纳维尔角由德尔塔Ⅱ型火箭发射升空，运行在一条位于地球公转轨道后方、环绕太阳的轨道上，并以每年0.1天文单位的速度逐渐远离地球，这导致望远镜一旦出现故障将无法使用航天飞机对其进行维修 ...
  • metadata基于COLA模拟的快速的模拟星系生成方法
    这是“Fast generation of mock galaxy catalogue with COLA”一文中所用到的数据集，包括BOSS CMASS NGC星系的模拟星表和暗物质粒子模拟直接输出的暗物质晕表。
  • article-nadc国家天文科学数据中心火流星项目公布2023年度最佳火流星榜单
    上传人：王智琛 发现时间：2023年12月14日19:58:57 流星特点：流星图像正，伴有飞机轨迹，画面感很强。 图10 王智琛作品 10.
  • metadata共生星候选体
    此星表的共生双星候选体是用机器学习的方法得到的。
  • article-nadc国家天文科学数据中心推出引力透镜搜寻全民科学项目
    公众无需任何专业基础，只需经过简单学习便可掌握操作方法。参与者将在过程中更深入地了解引力透镜相关知识，同时也能够帮助科学家更好地开展相关研究。
    点击主页导航栏“教程”按钮，可了解该项目基本操作方法，在“已知目标”栏目中列出了多个引力透镜的图例，参与者可对照图例进行判断。
    与科学家当同事、做朋友； 看图累计经验值，后续会根据成绩推出更多玩法； 根据参与时长和成绩每年颁发纪念证书； 优先参与国家天文科学数据中心举办的各种科普类活动； 收到项目组不定期推送科普文章，了解天文、涨知识 ...
    随着参与的深入，在这个过程中你将逐渐掌握科学研究的方法、技能，养成科学思维，学会科学地分析问题、解决问题。
  • article-psp足不出户 仰望星空
    /p> <p style="text-indent: 2em"> 尽管，仰望星空是人类亘古不变的追求，但寻找宇宙新发现对普通大众而言始终是一件高深莫测的事，需要具备足够的天文知识，掌握很多物理、数学方法才可以做到 ...
    他高一成为天文小组组长，大学创办天文社， 工作后又自购设备建立了属于自己的星明天文台，对天文的爱好和科普的热情越来越高涨。
  • article-nadc天文学家利用LAMOST和Gaia发现591颗高速星
    银河系中，大多数恒星以每秒几十至上百公里的速度运动，它们虽然比飞机每小时一千公里或人造卫星每秒十公里的速度快得多，但是在一类被称作“高速星”的恒星面前却黯然失色。
  • metadata应用于CMOS相机的暗电流建模代码
    这里公布的是太原理工大学智能光学实验室研究的CMOS暗电流建模和坏像素识别方法所对应的样例代码，代码已经应用于一个商用卫星的数据处理任务中，并且展示了比较好的结果。
  • metadata应用于CMOS相机的暗电流建模代码
    这里公布的是太原理工大学智能光学实验室研究的CMOS暗电流建模和坏像素识别方法所对应的样例代码，代码已经应用于一个商用卫星的数据处理任务中，并且展示了比较好的结果。
  • metadata银道面背景类星体候选体星表
    我们应用迁移学习方法和XGBoost算法对Pan-STARRS1 (PS1) 和AllWISE测光星表进行银道面背景类星体选源，并使用Gaia自行判据排除恒星污染源，最终得到位于 |b|≤20∘内、包含 ...
  • article-nadc研究人员提出仙女星系中星团搜寻新方法
    近日，国家天文台王守成博士、马骏研究员，云南大学陈丙秋副教授，云南天文台龙潜研究员等人基于LAMOST数据构建了搜寻仙女星系（M31）星团的新方法，并从仙女星系全景考古巡天（PAndAS）测光数据中证认出 ...
