SAOImageDS9: An Essential Tool for Astronomical Exploration
Durham University Space Research Center（杜伦大学空间研究中心）
本文介绍开源跨平台天文数据可视化分析工具DS9，总结其历史发展、核心功能（支持多种格式、坐标系、事件数据、图像立方体、交互式区域分析及外部工具通信）及其对天文社区的贡献。
2026-07-01 astro-ph.IM
Astronomical image processing based on fractional calculus: the AstroFracTool
分数阶微分计算的实现可以为图像处理工具提供新的可能性，特别是对于那些致力于天文图像分析的工具。如arxiv：0910.2381中所讨论的，分数微分能够增强图像的质量，在边缘检测和图像恢复中具有有趣的效果。在这里，我们提出了AstroFracTool，开发提供一个简单而强大的增强工具集的天文图像。此工具用于评估图像贴图的分数梯度。它可以帮助产生对进一步研究和科学目的有用的输出图像，例如探测微弱物体和星系结构，或者在行星研究的情况下，增强表面细节。
2009-11-04 astro-ph.IM
Toyz: A Framework for Scientific Analysis of Large Datasets and Astronomical Images
随着从天文数据中获得的图像和数据产品的规模不断增加，需要新的工具以有意义的方式将这些数据可视化并与之互动。受我们自己用暗能量相机（DECam）拍摄的天文图像的启发，我们提出了Toyz，这是一个开源Python包，用于查看和分析存储在远程服务器或集群上的图像和数据。用户通过Web浏览器连接到Toyz Web应用程序，使其成为学生可视化和与天文数据交互的方便工具，而无需在本地机器上安装任何软件。此外，它还为研究人员提供了一个易于使用的工具，使他们能够浏览服务器上的文件，快速查看使用DECam和其他具有大FOV的相机拍摄的超大图像（$>$ 2 Gb），并创建自己的可视化工具，这些工具可以作为默认Toyz框架的扩展添加。
2015-06-30 astro-ph.IM
Astronomical Data Fusion Tool Based on PostgreSQL
随着世界范围内先进天文技术、设备和方法的应用，天文学已覆盖射电、红外、可见光、紫外、X射线和伽马射线波段，进入全波长天文学时代。如何有效地融合来自不同地基和天基观测设备、不同观测者、不同波段、不同观测时间的数据，需要数据融合技术。本文介绍了基于PostgreSQL数据库，以Q3 C为核心索引，采用Python语言开发的交叉匹配工具，方便了海量天文数据的交叉匹配工作。它提供了四种不同的交叉匹配功能，即：I）自定义误差范围交叉匹配; II）目录误差交叉匹配; III）基于椭圆误差范围的交叉匹配; IV）最近算法交叉匹配。交叉匹配结果集为后续的基于多波长数据的数据挖掘和统计提供了良好的基础。该工具的最大优点是面向用户的工具，由用户本地应用。通过这个工具，用户可以很容易地创建自己的数据库，管理自己的数据和交叉匹配数据库根据自己的需求。此外，该工具还能够将数据从一个数据库传输到另一个数据库。更重要的是，该工具很容易上手，天文学家无需编写任何代码即可使用。
2016-09-05 astro-ph.IM
Fast Astronomical Transients in Archival Photographic Plates: Using optical aberrations as a tool for discerning real images, from plate artifacts
Independent Researcher（独立研究者）
本文通过分析帕洛玛巡天底片中暂现源图像的彗差模式，提出利用光学像差区分真实天体与底片伪影的方法，为暂现源的真实性提供支持。
2026-10-12 astro-ph.IM
catsHTM - A tool for fast accessing and cross-matching large astronomical catalogs
快速访问大型目录是某些天文应用所必需的。在这里，我们介绍catsHTM工具，它由几个重新格式化为基于HDF 5的文件格式的大型目录组成，可以在本地下载和使用。为了允许快速访问，目录被划分为分层三角形网格并存储在HDF 5文件中。提供了几种工具来执行有效的锥搜索，分辨率从几角秒到度，在几毫秒的时间内。第一个发布的版本包括以下目录（按字母顺序排列）：2 MASS，2 MASS扩展源，AKARI，APASS，Cosmos，DECaLS/DR 5，FIRST，GAIA/DR 1，GAIA/DR 2，GALEX/DR 6Plus 7，HSC/v2，IPHAS/DR 2，NED红移，NVSS，Pan-STARRS 1/DR 1，PTF测光表，ROSAT暗源，SDSS源，SDSS/DR 14光谱学，Spitzer/SAGE，Spitzer/IRAC银河系中心，UCAC 4，UKIDSS/DR10、VST/ATLAS/DR3、VST/KiDS/DR3、WISE和XMM。我们提供了Python代码，允许执行锥搜索，以及MATLAB代码执行锥搜索，目录交叉匹配，一般搜索，以及加载和创建这些目录。
2018-05-17 astro-ph.IM
Exploring generative design AI tools for astronomical instrumentation: a CubeSat chassis case study
STFC UK Astronomy Technology Centre, Royal Observatory Edinburgh（STFC英国天文学技术中心，爱丁堡皇家天文台）；STFC Rutherford Appleton Laboratory（STFC卢瑟福阿普尔顿实验室）
本文以ADOT CubeSat底盘设计为案例，评估基于AI和FEA的生成式设计工具，指出其在多约束机械结构早期设计阶段的优势，同时存在黑箱性、结果未可制造等局限。
2026-07-31 astro-ph.IM
A Natural Language Interface for Efficient Data Retrieval in SDSS
University of Alabama in Huntsville（阿拉巴马大学亨茨维尔分校）
针对非专业人士难以通过SQL从SDSS天文数据库检索数据的问题，研究人员微调了小型语言模型Microsoft Phi-2，开发出可将自然语言查询转为SDSS兼容SQL的接口，验证了小模型经微调可构建有效的科学数据库领域自然语言接口。
2025-10-29 astro-ph.IM
A Redistribution Tool for Long-Term Archive of Astronomical Observation Data
