RV型变星在天体物理学中占有重要地位。大天区多目标光纤光谱望远镜（LAMOST）光谱调查在其数据发布4（DR4）中提供了约650万个恒星光谱。在调查期间，有470万个独特的来源被锁定，100万颗恒星被重复观察。通过比较观测到的径向速度变化和模拟的径向速度变化，估计了恒星是RV变星的概率。通过分析LAMOST DR 4覆盖的重复观测多历元源，我们建立了一个包含80，702个概率大于0.60的RV变量候选者的目录。模拟和交叉鉴定表明，该目录的纯度高于80%。该星表包括77%的双星系统和7%的脉动星，以及16%的单星污染。通过与文献中发表的结果交叉识别，对3，138个RV变量进行了分类。通过使用LAMOST和一系列已发表的RV变量目录共有的3，138个源，我们能够分析LAMOST的RV变量检测率。在这项工作中所采用的方法的效率不仅依赖于采样频率的观测，但RV变量的周期和振幅。随着LAMOST、Gaia等观测的进展，将有越来越多的RV变量被确认和分类。该星表对其他大规模调查，特别是RV变量搜索很有价值。该目录将根据LAMOST数据政策通过http://dr4.lamost.org发布。
英文摘要：
RV variable stars are important in astrophysics. The Large Sky Area Multi-Object Fiber Spectroscopic Telescope (LAMOST) spectroscopic survey has provided ~ 6.5 million stellar spectra in its Data Release 4 (DR4). During the survey, ~ 4.7 million unique sources were targeted and ~ 1 million stars observed repeatedly. The probabilities of stars being RV variables are estimated by comparing the observed radial velocity variations with the simulated ones. We build a catalog of 80,702 RV variable candidates with probability greater than 0.60 by analyzing the duplicate-observed multi-epoch sources covered by the LAMOST DR4. Simulations and cross-identifications show that the purity of the catalog is higher than 80%. The catalog consists of 77% binary systems and 7% pulsating stars as well as 16% pollution by single stars. 3,138 RV variables are classified through cross-identifications with published results in literatures. By using the 3,138 sources common to both LAMOST and a collection of published RV variable catalogs we are able to analyze LAMOST's RV variable detection rate. The efficiency of the method adopted in this work relies not only on the sampling frequency of observations but also periods and amplitudes of RV variables. With the progress of LAMOST, Gaia and other surveys, more and more RV variables would will be confirmed and classified. This catalog is valuable for other large-scale surveys, especially for RV variable searches. The catalog will be released according to the LAMOST Data Policy via http://dr4.lamost.org.
White dwarf-main sequence binaries from LAMOST: the DR5 catalogue
本文介绍了LAMOST（LAMOST）数据发布（DR）5的白矮星-主序星（WDMS）双星表。该目录包含876个WDMS二进制，其中757个是对我们以前的LAMOST DR 1样本的补充，357个是以前没有发表过的系统。我们还描述了一个LAMOST专用的调查，旨在获得光谱的光度选择的WDMS二进制斯隆数字巡天（SDSS），预计将包含冷白矮星和/或早期M型矮星同伴。这是一个在以前的SDSS WDMS二进制目录中代表不足的群体。我们测定了LAMOST DR 5 WDMS双星的恒星参数（白矮星有效温度、表面重力和质量以及M矮星光谱类型），并利用这些参数分布分析了样品的性质。我们发现，尽管我们的努力，系统包含冷白矮星仍然代表不足。此外，我们还利用LAMOST DR 5和SDSS DR 14（如果有的话）光谱测量了我们系统的Na I λλ 8183.27，8194.81吸收双重态和/或Hα发射径向速度。这允许识别128个显示显著径向速度变化的双星，其中76个是新的。最后，我们交叉匹配我们的目录与卡特琳娜调查，并确定57个系统显示光变曲线的变化。其中包括16个日食系统，其中两个是新的，和九个新的日食候选者。我们计算了30（15）个WDMS双星的轨道周期。
Emission line star catalogues post-Gaia DR3: A validation of Gaia DR3 data using LAMOST OBA emission catalogue
盖亚DR 3和进一步的释放有可能识别和分类银河系中的新发射线恒星。利用LAMOST OBA发射星表中的发射线恒星参数，对Gaia DR 3的天体物理参数进行了全面的验证。我们比较不同的天体物理参数提供的盖亚DR 3与LAMOST光谱估计。通过使用更大的发射线恒星样本，我们执行全局多项式和分段线性拟合来更新经验关系，以将Gaia DR 3伪等效宽度转换为观测到的等效宽度，然后从分析中去除弱发射体。我们发现DR 3给出的发射线源分类与LAMOST OBA发射目录的分类是一致的。与gspphot和gspspec相比，Gaia DR 3的esphs模块估计的天体物理参数提供了更好的估计。提供了二次多项式关系以及用于等效宽度转换的分段线性拟合参数。我们注意到，具有弱Hα发射的LAMOST星在BP/RP谱中没有被识别为处于发射状态。这表明盖亚DR 3识别的发射线源是不完整的。此外，盖亚DR 3提供了关于发射线恒星样本的二元和可变性质的宝贵信息。
