国产AV88|国产乱妇无码在线观看|国产影院精品在线观看十分钟福利|免费看橹橹网站

《衡水學(xué)院學(xué)報(bào)》2023年第4期

發(fā)布時(shí)間:2023-8-20 | 雜志分類:其他
免費(fèi)制作
更多內(nèi)容

《衡水學(xué)院學(xué)報(bào)》2023年第4期

2023 年 第 4 期 衡水學(xué)院學(xué)報(bào) 彩插 1新形式 新角度 新語(yǔ)態(tài)——衡水日?qǐng)?bào)社積極推動(dòng)黨的二十大精神深入人心李 紅 麗(衡水日?qǐng)?bào)社,河北 衡水 053000)黨的二十大舉旗定向、擘畫藍(lán)圖,為做好新時(shí)代新征程上的宣傳思想工作提供了根本遵循和行動(dòng)指南。衡水日?qǐng)?bào)社圍繞重大主題宣傳,突出政治性、思想性、創(chuàng)新性,在欄目設(shè)置、敘事視角、融合傳播等方面,拓展生產(chǎn)模式,創(chuàng)新宣傳路徑,全方位、多角度、深層次呈現(xiàn)黨的二十大精神主旨,切實(shí)履行黨媒傳播正能量、弘揚(yáng)主旋律的職責(zé)使命。一、突出政治性:圍繞中心服務(wù)大局(一)增強(qiáng)重要報(bào)道時(shí)度效成立以黨委班子牽頭抓總的報(bào)道領(lǐng)導(dǎo)小組,架構(gòu)起黨的二十大宣傳策劃實(shí)施班底;定期召開策劃會(huì)、研討會(huì)、業(yè)務(wù)交流會(huì),增加重點(diǎn)領(lǐng)域、重要報(bào)道的時(shí)度效,使黨的二十大宣傳策劃精準(zhǔn)、有的放矢;積極宣傳中央決策部署和省委中心工作,轉(zhuǎn)載、刊發(fā)重要會(huì)議、政務(wù)活動(dòng)及重磅言論等,如《二十大代表風(fēng)采》、《河北日?qǐng)?bào)》冀言文章,以及省委宣講團(tuán)、市委宣講團(tuán)宣講黨的二十大精神等相關(guān)報(bào)道。同時(shí),多角度、全方位及時(shí)反映各行業(yè)、各領(lǐng)域?qū)W習(xí)宣傳貫徹黨的二十大精神的最新進(jìn)展情況。策劃報(bào)道各類宣講活動(dòng)、主題演講比賽、文... [收起]
[展開]
《衡水學(xué)院學(xué)報(bào)》2023年第4期
粉絲: {{bookData.followerCount}}
文本內(nèi)容
第4頁(yè)

2023 年 第 4 期 衡水學(xué)院學(xué)報(bào) 彩插 1

新形式 新角度 新語(yǔ)態(tài)

——衡水日?qǐng)?bào)社積極推動(dòng)黨的二十大精神深入人心

李 紅 麗

(衡水日?qǐng)?bào)社,河北 衡水 053000)

黨的二十大舉旗定向、擘畫藍(lán)圖,為做好新時(shí)代新征程上的宣傳思想工作提供了根本遵循和行動(dòng)指

南。衡水日?qǐng)?bào)社圍繞重大主題宣傳,突出政治性、思想性、創(chuàng)新性,在欄目設(shè)置、敘事視角、融合傳播

等方面,拓展生產(chǎn)模式,創(chuàng)新宣傳路徑,全方位、多角度、深層次呈現(xiàn)黨的二十大精神主旨,切實(shí)履行

黨媒傳播正能量、弘揚(yáng)主旋律的職責(zé)使命。

一、突出政治性:圍繞中心服務(wù)大局

(一)增強(qiáng)重要報(bào)道時(shí)度效

成立以黨委班子牽頭抓總的報(bào)道領(lǐng)導(dǎo)小組,架構(gòu)起黨的二十大宣傳策劃實(shí)施班底;定期召開策劃會(huì)、研

討會(huì)、業(yè)務(wù)交流會(huì),增加重點(diǎn)領(lǐng)域、重要報(bào)道的時(shí)度效,使黨的二十大宣傳策劃精準(zhǔn)、有的放矢;積極宣傳