天文观测数据需要长期保存，观测数据的快速积累使得需要考虑长期档案保管的成本。除了基于低速磁盘的在线存储之外，还可以使用基于光盘或磁带的离线存储来节省成本。然而，对于需要历史数据的天文学研究（特别是时域天文学），数据访问技术的性能和能耗会导致问题，因为所请求的数据（根据观测时间组织）可能位于多个存储设备上。在这项研究中，我们设计和开发了一个工具，称为AstroLayout重新分布的观测数据使用空间聚合。核心算法根据原始观测数据统计量和目标存储系统，采用图划分的方法生成优化的数据布局。对于给定的观测数据，AstroLayout可以根据此放置将长期存档复制到目标存储系统中。效率评估表明，AstroLayout可以减少响应时域天文学研究中的数据访问请求时激活的设备数量。除了提高数据访问技术的性能外，AstroLayout还可以降低存储系统的功耗。为了增强适应性，它支持任何介质的存储系统，包括光盘、磁带和硬盘。
2020-06-16 astro-ph.IM
Analysis of astronomical data through sonification: reaching more inclusion for visual disable scientists
针对天文研究工具多依赖视觉显示、视障研究者使用受限的问题，本研究构建视障适配的理论框架并集成到sonoUno软件中，还依据ISO标准验证了工具的可及性，提升了天文数据分析的包容性。
2024-02-01 astro-ph.IM
radio-astro-tools: linking radio astronomical data to the astronomical Python ecosystem
Dominion Radio Astrophysical Observatory, Herzberg Astronomy & Astrophysics, National Research Council Canada（加拿大国家研究委员会赫茨伯格天文学与天体物理学多明尼奥射电天文台）；Department of Astronomy, University of Florida（佛罗里达大学天文学系）；Aperio Software（阿佩里奥软件公司）；Dept. of Physics, University of Alberta（阿尔伯塔大学物理系）；Department of Physics and Astronomy, Haverford College（哈弗福德学院物理与天文学系）；Max-Planck-Institut für Astronomie（马克斯·普朗克天文学研究所）；National Radio Astronomy Observatory（美国国家射电天文台）；Department of Astronomy, The Ohio State University（俄亥俄州立大学天文学系）；Center for Cosmology and Astroparticle Physics (CCAPP)（宇宙学与基本粒子物理中心）；Univ. Grenoble Alpes, CNRS, IPAG（格勒诺布尔阿尔卑斯大学，法国国家科学研究中心，IPAG）
radio-astro-tools代码套件依托Astropy生态系统，含多个Python包，可分析射电等波段数据，实现并行化、数据组合等功能，还配套交互式教程，提升射电谱线数据分析的便捷性。
2026-10-09 astro-ph.IM
Connecting the time domain community with the Virtual Astronomical Observatory
时域已被确定为未来十年天文学研究的最重要领域之一。虚拟观测站是提供专用工具和服务的先锋，这些工具和服务能够并促进时域数据的发现、传播和分析。这些范围从时间关键的天文瞬变的快速通知到用最新的建模结果注释长期变量。在本文中，我们将回顾这些领域的现有技术，并专注于VAO在支持时域科学方面所带来的能力。特别是，我们将重点关注与天文瞬变相关的（辅助）数据的异构收集所涉及的问题，以及下一代天空调查（例如LSST和SKA）所需的时间序列表征和分类工具。
2012-06-18 astro-ph.IM
A Novel Semantic Software for Astronomical Concepts
我们已经创建了一个新的语义工具，称为AstroConcepts，提供天文概念的定义，目前在网页上。这个工具是一个谷歌Chrome插件，可以查询巴黎天文台开发的天文学和天体物理学词源词典。有了这个工具，如果在网页上选择一个天文学概念，就会弹出一个窗口，显示可用英文或法文术语的定义。这一设施的另一个预期用途可能是在虚拟观测台服务中实施。
2012-06-04 astro-ph.IM cs.DL
Siril: An Advanced Tool for Astronomical Image Processing
Siril是一款专为天文图像预处理与后处理设计的开源软件，为天文爱好者和专业天文学家提供图像叠加、校准等高级工具以生成高质量天体图像，本文介绍了其包含最新功能的1.4开发分支。
2024-10-15 astro-ph.GA astro-ph.IM
AstroCatR: a Mechanism and Tool for Efficient Time Series Reconstruction of Large-Scale Astronomical Catalogues
天体时间序列数据常用于研究太阳系外行星、超新星等有价值的、不可预测的天体。由于数据量的快速增长，传统的人工方法变得非常困难，无法连续分析积累的观测数据。为了满足这种需求，我们设计并实现了一个特殊的工具，名为AstroCatR，可以有效地和灵活地重建大规模天文星表的时间序列数据。AstroCatR可以从Flexible Image Transport System（FITS）文件或数据库中加载原始目录数据，匹配每个项目以确定其属于哪个对象，并最终生成时间序列数据集。为了支持大规模数据集的高性能并行处理，AstroCatR使用提取-转换-加载（ETL）预处理模块来创建天空区文件并平衡工作负载。匹配模块使用重叠索引方法和内存引用表来提高准确性和性能。AstroCatR的输出可以存储在CSV文件中，也可以根据需要转换为其他格式。同时，基于模块的软件架构确保了AstroCatR的灵活性和可扩展性。我们评估了AstroCatR与实际观测数据从三个南极巡天望远镜（AST 3）。实验表明，通过设置相关参数和配置文件，AstroCatR可以高效灵活地重构所有时间序列数据。此外，在匹配大量目录时，该工具比使用关系数据库管理系统的方法快约3倍。
2020-06-17 astro-ph.IM
Three Tools to Aid Visualisation of FITS Files for Astronomy
