我国大科学工程项目LAMOST巡天计划每观测夜能获取多达数万条天体光谱数据, 天文学家通过对天体光谱的分析观察可以获取有效的天文信息用于天文学或天体物理学的研究。 而针对海量数据, 寻找自动方法分析天体光谱并进行天体各种物理参数的测量就具有重要研究意义和价值。 这一课题也吸引了许多学者进行研究, 但目前所尝试的算法和相应结果仍然需要进一步改进, 针对这一需求深入研究了核岭回归(KRR)方法在恒星大气物理参数(包括有效温度、 表面重力和金属丰度)自动测量方面的应用, 特别是在我国大科学工程项目LAMOST所释放光谱数据上的应用。 核岭回归是岭回归算法的进一步发展, 而岭回归是最小二乘方法的一种变形, 其具有解决高维多重共线性问题的能力。 所以KRR方法适合于处理高维的天体光谱信息, 从LAMOST的第五期释放数据中随机选择了2万条被识别为恒星的光谱数据用于实验测试, 该数据既包含低信噪比数据, 也包含高信噪比数据(g, r, i波段平均信噪比最低至6.7, 最高到793)。 首先, 本文对光谱进行预处理, 包括三个步骤: (1)利用小波变换对光谱数据进行去噪处理; (2)因为LAMOST采用的是后期修正的流量定标设计, 所以还通过流量归一化来避免部分光谱流量值不准确的问题; (3)由于每条光谱维数高达数千维, 利用主成分分析方法(PCA)对光谱进行了降维。 然后, 利用KRR方法建立了光谱数据和标准化后的三大参数值之间的回归模型。 最后, 通过设计进行不同的组合实验对KRR算法模型进行了测试分析, 并与经典算法支持向量回归(SVR)进行了对比。 综合所有实验结果显示KRR方法对应的有效温度、 表面重力和金属丰度的测试平均绝对误差分别为82.989 7 K, 0.185 8 dex和0.121 1 dex, 优于SVR的144.230 8 K, 0.188 6 dex和0.124 6 dex。 特别是KRR在温度测试结果上有较大优势, 由此表明KRR方法能够有效地应用于天体光谱特别是恒星光谱参数的自动测量处理中。

快速辐射传输模式利用光学厚度预报因子与卫星通道光谱特征系数可实现通道透过率的快速计算, 并达到与逐线积分模式相当的正演精度.针对FY-4 AGRI的6个红外通道, 分别建立了基于RTTOVv7、v8、v9和CRTMv21(以下简称四种模式)光学厚度预报因子的快速正演算子, 与逐线积分模式的结果对比, 分析了四种快速正演算子中均匀混合气体、水汽线吸收和水汽连续吸收预报因子对正演误差的影响.分析表明, 四种快速正演模式计算通道亮温与逐线模式结果相比, 在温度探测通道的最大标准差要小于0.6K.v9模式在水汽和温度通道的正演误差远小于其他三个模式; 四个模式在窗区通道的误差基本相当. v9模式预报因子中, 引入实时大气与参考大气的整层离差减小了均匀混合气体光学厚度的正演误差.

无人机在进行情报侦察时, 容易受到不良天候条件的影响, 使得侦察图像模糊不清, 对比度下降, 但是现有较多算法解决此类问题的实时性较差, 所以本文提出了基于暗通道原理的无人机侦察图像快速去雾算法。首先对图像进行降采样, 根据大气物理模型和暗通道原理, 利用最小值滤波和均值滤波分析出透射率和大气光强的求解方法并进行优化, 最后求解出去雾图像。通过实验验证, 本文算法简单有效, 实时性极高, 可以用于工程实现。而且算法对图像的亮度也有一定的调整功能, 具有较强的鲁棒性。