中央決策部署和省委中心工作,轉(zhuǎn)載、刊發(fā)重要會(huì)議、政務(wù)活動(dòng)及重磅言論等,如《二十大代表風(fēng)采》、

《河北日?qǐng)?bào)》冀言文章,以及省委宣講團(tuán)、市委宣講團(tuán)宣講黨的二十大精神等相關(guān)報(bào)道。同時(shí),多角度、全

方位及時(shí)反映各行業(yè)、各領(lǐng)域?qū)W習(xí)宣傳貫徹黨的二十大精神的最新進(jìn)展情況。策劃報(bào)道各類宣講活動(dòng)、主題

演講比賽、文藝宣傳演出等,以不同形式、不同載體推動(dòng)黨的二十大精神走深走實(shí)、落地生效。

(二)重大主題欄目化運(yùn)作

開辟《非凡十年》《全面深入學(xué)習(xí)宣傳貫徹黨的二十大精神》《奮進(jìn)新征程建功新時(shí)代》《擼起袖

子加油干風(fēng)雨無(wú)阻向前行》等專欄,通過新聞綜述或動(dòng)態(tài)報(bào)道,反映本市在經(jīng)濟(jì)、教育、科技、法治、

生態(tài)等領(lǐng)域的發(fā)展情況和工作亮點(diǎn)。以組合式報(bào)道或配發(fā)短評(píng)、署名評(píng)論、系列評(píng)論的形式,綜合運(yùn)用

加按語(yǔ)、開欄話、記者手記、核心提示等方法,突出報(bào)道主題,打造輿論強(qiáng)勢(shì)。同時(shí),設(shè)置《成就宣

傳》《創(chuàng)城進(jìn)行時(shí)》《爭(zhēng)先進(jìn)位闖新路》等子欄目,細(xì)分報(bào)道角度,突出宣傳重點(diǎn),營(yíng)造學(xué)習(xí)宣傳貫徹

黨的二十大精神的濃厚氛圍。

二、突出思想性:傳遞“好聲音”架起“連心橋”

(一)“硬新聞”做好“軟著陸”

黨的二十大報(bào)告提出:“講好中國(guó)故事、傳播好中國(guó)聲音,展現(xiàn)可信、可愛、可敬的中國(guó)形象。”

這為宣傳思想工作提出了新要求新任務(wù)。在新聞實(shí)踐中,我們堅(jiān)持“三貼近”原則,以“小切口”反映

大主題,做好時(shí)政類和“三農(nóng)”等重大主題新聞報(bào)道。如通訊《“土得?!庇袡C(jī)肥助力我市綠色農(nóng)業(yè)發(fā)

展》,講述了衡水學(xué)院魏淑珍科研團(tuán)隊(duì)研發(fā)出一種復(fù)合污染土壤修復(fù)劑,并在種植戶小麥田地指導(dǎo)應(yīng)

用,積極推進(jìn)協(xié)同創(chuàng)新成果轉(zhuǎn)化的故事。細(xì)膩的場(chǎng)景描寫、生動(dòng)的人物語(yǔ)言,使讀者既深切感受到科技

第5頁(yè)

2023 年 第 4 期 衡水學(xué)院學(xué)報(bào) 彩插 2

是第一生產(chǎn)力,也真正認(rèn)識(shí)到在服務(wù)、助推和引領(lǐng)地方經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展中,高校發(fā)揮的重要作用。

(二)“第一視角”引發(fā)共情

新聞報(bào)道中,采用“第一視角”敘事有助于打造“目擊感”和“在場(chǎng)感”,增強(qiáng)沉浸式體驗(yàn)。以《走基

層》系列報(bào)道為例,記者進(jìn)園區(qū)、入企業(yè)、走鄉(xiāng)村、訪農(nóng)戶,跟蹤報(bào)道項(xiàng)目進(jìn)展,反映持續(xù)優(yōu)化營(yíng)商環(huán)境成