越来越需要开发天文可视化和操作工具，使观众能够直接，实时和跨平台地与显示的数据进行交互。此外，下一代望远镜天文图像的动态范围的增加，导致人们希望开发能够在广泛的强度范围内呈现信息的增强可视化。本文介绍了三个新的工具，天文可视化和图像处理的软件工程师和射电天文学家之间的合作的结果。第一个工具，FITS3D，是一个快速，交互式三维数据立方体查看器，旨在允许实时交互比较多个谱线数据立方体同时。它具有特定区域的选择操作，包括平滑。第二个工具FITS2D有助于2D拟合图像的可视化和操作。该工具支持自由形式遮罩的交互式创建，允许用户提取拟合图像的任何（可能不连续的）子集。它还支持可以放置而不影响底层数据的注释。最后一个工具是一个R包，用于将高动态范围压缩技术应用于2D拟合图像。这允许在单个图像中成像全范围的像素亮度，同时显示明亮光源的细节，同时保留微弱光源的区别。在这里，我们将介绍这三种工具，并使用一系列天文图像来演示它们的功能。
2016-01-03 astro-ph.IM
Cutana: A High-Performance Tool for Astronomical Image Cutout Generation at Petabyte Scale
European Space Agency (ESA)（欧洲空间局）；European Space Astronomy Centre (ESAC)（欧洲空间天文中心）
本文提出Cutana，一款基于向量化NumPy和内存感知调度的批处理切图工具，可在四小时内用四线程处理欧几里得Q1全部数据，性能显著优于Astropy。
2025-11-06 astro-ph.IM
MaxiMask and MaxiTrack: two new tools for identifying contaminants in astronomical images using convolutional neural networks
在这项工作中，我们提出了两个卷积神经网络分类器检测天文图像中的污染物。经过训练后，我们的分类器能够识别各种污染物，如宇宙射线、热像素和坏像素、持久性效应、卫星或飞机轨迹、残留条纹图案、模糊特征、饱和像素、衍射尖峰和图像中的跟踪错误。它们涵盖了广泛的环境条件，如视宁度、图像采样、探测器类型、光学和恒星密度。第一个分类器MaxiM ask基于每个像素属于给定污染物类的概率，执行语义分割并为每个污染物生成坏像素图。第二个分类器MaxiTrack通过计算焦平面受跟踪误差影响的概率，对整个图像和马赛克进行分类。我们从各种现代电荷耦合器件和近红外相机的真实数据中收集了训练和测试数据，这些数据通过图像模拟进行了增强。我们量化了这两个分类器的性能，并表明M axi M ask在识别宇宙射线命中方面达到了最先进的性能。由于内置的贝叶斯更新机制，这两个分类器都可以进行调整，以满足各种观测环境中的特定科学目标。
2020-02-11 astro-ph.IM
VST processing facility: first astronomical applications
VST-Tube是一个新的光学天文图像处理软件包。它是一个自动化的管道，从原始曝光到完全校准的共同添加的图像，并提取具有光圈和PSF测光的目录。一套工具允许数据管理和中间产品和最终产品的质量检查。VST-Tube配备了图形用户界面，以促进数据和用户之间的交互。我们在这里概述了VST-管架构，并显示了一些应用启发的一些特点的管道。
2011-02-22 astro-ph.IM
Visualisation of Multi-mission Astronomical Data with ESASky
ESASky是一个以科学为导向的探索门户网站，用于探索多波长天空，可视化和访问多个天文档案。该工具是一个网络应用程序，不需要事先了解任何所涉飞行任务，使世界各地的用户能够以简化的方式获得来自多个天基天文学飞行任务的最高级别科学数据产品以及欧空局的一些源目录。ESASky的第一个公开版本具有多个波长的天空可视化界面，查询结果摘要的可视化，以及单个和多个目标的观测和目录源的可视化。本文描述了ESASky中的这些功能，这些功能是为解决科学界的用例而开发的。关于大量数据的可视化和所使用的技术的决定是为了最大限度地提高应用程序的响应能力，并保持工具尽可能有用和直观。
2017-01-10 astro-ph.IM
UVMULTIFIT: A versatile tool for fitting astronomical radio interferometric data
天文干涉数据的分析通常是对干涉仪的点扩散函数（PSF）进行反卷积后得到的图像进行的。该策略可以被理解（特别是对于稀疏阵列的情况）为将模型拟合到模型，因为去卷积图像已经是实际数据的非唯一模型表示（即，的vitamins）。实际上，干涉图像可能受到可见度网格化、加权方案（例如，自然对均匀），以及（非线性）去卷积算法的细节。将模型拟合到直接干涉观测值（即，在简单的（分析的）天空强度分布的情况下是优选的。在本文中，我们提出了UVMULTIFIT，一个多功能的库，用于拟合可见性数据，在基于Python的框架中实现。我们的软件目前基于CASA包，但可以很容易地适应其他分析包，只要它们有Python API。我们已经用合成数据和实际观测数据测试了该软件。在某些情况下（例如，尺寸小于干涉仪的衍射极限的源），拟合到干涉仪的结果（例如，附近源的光谱）远优于仅从去卷积图像的分析获得的输出。UVMULTIFIT是现有任务的一个强大的改进，从能见度数据中提取最大量的信息，特别是在接近干涉测量观测的灵敏度/分辨率极限的情况下。
2014-02-17 astro-ph.IM
Local Two-Sample Testing: A New Tool for Analysing High-Dimensional Astronomical Data
现代调查为天文学界提供了大量的高维数据，但对这些数据的分析通常发生在将其投影到低维空间之后。在这项工作中，我们介绍了一个本地的两个样本的假设检验框架，分析师可以直接应用到他们的原生空间中的数据。在这个框架中，分析师定义了两个类的基础上的响应变量的兴趣（例如，高质量的星系与低质量的星系），并确定在任意点的预测空间是否属于两个类的对象的局部比例显着不同的全球比例。我们的框架在整个天文学中有潜在的无数用途;在这里，我们通过将其应用于HST ACS在四个CANDELS计划领域观察到的2487个i波段选择星系的样本来证明其有效性。对于每个星系，我们有七个形态的汇总统计数据，以及估计的恒星质量和恒星形成率。我们进行了两项研究：其中一个是我们确定的七维空间的形态统计区域，其中高质量的星系明显比低质量的星系多，反之亦然，另一项研究中，我们使用SFR的地方质量。我们发现，我们能够识别这样的区域，并显示如何高质量/低SFR区域与集中和不受干扰的星系，而在低质量/高SFR区域的星系出现更多的扩展和/或干扰比他们的高质量/低SFR同行。
2017-07-14 astro-ph.IM
Noise2Astro: Astronomical Image Denoising With Self-Supervised NeuralNetworks
