We apply Principal Component Analysis (PCA) to ~100,000 stellar spectra obtained by the Sloan Digital Sky Survey (SDSS). In order to avoid strong non-linear variation of spectra with effective temperature, the sample is binned into 0.02 mag wide intervals of the g-r color (-0.20<g-r<0.90, roughly corresponding to MK spectral types A3 to K3), and PCA is applied independently for each bin. In each color bin, the first four eigenspectra are sufficient to describe the observed spectra within the measurement noise. We discuss correlations of eigencoefficients with metallicity and gravity estimated by the Sloan Extension for Galactic Understanding and Exploration (SEGUE) Stellar Parameters Pipeline. The resulting high signal-to-noise mean spectra and the other three eigenspectra are made publicly available. These data can be used to generate high quality spectra for an arbitrary combination of effective temperature, metallicity, and gravity within the parameter space probed by the SDSS. The SDSS stellar spectroscopic database and the PCA results presented here offer a convenient method to classify new spectra, to search for unusual spectra, to train various spectral classification methods, and to synthesize accurate colors in arbitrary optical bandpasses.
Mapping the Distant and Metal-Poor Milky Way with SDSS-V
Department of Astronomy & Astrophysics, University of Chicago（芝加哥大学天文与天体物理系）；Kavli Institute for Cosmological Physics, University of Chicago（芝加哥大学卡弗里宇宙物理学研究所）；NSF-Simons AI Institute for the Sky (SkAI)（NSF-Simons 天空人工智能研究所 (SkAI)）；Max-Planck-Institut für Astronomie（马克斯·普朗克天文学研究所）；Department of Astronomy, Columbia University（哥伦比亚大学天文学系）；Department of Astronomy, Boston University（波士顿大学天文学系）；Instituto de Astrofísica, Departamento de Física y Astronomía, Facultad de Ciencias Exactas, Universidad Andres Bello（安第斯贝尔托大学精确科学学院物理与天文学系天体物理研究所）；LIRA
SDSS-IV MaStar: Determination of Stellar Parameters Using Bayesian Averaging
New York University Abu Dhabi（阿布扎比纽约大学）；The Chinese University of Hong Kong（香港中文大学）；ELTE Eötvös Loránd University（厄特沃什·罗兰大学）；MTA-ELTE Lendület “Momentum” Milky Way Research Group（匈牙利科学院-厄特沃什·罗兰大学 Lendület “Momentum” 银河系研究组）；MTA-ELTE Exoplanet Research Group（匈牙利科学院-厄特沃什·罗兰系外行星研究组）；University of Portsmouth（朴茨茅斯大学）；University of Kentucky（肯塔基大学）；University of Colorado（科罗拉多大学）；New Mexico State University（新墨西哥州立大学）
Stellar Properties for a Comprehensive Collection of Star Forming Regions in the SDSS APOGEE-2 Survey
斯隆数字巡天IV（SDSS-IV）APOGEE-2的主要科学目标是观察整个银河系的红巨星，以研究其动力学，形态学和化学演化。APOGEE仪器是一个高分辨率的300光纤H波段（1.55-1.71微米）摄谱仪，也是研究银河系其他恒星星族的理想工具，其中包括一些恒星形成区和年轻的疏散星团。我们给出了一个由3360颗年轻恒星组成的样本的六种恒星性质（$T_{eff}$、$\log{g}$、[Fe/H]、$L/L_\odot$、$M/M_\odot$和年龄）的测定结果，这些恒星属于太阳下到太阳上的类型，分布在银河系的16个恒星形成区和年轻的疏散星团区。这些来源是通过使用聚类方法选择的，该方法消除了大部分现场污染。还通过去除受参数测定的各种系统效应影响的目标来细化样品。最终的样本在一个全面的目录，包括所有六个估计参数。本概述研究还包括所有区域的参数空间分布图和Hertzprung-Russell（$L/L_\odot$ vs. $T_{eff}$）图。该研究为进一步研究单个区域的细节提供了指导，并为今后利用更稳健的样本研究恒星演化主序前阶段恒星的整体性质奠定了基础。
Photometric recalibration of the SDSS Stripe 82 to a few milimagnitude precision with the stellar color regression method and Gaia EDR3
通过结合LAMOST DR 7、SDSS DR 12的光谱数据和Gaia EDR 3的校正光度数据，我们应用恒星颜色回归（SCR; Yuan et al. 2015 a）方法重新校准了Ivezić et al.（2007）的SDSS Stripe 82标准星表。在总共约30，000颗光谱目标恒星的情况下，我们绘制出了星表中存在的相对较大和强相关的光度零点误差，在$u$波段中$\sim$为2.5%，在$griz$波段中$\sim$为1%。我们的研究还证实了一些小的，但重要的幅度依赖性的错误，在$z$带的一些电荷耦合器件。各种测试表明，我们已经实现了在$u$频带中约5 mmag和在$griz$频带中约2 mmag的内部精度，这比以前的结果好约5倍。我们还将该方法应用于最新版本的星表（V4.2; Thanjavur et al. 2021），并发现沿着R. A的适度系统校准误差高达$\sim$ 1%。方向和较小的误差沿十二月方向。结果表明，SCR方法的功率时，结合光谱数据和盖亚光度测量在突破1%的精度障碍的地面光度测量。我们的工作为整个SDSS光度测量的重新校准铺平了道路，并对未来测量的校准具有重要意义。最后讨论了SCR方法在不同情况下的应用和改进。
SDSS-IV MaStar: Stellar Parameter Determination with Continuum-Supplemented Full-Spectrum Fitting
我们提出了一个恒星参数目录，伴随着MaStar恒星库，这是一个全面的收集经验，中等分辨率的恒星光谱。我们通过使用多组分$χ^{2}$拟合方法将MaStar光谱与通过内插基于ATLAS 9的BOSZ模型光谱生成的模型相匹配来构建此参数目录。给定模型的总$χ^{2}$被定义为被构造为表征所观察到的光谱的窄带特征（例如，吸收线）和宽带连续谱形状分开。在拟合中考虑了由于通量校准引起的消光和系统学。使用马尔可夫链蒙特卡罗（MCMC）算法对模型空间给定区域的$χ^{2}$分布进行采样，然后使用从中获得的数据提取大气参数估计值（$T_{eff}$、log g、[Fe/H]和[ $α$ /Fe]）及其相应的不确定性和直接消光测量值。使用两种方法提取参数和不确定性：一种接受MCMC规定的最小值- $χ^{2}$结果，另一种使用贝叶斯推断从MCMC采样的$χ^{2}$分布计算似然加权平均值。使用重复观察（如果可用）并将其与外部数据集（例如，APOGEE-2和Gaia DR 2）。我们的光谱拟合练习揭示了当前理论模型光谱中可能存在的缺陷，说明了MaStar光谱有助于改进模型的潜在能力。本文更新了最初随SDSS-IV DR 17提供的参数。包含BestFit结果的MaStar参数目录可在SDSS-IV DR 17网站上获得，作为MaStar恒星参数增值目录第2版的一部分。
Post Common Envelope Binaries from SDSS. XV: Accurate stellar parameters for a cool 0.4-solar mass white dwarf and a 0.16-solar mass M-dwarf in a 3 hour eclipsing binary