效,傾聽群眾心聲和生產(chǎn)生活情況,將所見、所思、所感融入新聞產(chǎn)品,與受眾建立穩(wěn)固的情感鏈接。

“第一視角”還表現(xiàn)為以報(bào)道中的人物語(yǔ)言、行為、心理描寫等,強(qiáng)化場(chǎng)景要素,增強(qiáng)作品感染

力。如《〈中西建交五十周年〉紀(jì)念郵票首發(fā)儀式在衡水湖畔舉行》,文中既描寫了集郵愛好者在第一

時(shí)間“搶”到郵票的興奮心情,也通過衡水學(xué)院生命科學(xué)學(xué)院教授武大勇的評(píng)價(jià),充分肯定了“衡水

湖”登上紀(jì)念郵票的意義,反映了我市踐行黨的二十大報(bào)告提出的“推動(dòng)綠色發(fā)展,促進(jìn)人與自然和諧

共生”的生動(dòng)實(shí)踐。

此外,更為直觀的是“面對(duì)面”交流模式,如《衡水市學(xué)習(xí)宣傳貫徹黨的二十大精神 365 百姓故事

會(huì)專場(chǎng)宣講側(cè)記》,通過記錄宣講人與聽眾的現(xiàn)場(chǎng)互動(dòng),激發(fā)強(qiáng)烈的情感共鳴。

三、突出創(chuàng)新性:多角度立體化傳播

(一)打造融合產(chǎn)品

融合產(chǎn)品不僅表現(xiàn)為新聞生產(chǎn)要素的匯集,更體現(xiàn)為策劃思想、分發(fā)渠道的共融互通。我們?cè)诠ぷ?/p>

實(shí)踐中堅(jiān)持“一盤棋”統(tǒng)籌策劃:紙媒濃墨重彩,突出中心服務(wù)大局;新媒體持續(xù)跟進(jìn),多元化精準(zhǔn)傳

遞,形成立體化傳播矩陣。除重大新聞、動(dòng)態(tài)報(bào)道全網(wǎng)推送,各新媒體平臺(tái)還量身打造特色專題。如衡

水日?qǐng)?bào)客戶端開辟《喜迎黨的二十大黨的重要會(huì)議系列微黨課》《喜迎二十大瞰見小幸福》專題,綜合

運(yùn)用圖片、文字、視頻等元素,一方面引導(dǎo)廣大網(wǎng)民從黨的歷史上一系列重要會(huì)議中了解黨的光輝歷

程、汲取奮斗力量,另一方面展現(xiàn)百姓的幸福美好生活和奮發(fā)向上的昂揚(yáng)風(fēng)貌,做到上接“天線”,下

接“地氣”,在創(chuàng)新中實(shí)現(xiàn)內(nèi)容與形式的和諧統(tǒng)一。

(二)延伸傳播觸角

原創(chuàng)媒介理論家麥克盧漢指出,媒介即人的延伸。不僅要充分利用大眾傳播議程設(shè)置的功能,更要

重視人際傳播、群體傳播的作用,引導(dǎo)受眾成為新聞的參與者、傳播者。為推動(dòng)黨的二十大精神走深走

實(shí),在傳播實(shí)踐中,一是廣泛宣傳愛國(guó)主義主題教育、志愿服務(wù)等活動(dòng),突出引領(lǐng)、帶動(dòng)作用。如《光

影鑄魂!衡水學(xué)院聯(lián)手老電影收藏愛好者播放愛國(guó)主義教育影片》《湖城慢直播|湖城盡飄志愿紅》等報(bào)

道。二是堅(jiān)持開門辦報(bào)、群眾辦報(bào),成立通訊員微信工作群,提高黨的二十大宣傳主題稿件約稿質(zhì)效;

三是開展多種形式合作,豐富內(nèi)容生產(chǎn),提高技術(shù)水平。如打造實(shí)踐交流基地,互邀一線新聞編采人員

和專家學(xué)者交流共識(shí),吸納衡水學(xué)院等高校新聞專業(yè)學(xué)生參與新聞實(shí)踐,聯(lián)合推出靈活新穎的短視頻等

融媒作品,提升傳播效果,推動(dòng)黨的二十大精神入腦入心。

作者簡(jiǎn)介:李紅麗,女,衡水日?qǐng)?bào)社編輯,文學(xué)碩士。

責(zé)任編校:曹迎春

第6頁(yè)