在观测天文学中，噪声会掩盖感兴趣的信号。大规模天文测量的规模和复杂性越来越大，这将产生更多的数据，增加数据处理的工作量。开发自动化工具，如卷积神经网络（CNN），用于去噪已成为一个有前途的研究领域。我们研究了基于CNN的自监督学习算法的可行性（例如，Noise 2Noise）对天文图像进行去噪。我们在模拟的噪声天文数据上试验了Noise 2Noise。我们根据恢复通量和形态的准确性来评估结果。该算法可以很好地恢复泊松噪声（$98.13$ { \raisebox{0.5ex}{\tiny$^{+0.77}_{-0.90} $} $\large\%$ }）和高斯噪声（当图像数据具有平滑信号轮廓时（$96.45$ { \raisebox{0.5ex}{\tiny$^{+0.80}_{-0.96} $} $\large\%$ }）的通量。
2022-09-15 astro-ph.IM
Extracting Knowledge From Massive Astronomical Data Sets
地面和空间仪器收集的天文数据呈指数级增长，促进了天文信息学的发展：这是一门介于天文学、应用计算机科学和信息与计算（ICT）技术之间的新学科。天文信息学的核心是一套复杂的方法，通常称为数据挖掘（DM）或数据库中的知识发现（KDD）。在天文学领域，DM/KDD仍然处于非常早期的使用阶段，尽管新的方法和工具正在不断部署，以应付海量数据集（MDS），只能在未来增长。在本文中，我们简要概述了一些一般性的问题时，应用DM/KDD方法的天体物理问题，并描述了DAME（数据挖掘与勘探）的Web应用程序。虽然专门针对MDS工作，但DAME也可以有效地应用于较小的数据集。作为一个例子，我们描述了两个应用DAME两个不同的问题：在外部星系的候选球状星团的识别，和活动星系核（AGN）的分类。我们相信，在21世纪，这种性质的工具和服务对于数据密集型天文学（实际上是所有科学）将变得越来越必要。
2011-09-21 astro-ph.IM
Visplot: A visibility plot and observation scheduling tool for astronomical observatories
Nordic Optical Telescope（北欧光学望远镜）；Isaac Newton Group of Telescopes（艾萨克·牛顿望远镜组）
Visplot是一款开源工具，用于天文观测的可见性分析和调度，支持灵活的调度需求，适用于现代天文台的实践需求。
2026-09-09 astro-ph.IM
NBFTP: A Dedicated Data Transfer System for Remote Astronomical Observation at Dome A
南极洲的圆顶A自几十年前以来一直被认为是地球上最好的天文景点之一。从2008年天文学家首次访问以来，已经部署了数十个天文观测和现场测试设施。由于其特殊的地理位置，Dome A与国内控制中心之间的数据和消息交换只能依靠铱。由于Iridium的链路带宽非常有限，同时网络流量成本相当昂贵，网络也相当不稳定，因此常用的数据传输工具，如rsync和scp，并不适用于这种情况。本文设计并实现了一个用于Dome A天文观测的数据传输工具NBFTP（窄带文件传输协议）。NBFTP使用统一的接口来安排所有类型的数据，并根据规则为不同的数据类型匹配特定的传输方案。实现了断点续传和扩展功能。我们的实验结果表明，NBFTP消耗60%的网络流量比rsync时，检测数据等待传输。在传输1KB的小文件时，NBFTP的网络流量消耗比rsync少40%。但是，随着文件大小的增加，NBFTP的网络流量消耗趋于接近rsync，但仍小于rsync。
2020-08-27 astro-ph.IM
DeepSurveySim: Simulation Software and Benchmark Challenges for Astronomical Observation Scheduling
针对天文观测调度缺乏统一测试基准与易用工具的问题，本研究推出高保真灵活的仿真工具DeepSurveySim，可跟踪估算天空条件，提供三类基准问题，用于评估调度算法尤其是机器学习调度算法的效能。
2023-12-14 astro-ph.IM
Enhanced Management of Personal Astronomical Data with FITSManager
虽然数据中心和计算中心的作用越来越重要，在线研究正在成为天文学的主流，但基于本地托管数据的个人研究仍然非常普遍。随着个人存储容量的增加，很容易在天体物理学家的个人计算机中找到数百到数千个FITS文件。由于灵活图像传输系统（FITS）是由天文学家发起的专业数据格式，主要用于小型社区，因此FITS文件的数据管理工具包非常少。天文学家需要一个强大的工具来帮助他们管理本地天文数据。虚拟天文台是一个面向网络的天文研究环境，其应用和相关技术为提高天文数据的管理和利用提供了有效的解决方案。FITSManager就是这样一个工具，为天文学家提供了一个有效的管理和利用他们的本地数据，以无缝和透明的方式为天文学家带来了VO。FITSManager为FITS文件管理提供了丰富的功能，如缩略图、预览、类型相关图标、标题关键字索引和搜索、与其他工具和在线服务的协同工作等，填补了天文数据管理和分析之间的空白。
2011-06-23 astro-ph.IM cs.SE
Astronomical Data Formats: What we have and how we got here
尽管几乎所有的天文数据都是以光子的形式获得的，但来自不同仪器和不同阶段的天文数据可能以不同的格式存在，以服务于不同的目的。除了数据本身之外，描述性信息作为元数据与数据相关联，包括在数据格式中或更大的多格式数据结构中。这些格式可用于数据的获取、处理、交换和存档。使用类似的格式，甚至是单一的标准来简化使用熟悉的工具在各个阶段与数据的交互是很有用的。在我们讨论天文数据的未来如何格式化之前，了解当前标准的演变和优点是有用的。作为一个例子，在FITS中使用世界坐标的演变。
2015-07-13 astro-ph.IM
Recommendations of the Virtual Astronomical Observatory (VAO) Science Council for the VAO second year activity
VAO（虚拟天文台）科学委员会（VAO-SC）于2011年7月27日至28日在马萨诸塞州剑桥的哈佛-史密森天体物理中心举行会议，审查VAO在第一年运营期间的表现。在这次会议上，VAO为天文学家展示了将于2011年9月发布的新工具，并提出了第二年活动的计划，这些计划是第一年进行的研究的结果。本文件载有退伍军人事务组织常设委员会对退伍军人事务组织第二年活动的建议。
2011-08-23 astro-ph.IM
The Virtual Astronomical Observatory: Re-engineering Access to Astronomical Data