A Large Sample of Am Candidates from LAMOST Data Release 1
我们提出了一个样本的金属线星（Am）的候选人从大天区多目标光纤光谱望远镜数据发布1（LAMOST DR 1）。根据Am星钙元素丰度不足而铁元素丰度过高的特点，提出了一种由低分辨光谱中Ca Ⅱ K线和铁线的线指数导出的经验分离曲线。3537 Am候选星是从30，000多颗恒星中选出的，这些恒星通过LAMOST管道和目视检查被分类为A型或早期F星。然后，我们对这个样本进行了一些分析，最后提供了一个列表，这些Am候选人与10个相关参数。与其它星表相比，从LAMOST DR 1中选出的Am候选星总体上要暗淡得多。显然，我们的列表是对已知明亮Am星表的重要补充，它为研究这类化学奇特的恒星提供了宝贵的材料。
Value-added catalogs of M type stars in LAMOST DR5
在这项工作中，我们提出了新的目录M巨星和M矮星从LAMOST DR 5。总共有39，796颗M巨星和501，152颗M矮星从分类管道中识别出来。模板拟合结果包括M巨星和M矮星，M巨星有7个温度亚型（从M0到M6），M矮星有18个温度亚型（从K7.0到M8.5），M矮星有12个金属丰度亚型（从dMr到usdMp）。我们交叉匹配我们的M型目录与2 MASS和WISE目录，以获得红外星等和颜色。采用由\gaia{} DR 2中的视差导出的距离，M_G vs.（G_bp-G_rp）_0图表明，在我们的M型星样本中还包括早型星和白矮星-M矮星双星，M巨星的污染率约为4.6%，M矮星的污染率约为0.48%.我们发现，CaH光谱指数是一个有效的选择标准的碳星。从M巨星样品中总共鉴定出289颗碳星，并通过LAMOST光谱得到进一步证实。
A Catalog of 45,206 Hα Emission-line Stars from LAMOST MRS DR7
Yunnan Observatories, CAS（中国科学院云南天文台）；University of Chinese Academy of Sciences（中国科学院大学）；Hunan Engineering University（湖南工程学院）；National Astronomical Observatories, Chinese Academy of Sciences（中国科学院国家天文台）；Hebei University（河北大学）
Identification of White Dwarf from Gaia EDR3 via Spectra from LAMOST DR7
我们交叉匹配130万白矮星（WD）的候选人从盖亚EDR 3与光谱数据从LAMOST DR 7在3角秒。应用我们之前工作中描述的机器学习，我们在目视检查后通过光谱识别了6，190个WD对象，其中1，496个目标是首次确认的。采用32个详细类别，包括但不限于DAB和DB+M。我们估计大气参数的DA和DB型WD使用Levenberg-Marquardt最小二乘算法（LM）。最后，在线提供了LAMOST的WD光谱目录。
Double-, triple-line spectroscopic candidates in the LAMOST Medium-Resolution Spectroscopic Survey
LAMOST中分辨率光谱测量（LAMOST-MRS）为探测多线光谱系统提供了前所未有的机会。基于互关联函数（CCF）和逐次求导的方法，我们从LAMOST-MRS光谱中寻找光谱双星和光谱三重星，并计算它们的径向速度。采用蒙特卡罗模拟估计RV不确定度。在检查了超过130万LAMOST DR 7 MRS蓝臂光谱后，我们获得了3，133个光谱双星（SB）和132个光谱三重（ST）候选星，占LAMOST-MRS星的1.2%。超过95%的候选人是新发现的。发现所有的ST候选者都在主序上，而大约10%的SB候选者可能在红巨星分支上有一个或两个分量。
Effective temperatures estimation of low-mass stars and identification of T Tauri stars in LAMOST DR10 using machine learning
Universidad de los Andes（安第斯大学）；Instituto de Astronomía, Universidad Nacional Autónoma de México（墨西哥国立自治大学天文研究所）；Facultad de Ingeniería, Universidad de los Andes（安第斯大学工程学院）
The M-giant star candidates identified in the LAMOST data release 1
我们用TiO_5和CaH_2 + CaH_3的光谱指数图来区分M巨星和M矮星。利用从LAMOST DR 1上获得的高信噪比的M巨星光谱，我们成功地组装了一组M巨星模板，这些模板显示了更可靠的光谱特征。结合Zhong et al.（2015）的M矮星/亚矮星模板，我们提出了一个扩展的M型模板库，其中不仅包括具有明确定义的温度和金属丰度网格的M矮星，还包括M0至M6亚型的M巨星。然后，利用模板拟合算法对LAMOST DR 1中的M颗巨星进行了自动识别和分类。用2 MASS JHK和WISE W1/W2红外光度计对M巨星表的结果进行了交叉匹配。此外，我们还在零速静止坐标系下，利用模板谱的互相关方法计算了所有M巨星的日心视向速度。利用绝对红外星等MJ和我们分类的光谱亚型之间的关系，我们导出了M巨星的光谱距离，其不确定度约为40%。提供了8639颗M巨星的目录。作为额外的搜索结果，我们还提供了101690 M矮星/次矮星目录，这些目录是由我们的分类管道分类的。
The selection function of the LAMOST Spectroscopic Survey of the Galactic Anticentre
我们提出了一个详细的分析选择功能的LAMOST光谱调查的银河系反中心（LSS-GAC）。LSS-GAC的设计是为了获得银河系反中心300多万颗恒星样本的低分辨率光谱。LSS-GAC第二次发布的增值目录（LSS-GAC DR 2）包含恒星参数，包括径向速度，大气参数，元素丰度和绝对星等，这些参数是从LSS-GAC在2011年至2014年期间瞄准的140万颗独特恒星的180万个光谱中推导出来的。对于使用该数据库的许多研究，例如调查银河系化学动力学结构的研究，详细了解调查的选择功能是必不可少的。在本文中，我们描述了如何选择功能的LSS-GAC可以评估到足够的细节，并提供选择功能的所有光谱测量与可靠的参数在LSS-GAC DR 2中发布的校正。这些结果将作为LSS-GAC增值目录中的新条目发布，可用于校正目录的选择效果，用于各种目的的科学研究。