2023 年 第 4 期 衡水學(xué)院學(xué)報(bào) 彩插 3

衡水學(xué)院慶祝建黨節(jié)美術(shù)作品選

《毛主席去安源》內(nèi)畫 金一鳴 《守望幸福沐黨情》國(guó)畫 黃振良

《欣欣向榮》速寫 陳靜嫻

《轉(zhuǎn)戰(zhàn)陜北》國(guó)畫 劉仕偉

第7頁(yè)

2023 年 第 4 期 衡水學(xué)院學(xué)報(bào) 彩插 4

《維和英雄》國(guó)畫 李震 《七月》 國(guó)畫 杜向陽(yáng)

《光》剪紙 申獻(xiàn)雙

《數(shù)字化新農(nóng)村建設(shè)——5G 賦能未來(lái)》

電腦數(shù)字插畫 馮亮

第8頁(yè)

校名題字:?jiǎn)?功

學(xué)報(bào)

編輯委員會(huì)

名譽(yù)主任 王守忠

主 任 王永芹

常務(wù)副主任 盧援助

副 主 任 宋根壯 王光遠(yuǎn) 魏彥紅 陳彥芬

委 員 (按姓氏筆畫為序)

王永芹 王光遠(yuǎn) 王守忠 王明江

王鐵生 盧援助 石寶軍 田 光

劉占卿 劉立新 劉寶瀛 劉曉嶺

劉曉輝 齊貴來(lái) 杜希宙 李秀玲

李奎良 楊 松 時(shí)麗冉 宋根壯

張利民 張建光 陳彥芬 龔書娟

韓伏彬 程敬泉 魏彥紅

編輯部主任 馬惠欽

主 編 魏彥紅

常務(wù)副主編

副 主 編

曹迎春

衛(wèi)立冬 李建明 耿春紅

第9頁(yè)

衡水學(xué)院學(xué)報(bào)

HENGSHUI XUEYUAN XUEBAO

第 25 卷 2023 年第 4 期(總第 130 期) 2023 年 8 月 10 日出版 本期執(zhí)行編輯:李建明

目 次

濕地生態(tài)與保護(hù)

衡水湖濕地營(yíng)養(yǎng)化狀況健康評(píng)估及原因分析…………………………………………………… 李秀瑩(1)

衡水湖優(yōu)勢(shì)水生植物水質(zhì)凈化及景觀優(yōu)化研究…………………………… 馮 雪,馮 蕾,李 月(7)

基于濕度分區(qū)的線性擬合臭氧濃度預(yù)測(cè)方法……………………劉建曉,王 悅,孟令輝,魏淑珍(13)

數(shù)學(xué)與計(jì)算機(jī)科學(xué)

變分自編碼器低質(zhì)量數(shù)據(jù)生成原因剖析………………張建光,郭雙樂,曹吉朋,左瑞龍,齊長(zhǎng)志(20)

經(jīng)濟(jì)學(xué)與管理學(xué)

數(shù)字經(jīng)濟(jì)產(chǎn)出效率研究

——基于 30 個(gè)省份對(duì)比分析……………………………………………………趙燕娜,張家?。?5)

電子商務(wù)時(shí)代跨境電商市場(chǎng)營(yíng)銷研究…………………………………………………………何佳蓉(32)

財(cái)稅扶持政策能否提升大學(xué)生創(chuàng)業(yè)企業(yè)績(jī)效

——基于創(chuàng)業(yè)資源的中介效應(yīng)………………………………………………… 王艷紅,楊月君(37)

金融支持對(duì)河北省綠色發(fā)展的空間效應(yīng)研究

——基于綠色全要素生產(chǎn)率視角……………………………………………… 韓佳利,李軍峰(44)

推動(dòng)京津冀協(xié)同發(fā)展向更高水平邁進(jìn)

——京津冀協(xié)同發(fā)展九周年座談會(huì)觀點(diǎn)綜述……………………… 田學(xué)斌,劉 蕊,武 星(53)