美国虚拟天文台是一个软件基础设施和开发项目，旨在开始建立一个可操作的虚拟天文台（VO），并为美国提供与国际VO工作的协调。VO的概念是提供一种方法，使天文学家能够无缝地发现，访问和处理数据，而不管其物理位置如何。本文介绍了VAO的起源，包括美国国家虚拟天文台的前身工作，并总结了其主要成就。这些成就包括两个脚本工具包的开发，使科学家将VO数据直接纳入他们的减少和分析环境和高层次的科学应用程序的数据发现，集成，分析和目录交叉比较。通过与国际社会合作，并根据软件开发的经验，虚拟天文台是国际虚拟天文台联盟内国际标准的主要贡献者。虚拟天文台还演示了如何部署一个运行中的虚拟天文台，提供一个强大的运行环境，定期检查世界各地的虚拟天文台服务的有效性和是否符合国际标准。最后，VAO参与了社区外展，开发了一个综合网站，提供在线教程、公告、美国和国际开发的工具和服务的链接，以及展览和实践培训。VAO项目的所有数字产品，包括软件、文档和教程，都存储在一个存储库中，供社区访问。VAO的持久遗产是人们越来越期望新的望远镜和设施在设计其数据管理系统时纳入VO功能。
2015-04-08 astro-ph.IM
AstronomyCalc: A python toolkit for teaching Astronomical Calculations and Data Analysis methods
Nordita, KTH Royal Institute of Technology and Stockholm University（诺尔迪塔，皇家理工学院和斯德哥尔摩大学）
AstronomyCalc是一个用于教学天体计算和数据分析的Python工具包，提供宇宙学计算、数据生成和分析功能，帮助学生掌握天文学和宇宙学的核心方法与实践技能。
2025-11-25 astro-ph.CO astro-ph.IM physics.ed-ph
From FATS to feets: Further improvements to an astronomical feature extraction tool based on machine learning
Instituto De Astronomía Teórica y Experimental（理论与实验天文研究所）；Observatorio Astronómico Córdoba（科尔多瓦天文台）；Universidad Nacional de Córdoba（国立科尔多瓦大学）；Facultad de Ciencias Exactas, Ingeniería y Agrimensura, UNR（罗萨里奥国立大学精确科学、工程与农学院）；Facultad de Matemática, Astronomía y Física Universidad Nacional de Córdoba（国立科尔多瓦大学数学、天文与物理学院）；Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas（法阿信息与系统科学国际中心）；University of Washington（华盛顿大学）；University of Washington eScience Institute（华盛顿大学电子科学研究所）
机器学习算法对于在这个peta级公共调查数据发布时代对天文学中的时间序列数据进行分类非常有用。这些方法可以促进在大多数天体物理学领域发现新的未知事件，并改进对已知现象样本的分析。机器学习算法使用从收集的数据中提取的特征作为输入预测变量。一个名为时间序列特征分析（FATS）的公共工具已被证明是特征提取的优秀工具，特别是可变对象的光曲线分类。在这项研究中，我们提出了一个重大的改进，FATS，纠正不方便的设计选择，小细节，和文件的重新设计过程。这一改进包括一个名为“feets”的新Python包，这对天文软件工具的未来代码重构非常重要。
2018-09-06 astro-ph.IM cs.LG
Interoperable geographically distributed astronomical infrastructures: technical solutions
新一代观测工具产生的天文数据越来越多，这就需要分发数据，并使计算接近数据。为了满足这一需求，我们建立了一个联合数据和计算基础设施，包括一个国际云设施，EGI联合，以及一组实现IVOA标准和认证，数据共享和资源访问建议的服务。在本文中，我们描述了所面临的技术问题，具体来说，我们展示了设计，技术和建筑的解决方案。我们描述了我们的技术整体解决方案，使数据接近计算资源。除了所采用的解决方案之外，我们还提出了一些关于认证和授权机制的公开讨论。
2017-12-07 astro-ph.IM
Data mining techniques on astronomical spectra data. I : Clustering Analysis
聚类分析是天文光谱分析的一种有效工具，可以挖掘数据之间的聚类模式。随着大规模巡天的实施，许多聚类方法被应用于有效和自动地处理光谱和光度数据。同时，聚类方法在不同数据特征下的性能差异很大。本文分三部分对天文光谱数据的聚类方法进行了综述，旨在总结天文光谱聚类算法，为进一步研究奠定基础。首先，对天文光谱的聚类方法进行了理论研究和分析，从算法思想、应用和特点等方面进行了阐述。其次，实验进行了统一的数据集构造使用三个标准（光谱数据类型，光谱质量，数据量），比较典型的算法的性能;光谱数据来自大天区多目标光纤光谱望远镜（LAMOST）调查和斯隆数字巡天（SDSS）。最后在GitHub上提供了比较聚类算法的源代码和使用及改进手册。
2022-12-16 astro-ph.IM
Astronomical research in the next decade: trends, barriers and needs in data access, management, visualization and analysis
我们报告的调查结果，探讨当前的做法，需求和期望的天体物理学界，涉及四个研究方面：开放科学实践，数据访问和管理，数据可视化，和数据分析。该调查涉及来自几家研究机构的329名专业人士，指出了在结果再现性、可视化分析工具的可用性以及采用机器学习技术进行数据分析等方面的重大差距。本研究是在H2020 NEANIAS项目的背景下进行的。
2020-12-14 astro-ph.IM
astroquery: An Astronomical Web-Querying Package in Python
astroquery是一系列工具，用于从远程服务器上托管的数据库请求数据，这些服务器的接口在互联网上公开，包括那些有网页但没有正式应用程序接口（API）的服务器。这些工具构建在Python requests包（用于发出HTTP请求）和astropy（提供大部分数据解析功能）之上。AstroQuery模块通常试图尽可能接近地复制由给定服务提供的网页界面，从而使得从基于浏览器的交互转换到命令行交互变得容易。astroquery收到了来自整个天文学界的重要贡献，包括来自望远镜档案馆的一些重要贡献。astroquery能够创建从数据采集到发布的完全可复制的工作流程。本文描述了astroquery包的原理、基本结构和开发模型。astroquery的完整文档可以在http://astroquery.readthedocs.io/上找到。
2019-01-14 astro-ph.IM
Astronomical images sonification: inclusion or outreach?