    而在没有哈勃数据的区域，研究团队基于LAMOST，PAndAS等地面望远镜的观测数据优势，利用新方法在搜寻M31盘中年轻星团方面取得了新的突破。
  • article-psp项目简介
    恰恰就是这个原因导致很多普通民众认为必须要懂很多高深的天文知识，掌握很多数学物理方法才可以做到。
  • article-nadc夯实专业，提升素养，万维望远镜还能这么“玩”！
    在竞技中提升综合素养 在经过了日常的积累和学习后，学生们的创作热情空前高涨，宇宙漫游创作大赛的举办为我们的学生提供了更大的试炼场和舞台，也让我们有机会与全国各地的优秀创作者有更多机会交流切磋。
  • article-nadc天文学家构建新方法精确计算LAMOST红巨星的恒星参数
    2015年，Ness等人提出了数据驱动的The Cannon算法来计算恒星参数，这种方法的优势是可以容易地在不同光谱巡天之间相互定标恒星参数。
    章博等人发现该方法存在一定的局限性：只能对很窄的参数范围内的恒星进行建模（例如有效温度从5500K-3800K），而无法扩展到更宽范围。
    因此章博等人提出利用支持向量回归（一种非参数化回归模型）来改进这种数据驱动的恒星参数计算方法，构建了SLAM方法。
    经测试，SLAM方法在宽参数范围内展示出优越的性能，使得光谱巡天的相互定标不再受到参数范围的限制。
    这体现了SLAM方法相较于The Cannon算法的巨大优势。SLAM方法为开展银河系的科学研究提供了非常有力的工具。
  • article-nadc天文学家利用神经网络方法搜索强引力透镜系统
    国际上已有相关研究团队利用卷积神经网络方法搜索强引力透镜系统。
  • article-nadc云南天文台提出一种改正光谱大气吸收的新方法
    该研究基于中国科学院云南天文台丽江天文观测站2.4米望远镜光谱观测的定标需求，提出了一种改正光谱大气吸收的新方法，改正精度达1%。论文链接：点击这里。
    传统的大气吸收改正方法需要在科学目标观测前后，在附近天区观测大气吸收标准星。基于小视场的时域观测研究中，该方法将占用大量宝贵的望远镜观测时间。
    另外，该方法无法在完全同时的观测条件下观测科学目标和标准星，天气和望远镜指向状态等的变化，导致光谱大气吸收的改正精度并不高。
    结合恒星物理研究建立的恒星模板光谱库，或者LAMOST和SDSS光谱巡天建立的恒星光谱数据库，该研究采用观测比较星光谱匹配恒星模板光谱的方法，获得比较星的大气吸收谱。
    通过计算大气吸收改正前和改正后氧发射线的流量弥散，对新提出的光谱大气吸收改正方法进行评估，发现该方法对光谱大气吸收的改正精度为1%。对于具备长缝光谱仪的地基望远镜观测，该方法具有普适性。
  • article-nadc机器学习方法在国际大型多波段巡天项目融合数据中的应用
    赵永恒研究员和北京大学吴学兵教授基于中国郭守敬望远镜（LAMOST）和美国斯隆数字巡天(SDSS)的光谱数据，结合欧洲航天局的X射线牛顿天文望远镜（XMM-Newton）数据、广域红外巡天探测器（WISE）数据及SDSS可见光测光数据，通过交叉证认方法获取了具有不同波段信息的多个已知样本 ...
    基于此，研究人员通过机器学习方法构建了适合不同波段样本的最优分类器，为X射线牛顿天文望远镜第九次发布数据（DR9）提供了分类预测和概率。
    交叉证认在多波段天文学研究中起着至关重要的作用,是多波段天文数据融合的关键技术和方法。通过对某一天体的多波段证认,可以获得该天体的不同波段信息,进而可以揭露更多的物理本质。
    接着，利用机器学习方法针对不同波段的已知样本分别构建了不同的分类器，从中挑选出最优分类器对X射线牛顿天文望远镜DR9数据中的未知源给出了分类预测和概率。
    该成果充分体现了机器学习方法在多个大型多波段巡天项目融合数据中的应用价值，其分类结果为进一步细致分析和研究X射线源具有非常重要的科学应用前景。
  • meeting光学天文实测天体物理培训班（第十五期） |
    研修主要内容： （一）实测天文相关前沿课题讲座； （二）参观兴隆观测基地； （三）光学天文望远镜和终端仪器介绍； （四）测光观测方法； （五）测光数据处理方法 ...
  • metadata暗能量光谱巡天（DESI）第九次数据发布——Tractor星表
    本释放数据是基于Tractor方法（Lang et al. 2016）和交叉匹配得到的星表数据。
  • article-nadc广州大学NADC大湾区分中心与合作团队利用深度学习方法搜寻热亚矮星
    近期，广州大学国家天文科学数据中心大湾区分中心、中国科学院国家天文台团队和西华师范大学团队、中国科学院云南天文台的谈磊、梅盈、王锋、邓辉、柳志存、罗杨平、刘超和邓林华等人，开展了基于深度学习方法的热亚矮星的搜寻研究 ...
    但由于LAMOST没有测光观测，传统的颜色切割方法无法运用于热亚矮星的搜寻中，并且由于数据量庞大，人工证认会耗费大量的时间和精力。
    本研究提出了一种鲁棒的基于卷积神经网络（CNN）的热亚矮星搜寻方法。
    •  
我们使用cookies为您提供更好的体验。继续使用本网站，即表示您同意按照我们的Cookie 政策使用cookie。
接受