PDCA 理論視域下的醫(yī)院文書檔案管理研究………………………………………秦 鵬,卞 靜(58)

課程思政與思政課程

董仲舒仁智并進(jìn)理路對(duì)現(xiàn)代政德教育的啟示…………………………………………………姜淑紅(63)

新文科建設(shè)背景下課程思政教學(xué)體系構(gòu)建…………………… 丁 玎,楊義風(fēng),孟 勐,李少云(68)

數(shù)學(xué)專業(yè)師范生實(shí)訓(xùn)課“課程思政”探索

——以中學(xué)數(shù)學(xué)教學(xué)技能訓(xùn)練課程為例………陳 萍,崔紅芳,安 達(dá),馮俊麗,周林錦(74)

第10頁(yè)

把握學(xué)校定位 跟蹤學(xué)術(shù)前沿 促進(jìn)學(xué)術(shù)交流

培養(yǎng)學(xué)術(shù)新人 服務(wù)地方社會(huì) 弘揚(yáng)地域文化

期刊基本參數(shù):CN13-1367/Z﹡1998﹡b﹡A4﹡128﹡zh﹡P﹡¥10.00﹡1 000﹡22﹡2023-08

基于傳統(tǒng)文化的高職院校美育研究…………………………………………武艷茹,郝素嶺,魏巧榮(78)

教育學(xué)與心理學(xué)

虛擬現(xiàn)實(shí)技術(shù)在教學(xué)領(lǐng)域的應(yīng)用現(xiàn)狀與前景分析………………………………………………楊 輝(82)

高校一流本科教育建設(shè)中的學(xué)生問題及解決舉措…………………………李慧敏,丁 靜,李 磊(87)

高校受助學(xué)生需要與助學(xué)滿意度研究

——基于南京 5 所高校 1110 名學(xué)生調(diào)查數(shù)據(jù)的分析………………楊孝旭,魏有興,盧 潔(93)

職業(yè)院校技能大賽視域下的學(xué)前教育師資培養(yǎng)

——以學(xué)前教育專業(yè)教育技能賽項(xiàng)為例…………………………………………………陳雅芳(101)

師生共同制定論文評(píng)分量規(guī)的實(shí)踐與效果

——教育學(xué)院的案例………………………………………………………………………張文霄(106)

一流課程視角下應(yīng)用電化學(xué)課程混合式教學(xué)探索……………張 優(yōu),戴玉華,馮文然,陳 飛(111)

運(yùn)動(dòng)處方教學(xué)模式在大學(xué)體育教學(xué)中的應(yīng)用研究……………隋朝飛,井文華,張廣建,楊 星(115)

從治家到保教

——津沽大學(xué)家政學(xué)科建設(shè)的實(shí)踐邏輯與現(xiàn)實(shí)觀照……………………… 張珍珍,吳洪成(120)

我校與萊茵科斯特公司簽署戰(zhàn)略合作協(xié)議………………………………………………………(封二)

新形式 新角度 新語(yǔ)態(tài)

——衡水日?qǐng)?bào)社積極推動(dòng)黨的二十大精神深入人心……………………………… 李紅麗(彩插 1)

衡水學(xué)院慶祝建黨節(jié)美術(shù)作品選……………………………………………………………………(彩插 3)

我校成功舉辦“國(guó)際中文教育研討會(huì)”……………………………………………………………(封三)

第11頁(yè)

JOURNAL OF HENGSHUI UNIVERSITY

BIMONTHLY Vol.25 No.4 (SUM No.130) Aug.10, 2023

MAIN CONTENTS

Health Assessment and Cause Analysis of Nutritional Status of Hengshui Lake Wetland…………LI Xiuying (1)

Water Purification and Landscape Optimization of Dominant Aquatic Plants in Hengshui Lake

……………………………………………………………………………FENG Xue, FENG Lei, LI Yue (7)

An Ozone Concentration Prediction Method Based on Humidity Partition Linear Fitting

………………………………………………LIU Jianxiao, WANG Yue, MENG Linghui, WEI Shuzhen (13)