本研究针对天文图像声化领域参数共识缺失、科研应用定位模糊的问题，梳理现有工具的目标定位，提出延续sonoUno科研导向的新方案，以推动功能多样人群参与科研。
2024-02-01 astro-ph.IM
Website with interactive visualization of multivariate astronomical time series
Yandex LLC（Yandex公司）；Max-Planck-Institut für Astronomie（马克斯·普朗克天文学研究所）；Heidelberg University（海德堡大学）；Sternberg Astronomical Institute, Moscow M.V. Lomonosov State University（莫斯科罗蒙诺索夫国立大学斯特恩伯格天文研究所）；Université Paris Cité, CNRS(/IN2P3), Astroparticule et Cosmologie（巴黎西岱大学，法国国家科学研究中心/法国核能与替代能源委员会，亚原子粒子与宇宙学实验室）；Center for Astrophysics — Harvard and Smithsonian（哈佛-史密森尼天体物理中心）
本文介绍两个网页平台Fulu和VALC，用于交互式可视化多变量天体时间序列，支持暂现事件和低质量活动星系核的研究。
2026-01-02 astro-ph.IM
Mega-Archive and the EURONEAR Tools for Datamining World Astronomical Images
世界天文图像档案为时域天文科学和其他热门话题（如空间防御）提供了巨大的机会，天文观测站应该改善这一财富，使其在大数据时代更容易获得。2010年，我们推出了Mega-Archive数据库和Mega-Precovery服务器，用于包含太阳系天体的数据挖掘图像，重点关注近地小行星（NEAs）。本文介绍了近五年来的改进，并介绍了一些新的相关数据挖掘工具。目前，Mega-Archive已经索引了来自六个主要收藏（CADC，ESO，ING，LCOGT，NVO和SMOKA）以及其他仪器档案和调查的1500万张图像。这个元数据索引集合每天更新（自2014年以来），由一个爬虫执行五个主要集合的自动查询。自2016年以来，这些数据挖掘工具运行到新的专用EURONEAR服务器，数据库迁移到支持强大和快速查询的SQL引擎。为了限制该区域在大型马赛克相机拍摄的图像中搜索移动或固定物体，我们构建了图形工具FindCCD和FindCCD for Fixed Objects，它们覆盖了七个马赛克相机（Subaru-SuprimeCam，VST-OmegaCam，INT-WFC，VISTA-VIRCAM，CFHT-MegaCam，Blanco-DECam和Subaru-HSC）中的一个目标，还绘制了观测不良的NEAs的不确定性椭圆。在2017年，我们改进了Mega-Precovery，它现在提供了两个星历计算选项和…
2019-05-21 astro-ph.IM cs.DB
BGRem: A background noise remover for astronomical images based on a diffusion model
Radboud University Nijmegen（奈梅亨拉德堡德大学）；Nikhef（荷兰国家核子与粒子物理研究所）；University of Oxford（牛津大学）；University of Nova Gorica（新戈里察大学）；Instituto de Física Corpuscular (IFIC), CSIC-UV（瓦伦西亚-西班牙国家科学研究委员会粒子物理研究所）；University of Cape Town（开普敦大学）；South African Astronomical Observatory（南非天文台）
本文提出BGRem，一种基于扩散模型的天文图像背景噪声去除方法，通过模拟数据训练，提升了源检测效率，适用于光学和伽马射线数据。
2026-11-04 astro-ph.IM hep-ex
General-Purpose Software for Managing Astronomical Observing Programs in the LSST Era
现代天文学调查，如大型天气巡天（LSST），承诺了前所未有的发现财富，以每晚约1000万次时变事件警报的形式提供。天文学家面临的艰巨挑战是从这一海量数据中确定最具科学重要性的事件，以便进行有效和及时的后续观测。一些正在进行的观测方案已证明，数据库在进行有效的后续行动方面极为宝贵，特别是在与选择目标、直接向地面和空间设施（手动、遥控和机器人）提交观测请求、处理所得数据、与分析软件接口以及与合作者分享信息的工具相结合时。我们借鉴了LCOGT运行的许多后续计划的经验，所有这些计划都有独立开发的系统来提供这些功能，包括微透镜关键项目（RoboNet，PI：Tsapras，Co-I：Street），全球超新星项目（SNEX，PI：Howell）和近地天体项目（NEOExchange，PI：Lister）。我们通常将这些系统称为目标和观察管理器或TOM。未来的项目，面临着一个更大的和快速增长的潜在目标的名单，将发现这些工具是必不可少的，但迄今为止开发的系统是高度专业化的项目，他们服务，并没有设计成规模的LSST警报率。我们提出了一个开发通用软件工具包的项目，该工具包将使天文学家能够轻松构建TOM系统，他们可以根据自己的需求进行定制，而专业开发的代码库将确保系统能够扩展到未来的计划。
2018-06-25 astro-ph.IM
Alertissimo -- a tool for orchestration of LSST broker streams
