基于遥感的新疆蝗虫灾害渐进式修正预测方法

蝗灾是新疆的主要生物灾害之一,对新疆农牧业生产造成严重威胁。该文利用遥感技术在新疆范围内对蝗灾风险进行预测,以期为治蝗部门及早采取生物、化学治蝗措施提供参考。该文基于蝗虫种群发育的产卵、孵化与生长3个重要阶段,利用MODIS数据定量反演影响蝗虫种群发育的关键生境因子,进而提出一种基于卫星遥感的渐进式草原蝗灾风险评估模型,并以2010年与2014年为实例,对新疆地区草原蝗灾风险进行了预测与评估:野外实测得到的蝗灾严重程度分级和模型预测的风险等级完全一致的样本点占74.4%,误差在一个等级以内的样本点占94.9%。结果表明,该文所提出的渐进式蝗灾风险预测模型能较好地反映温度、植被、土壤、水分等关键生态因子对蝗虫种群发育的影响,避免了一次性预测的不准确,预测结果与历史灾情数据和地面实测数据一致性较好。该模型可用于新疆治蝗部门对蝗灾的早期预警,以增强防灾减灾的能力。

基于预测误差差值扩展和最低有效位替换的可逆数据隐藏

将差值扩展技术应用于彩色图像,提出一种基于预测误差差值扩展和最低有效位(LSB)替换的彩色图像可逆数据隐藏算法。针对传统差值扩展技术存在过分修改像素灰度值、定位图偏大等缺点,首先利用色彩分量间的相关性减小差值,并将差值扩展量分散到两个色彩分量中;其次,改变差值扩展公式以减少不可扩展差值的数量,提高定位图的压缩率,从而增加嵌入容量;最后,运用LSB替换法嵌入数据,将差值扩展与数据嵌入过程分离,嵌入端和提取端均只需进行一次差值扩展,嵌入和提取效率得以提高。提取端在提取信息时可根据需要无损地恢复原始图像。实验结果表明,该算法在提高嵌入容量和图像质量的同时降低了算法复杂度。

季节变动序列的一种简捷预测法

本文首先给出了季节变动序列渐进预测模型的一种构造与证明方法，进而给出了一种季节变动序列的简捷预测法。

季节变动时间序列的两种新预测模型

对于季节变动时间序列提出了一种新的乘法分解模型,它可表示成年度变动因子、季节变动因子、总平均值和随机变动因子的乘积.然后在此基础上给出渐进预测模型和乘法预测模型,最后进行了实例分析.