Context. Photospheric bright points (BPs), as the smallest magnetic element of the photosphere and the footpoint tracer of the magnetic flux tube, are of great significance to the study of BPs. Compared with the study of the characteristics and evolution of a few specific BPs, the study of BPs groups can provide us with a better understanding of the characteristics and overall activities of BPs groups. Aims. We aim to find out the evolution characteristics of the brightness and number of BPs groups at different brightness levels, and how these characteristics differ between quiet and active regions. Methods. We propose a hybrid BPs detection model (HBD Model) combining traditional technology and neural network. The Model is used to detect and calculate the BPs brightness characteristics of each frame of continuous high resolution image sequences of active and quiet regions in TiO-band of a pair of BBSO. Using machine learning clustering method, the PBs of each frame was divided into four levels groups (level1-level4) according to the brightness from low to high. Finally, Fourier transform and inverse Fourier transform are used to analyze the evolution of BPs brightness and quantity in these four levels groups. Results. The activities of BPs groups are not random and disorderly. In different levels of brightness, their quantity and brightness evolution show complex changes. Among the four levels of brightness, BPs in the active region were more active and intense than those in the quiet region. However, the quantity and brightness evolution of BPs groups in the quiet region showed the characteristics of large periodic changes and small periodic changes in the medium and high brightness levels (level3 and level4). The brightness evolution of PBs group in the quiet region has obvious periodic changes, but the active region is in a completely random and violent fluctuation state.
翻译：光层亮点( BBPs), 因为它是光谱层和磁通管足点追踪器中最小的磁质元素, 对 BPs 的研究意义重大。 与对几个特定的 BPs 特性和进化的研究相比, BPs 组的研究可以使我们更好地了解 BPs 组群的特性和总体活动。 目标 。 我们的目标是找出不同亮度水平的 BPs 组的亮度和数目的演变特性, 以及这些特性在静态和活跃区域之间有何不同。 方法 。 我们提议了一个混合 BPs 探测模型( HBD 模型), 将传统技术和神经网络结合起来。 模型用来检测和计算 BPs 组的特性和进化过程。 在 TiO- 平面的一对 BBBSO 组群群中, 的亮度和静态 水平的进化水平 。 在B2Ps 区域, 的 亮度和 亮度 的进化水平 水平 和 方向 的Bs 区域 的进化和 度 度 度 的进化 的进化 度 度 度 度 和 方向 的 度 水平 水平 水平 和 的 的 水平 水平 水平 水平 的 的 的 的 的 的 水平 的 的 的 和 的 的 的 水平 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 和 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 和 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 和 的 的 的 的 的 的 的 的 的 的 的 的 和 的 的 的 和 的 的 的 的 的 的 和 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 和 的</s>
相关内容
微信扫码咨询专知VIP会员