Astronomical Observatory（天文台）；University of Belgrade, Institute of Physics Belgrade（贝尔格莱德大学物理研究所）；University of Belgrade, Faculty of Organizational Sciences（贝尔格莱德大学组织科学学院）
Alertissimo是一个用于编排LSST经纪流的工具，旨在整合多个经纪的功能以满足社区对处理暂现天体警报的需求。
2026-01-15 astro-ph.IM
A Beginner's Guide to Working with Astronomical Data
这一基本的审查涵盖了天文数据，特别是与图像，光谱和更高层次（目录）的数据工作的基础知识。使用应用软件（DS9和TOPCAT）和Python介绍基本概念和工具。演示文稿的水平是适合本科生，但也应该是先进的高中学生访问。
2020-01-07 astro-ph.IM physics.ed-ph
Real-Time Analysis of Large Astronomical Images
即将推出的为高节奏大面积勘测设计的仪器，如暗能量勘测和大型综合巡天望远镜，将在勘测作业期间每隔几分钟产生几GB的数据产品。由于这种调查的目的是在观察者互动最少的情况下进行，因此有必要对这些大型图像进行自动实时分析，以确保不间断地产生科学质量的数据。我们描述了一个软件基础设施套件，旨在支持这样的调查，特别是专注于ImageHealth，近实时处理大图像的工具。这些图像处理和分析算法被应用到模拟数据的暗能量调查，以及观测数据收集的Y4 KCam的CTIO 1米望远镜和马赛克相机的布兰科望远镜。ImageHealth代码的准确性和速度特别针对SourceExtractor的结果进行了基准测试，SourceExtractor是天文界普遍存在的标准图像分析工具。ImageHealth被证明可以提供与SourceExtractor相当的准确性，但执行时间显着缩短。基于实时分析在实现暗能量调查的科学目标方面的重要性，ImageHealth和该分析包的其他方面被纳入（以修改后的形式）调查图像系统过程集成，即暗能量相机软件控制环境。然而，原始的ImageHealth代码是完全独立于仪器的，并且可以在其他观测数据采集环境中免费使用。
2012-07-31 astro-ph.IM
Content-Based Image Retrieval Using COSFIRE Descriptors with application to Radio Astronomy
本文提出使用可训练的COSFIRE方法结合哈希技术进行射电天体图像检索，在射电星系基准上达到91%平均精度均值，超越DenseNet且计算量减少约14倍。
2024-09-27 astro-ph.IM eess.IV
Overview of the SOFIA Data Cycle System: An integrated set of tools and services for the SOFIA General Investigator
平流层红外天文台（英语：Stratospheric Observatory for Infrared Astronomy，SOFIA）是一个机载天文台，由一个安装在波音747 SP飞机尾部的2.5米红外望远镜组成，飞行高度在37，000至45，00英尺之间，高于99%的大气水蒸气。在日常操作期间，天文学界将可使用一系列仪器，包括近红外和远红外照相机和摄谱仪;一个亚毫米外差接收器;和一个高速掩星成像仪。SOFIA（以及所有天文台）面临的挑战之一是提供一套统一的工具，使非专业的总调查员（GI）能够以简单和无缝的方式使用各种不同的仪器提出，计划和获得观测结果。SOFIA数据循环系统（DCS）是SOFIA科学和任务运营GI计划的一套集成服务和用户工具，旨在应对这一挑战。DCS支持的计划活动包括：GI的提案准备和提交;望远镜分配委员会和天文台工作人员的提案评估; GI的天文观测请求（AOR）准备和提交;天文台工作人员的观测和任务规划;数据处理和存档;数据产品分发。在这篇海报论文中，我们概述了DCS的概念，架构和用户工具，这些工具（或即将）在日常SOFIA操作中可用。此外，我们还介绍了SOFIA基础科学计划的经验和计划中的升级。
2013-09-26 astro-ph.IM
The Taiwan Extragalactic Astronomical Data Center
台湾河外天文数据中心（TWEA-DC）成立于2010年，旨在为台湾和国际社会提供大量数据，专注于河外科学。这是国内几年来个人努力的成果，也是迈向国家虚拟天文台的第一步。利用我们自己的快速索引算法（BLINK），基于一个八面体网格的天空加上一个非常快的kd树和一个聪明的并行可用资源，TWEA-DC将提出从2013年春季的服务“在飞”匹配设施，在现场和基于用户的目录。我们还将提供台湾社区可用的公共和私人原始和可还原数据。最后，我们正在开发高端的在线分析工具，如自动测光红移和SED拟合代码（APz），和自动组和集群发现（APFoF）。
2012-12-10 astro-ph.IM
A Command-line Cross-matching tool for modern astrophysical pipelines
在当前数据驱动的科学时代，对高效，可靠和可扩展的天文目录交叉匹配的需求变得更加迫切，数据的大小已迅速增加到PB级。C3（命令行目录交叉匹配）是一个多平台工具，旨在有效地交叉匹配来自现代天文调查的大量目录，通过使用多核并行处理范式确保高性能功能。该工具被设想为作为一个独立的命令行进程执行，或被纳入任何通用数据简化/分析管道，在参数配置、坐标和交叉匹配类型方面为最终用户提供最大的灵活性。在这项工作中，我们提出的架构和功能的工具。此外，由于该工具的模块化设计可以轻松定制特定的用例和要求，因此我们还提供了一个在FP 7项目ViaLactea中设计和使用的定制C3版本的示例，专用于交叉关联Hi-GAL团块与多波段紧凑源。
2016-11-25 astro-ph.IM
