基于支持向量机的云图自动识别和提取方法

在时域天文研究中,中小口径光学望远镜的自动巡天是获取观测数据的重要来源.受台站观测条件影响,图像中会有云的干扰,给测光和暗弱目标的自动提取带来很大的困难.为此有必要对天文图像中的云进行识别和提取,建立云的指标图,为后续的信息提取提供参考.为了实现这一目标,建立了天文图像筛选系统,该系统将图像灰度不一致度与纹理差异作为图像的多维特征指标,并与支持向量机(Support Vector Machine,SVM)相结合,对有云的数据进行筛选.在筛选的基础上,利用直方图变换和特征提取,进一步提取了云的指标图.实验结果表明:纹理识别结合SVM对天文图像进行实时筛选,分类准确率大于98%.利用直方图变换和特征提取可以初步提取云的指标图,给测光和暗弱目标的提取提供参考.     

基于CSST多色测光的时序测光精度分析

中国巡天空间望远镜(Chinese Survey Space Telescope, CSST)是中国的首个大型空间光学望远镜, 将对包括系外行星探测在内的诸多科学目标开展研究, 有望取得前沿科学进展. 时序测光精度是CSST重要的性能指标, 受到物理噪声和仪器噪声的影响, 需要通过数值模拟对其分析和评估. 模拟基于目前公布的CSST主要技术参数, 建立了时序的恒星信号和噪声模型, 以CSST的i波段为例, 分析凝视观测模式下的测光精度. 通过数值仿真, 展示了孔径测光中各项噪声的贡献, 特别是由指向抖动和像素响应不均匀性导致的抖动噪声. 模拟结果还给出了测光孔径的推荐范围. 为了获得更高的信噪比, 可以减小仪器抖动振幅和像素不均匀性, 或者采用参考星较差测光的方式. 结果为CSST后续的时序测光精度与不同指标参数的相关性分析、系外行星探测能力评估以及测光数据处理提供了模拟数据的支撑.     

原行星盘对行星系统形成及演化的影响

系外行星的探测是近年来炙手可热的话题,尤其是类地行星的探测.随着观测数据的不断积累,以及NASA的Kepler卫星的升空,越来越多的系外行星系统和类地行星被探测到,这将极大地丰富系外行星和系外行星系统的样本,为我们提供更多的素材,使我们对系外行星的形成、演化等过程有更加深刻的认识.     

银道面附近若干天区变星搜寻

对新疆天文台南山1 m大视场天文望远镜观测的历史数据进行细致的数据挖掘,发现了百余颗变源。数据处理流水线为新疆天文台时域巡天数据处理包,该处理包同时考虑了测光系统内部权重和相关性,并结合快速混合算法编写。除去已知的变源,又发现了很多新的变源。对新变源证认的过程中,将结果与LAMOST, GCVS, VSX, GaiaDR2等星表进行交叉。在讨论部分,对各星表的使用情况给出了说明。最后发现这些新变源绝大部分是食双星,少部分是脉动变星,并有一颗表现相对复杂的变源。