SEPARACIÓN DE COMPONENTES EN LA LUZ DE CIELO NOCTURNO. CONTINUO ATMOSFÉRICO

Bibcode
LINK
PEDRO ALVAREZ MARTIN
Director de tesis
Francisco
Sánchez Mártinez
Fecha de publicación:
1
1981
Descripción

SE DISEÑA Y CONSTRUYE UN ESPECTROFOTOMETRO DE BAJA
RESOLUCION EN EL VISIBLE. UN ESTUDIO OBSERVACIONAL DE LA
LUZ DEL CIELO NOCTURNO  PERMITE DETERMINAR LA EXISTENCIA
DE UN UNICO MECANISMO DE PRODUCCION DEL CONTINUO
ATMOSFERICO  ENTRE 4200 A Y 7000 A. OTRO MECANISMO
DIFERENTE ES DOMINANTE HACIE EL INFRARROJO. ESTO PERMITE
MEJORAR LOS METODOS DE SEPARACION DE LAS COMPONENTES DE
LA LUZ DEL CIELO NOCTURNO. SE DETERMINA EL ESPECTRO DEL
CONTINUO ATMOSFERICO.

Tipo
Tesis

Te puede interesar

  • Tesis
    IMPROVEMENT OF FARSIDE ACTIVITY DETECTION WITH MACHINE LEARNING TECHNIQUES AND APPLICATIONS
    Hasta ahora, la única formar de monitorizar de manera consistente el hemisferio del Sol no visible (farside de aquí en adelante) desde la Tierra es el uso de métodos heliosísmicos. Estos métodos interpretan las oscilaciones del hemisferio visible (nearside de aquí en adelante) para inferir la actividad del farside, que es de gran importancia en las
    Elena García Broock

    Fecha de publicación:

    2
    2024
    Bibcode
    Thesis
  • Tesis
    GALAXY FORMATION WITH GPU-ACCELERATED COMPUTING
    Esta tesis doctoral está dedicada al estudio de la formación y evolución de galaxias en un contexto cosmológico, aprovechando la potencia de la computación de alto rendimiento con un énfasis particular en la computación acelerada por tarjetas gráficas (GPU). Para avanzar en el campo, la tesis se enfoca en ampliar las capacidades del código público
    Isaac Alonso Asensio

    Fecha de publicación:

    11
    2023
    Bibcode
    Tesis
  • Tesis
    UNCOVERING THE PHYSICS OF GALAXIES WITH SELF-SUPERVISED DEEP LEARNING
    As surveys grow, the challenge is how to explore and interpret the increasing quantity of data. For this, removing the observational biases and reducing the dimensionality of the data are fundamental. A promising avenue to do this is a self-supervised deep learning algorithm called contrastive learning. Contrastive learning is especially effective
    Regina Sarmiento

    Fecha de publicación:

    12
    2023
    Bibcode
    Tesis