WebPlotDigitizer, a polyvalent and free software to extract spectra from old astronomical publications: application to ultraviolet spectropolarimetry
在这方面的贡献，我们提出了WebPlotDigitizer，多价和免费的软件开发，以方便和准确的数据提取，从各种各样的情节类型。我们描述了这种数值工具的众多功能，并提出了其相关性时，应用于天体物理档案研究。我们利用WebPlotDigitizer提取紫外分光偏振光谱从旧的出版物，使用哈勃太空望远镜，利克天文台3米谢恩望远镜和Astro-2任务观察塞弗特-2 AGN NGC 1068。通过这样做，我们编译所有现有的紫外偏振数据NGC 1068准备地面进一步调查与未来的高分辨率分光偏振仪POLLUX板上拟议的大型紫外/光学/红外探测器（LUVOIR）美国宇航局的任务。
2017-08-07 astro-ph.IM
Efficient scheduling of astronomical observations. Application to the CARMENES radial-velocity survey
有针对性的光谱系外行星调查面临的挑战是通过精心规划来最大限度地提高行星探测率。大型系外行星调查可能的观测组合的数量，即，一夜又一夜的观测序列，无论是总时间还是目标数量，都是巨大的。先进的调度工具和更好地了解系外行星人口调查的有效和最佳的方式来规划执行的观测。CARMENES仪器采用了这种方法，这是一种光学和红外高分辨率摄谱仪，已开始对大约300颗M矮星进行调查，以寻找类地系外行星。我们使用进化计算技术来创建一个自动调度程序，最大限度地减少空闲期的望远镜，并使用可配置的标准在所有的目标之间分配的意见。我们模拟的情况下，CARMENES调查与现实的目标样本，我们估计规划工具的效率，无论是在望远镜操作和行星探测。我们的调度模拟产生的计划，使用约99 $\%$的可用望远镜的时间（包括开销）和最佳分配不同的目标之间的观测。在这样的条件下，并使用当前的行星统计数据，使用该工具的优化计划应该允许CARMENES调查发现约65 $\%$的行星，其径向速度半振幅大于1 $~m\thinspace s^{-1}$，当只考虑光子噪声时。使用我们的调度工具的模拟表明，它是可能的，以最大限度地减少闲置仪器周期，并以有效的方式实现科学目标，以最大限度地提高科学回报，以优化调查规划。
2018-06-06 astro-ph.IM
An Open-Source Gaussian Beamlet Decomposition Tool for Modeling Astronomical Telescopes
在追求直接成像系外行星的过程中，高对比度成像社区已经开发了多种工具来模拟分段孔径望远镜上日冕仪的性能。随着望远镜规模的增加和科学案例向更短的波长发展，优化高对比度成像仪器所需的物理光学传播在计算上变得令人望而却步。高斯波束分解（GBD）是一种物理光学传播的替代方法，它将任意波前分解为近轴光线。这些光线可以使用ABCD矩阵快速传播，并转换成相应的高斯光束，以准确地模拟物理光学现象，而不需要衍射积分。GBD技术最近在商业软件（例如FRED，CODE V，ASAP）中得到了发展和实现，但似乎缺乏开源平台。我们提出了一个新的GBD工具，在Python中开发的物理光学现象建模，其目标是减轻复杂的孔径，多元素系统建模的计算负担，并引入模型失调误差的能力。这项研究表明，GBD技术所利用的光学的几何和物理制度的协同作用，是出于需要推进开源物理光学传播分段孔径望远镜日冕的设计和分析。这项工作说明了GBD与泊松点计算，并显示显着的运行时间优势GBD多元素系统的菲涅尔传播。
2021-06-16 astro-ph.IM physics.optics
GammaLib - A new framework for the analysis of Astronomical Gamma-Ray Data
随着新一代望远镜（INTEGRAL，Fermi，H.E.S.S.，MAGIC、VERITAS、MILAGRO）以及CTA或HAWC等计划中的天文台的前景，伽马射线天文学正在成为现代天体物理学研究的一个组成部分。分析伽马射线数据仍然是一个重大挑战，今天依赖于为每种仪器专门开发的各种工具和软件框架。为了促进和统一伽马射线数据的分析，我们目前正在开发一个创新的数据分析工具箱，称为GammaLib，它可以以独立于仪器的方式进行伽马射线数据分析。我们将介绍GammaLib背后的基本思想，并描述其架构和用法。
2011-10-28 astro-ph.HE astro-ph.IM
Trend Filtering -- I. A Modern Statistical Tool for Time-Domain Astronomy and Astronomical Spectroscopy
对具有不同平滑度的一维信号进行去噪的问题在时域天文学和天文光谱学中是普遍存在的。例如，在时域中，天体可能表现出平滑变化的强度，偶尔会被突然的下降或尖峰打断。同样，在光谱设置中，无噪声光谱通常包含与局部较高频率分量（诸如发射峰和吸收线）混合的相对平滑的间隔。在这项工作中，我们提出了趋势滤波，一个现代的非参数统计工具，产生显着的改善，在这个广泛的问题空间去噪$spatially$ $heterogeneous$信号。当潜在信号在空间上是不均匀的时，趋势滤波优于任何作为观测数据的线性组合的统计估计-包括核平滑器、LOESS、平滑样条、高斯过程回归和许多其他流行的方法。此外，可以经由专门的凸优化算法以实际和可扩展的效率计算趋势过滤估计，例如，在几分钟内处理$n\gtrsim10^7$的样本大小。在一个配套文件中，我们明确地证明了广泛的效用的趋势过滤观测天文学进行了一系列不同的光谱和时域分析。
2020-01-10 astro-ph.CO astro-ph.EP astro-ph.IM