Reasons for the Low Quality Data Generation of the Variation Auto-encoder

………………………ZHANG Jianguang, GUO Shuangle, CAO Jipeng, ZUO Ruilong, QI Changzhi (20)

A Comparative Analysis of Production Efficiency of Digital Economy in 30 Provinces

…………………………………………………………………………ZHAO Yanna, ZHANG Jiajun (25)

Cross-border E-commerce Marketing in the E-commerce Era………………………………………HE Jiarong (32)

Can Fiscal and Taxation Support Policies Improve the Performance of College Students’ Entrepreneurial Enterprises:

Based on the Intermediary Effect of Entrepreneurial Resources…………………WANG Yanhong, YANG Yuejun (37)

From Household Management to Child Care and Education: The Practical Logic and Realistic Reflection on

Spatial Effect of Financial Support on Green Development in Hebei Province: A Perspective of Green Total

Factor Productivity……………………………………………………………………HAN Jiali, LI Junfeng (44)

Dong Zhongshu’s Philosophy of “Benevolence”and “Wisdom”and Its Enlightenment to Modern Political and Moral

Education……………………………………………………………………………………JIANG Shuhong (63)

Construction of the Teaching System of Ideological and Political Education Integrated Throughout Curriculum

Under the Background of New Liberal Arts Construction

…………………………………………………DING Ding, YANG Yifeng, MENG Meng, LI Shaoyun (68)

Aesthetic Education in Higher Vocational Colleges: A Perspective of Traditional Culture

…………………………………………………………………WU Yanru, HAO Suling, WEI Qiaorong (78)

Application Status and Prospect Analysis of Virtual Reality Technology in Teaching Field…………YANG Hui (82)

Influence of Linkage Effect Between External Environment and Individual Cognition on Formation of Research

on the Needs of the Aided College Students and Their Satisfaction with the Aid for Learning Based on the Survey

Data of 1,110 Students from 5 Universities in Nanjing ………………YANG Xiaoxu, WEI Youxing, LU Jie (93)

Preschool Teacher Training from the Perspective of Skills Contest in Vocational Colleges: Taking the Teaching

Skills Contest of Preschool Education as an Example………………………………………CHEN Yafang (101)

the Construction of Household Management Discipline in Jingu University

…………………………………………………………………ZHANG Zhenzhen, WU Hongcheng (120)

第12頁(yè)

第 25 卷 第 4 期 衡水學(xué)院學(xué)報(bào) Vol. 25, No.4

2023 年 8 月 Journal of Hengshui University Aug. 2023

衡水湖濕地營(yíng)養(yǎng)化狀況健康評(píng)估及原因分析

李 秀 瑩

(河北省衡水水文勘測(cè)研究中心,河北 衡水 053000)

摘 要:衡水湖是典型的平原淺水型湖泊,一直受營(yíng)養(yǎng)化問題困擾,特選取衡水湖近岸區(qū)、開闊區(qū)、蘆葦

區(qū)、蒲草區(qū)等不同區(qū)域水質(zhì)資料分析其營(yíng)養(yǎng)化狀態(tài),運(yùn)用河湖健康評(píng)估分級(jí)標(biāo)準(zhǔn)賦予其健康狀況描述,找

出主要影響因素,有針對(duì)性地提出治理建議。衡水湖營(yíng)養(yǎng)狀態(tài)健康評(píng)估顯示:東湖大湖為亞健康,主要影

響因素為透明度、總氮;小湖為不健康,主要影響因素為透明度、總氮及高錳酸鹽指數(shù)。自 2016 年起,

在總體營(yíng)養(yǎng)狀態(tài)趨于好轉(zhuǎn)的情形下,透明度的影響逐年增加,甚至在 2021 年超過了總氮,成為了主要影

響因素。除受湖體自身影響之外,外來(lái)引水水質(zhì)同樣影響較大。

關(guān)鍵詞:衡水湖;營(yíng)養(yǎng)化;健康評(píng)估;生態(tài)保護(hù);濕地

DOI:10.3969/j.issn.1673-2065.2023.04.001

作者簡(jiǎn)介:李秀瑩,女,河北吳橋人,正高級(jí)工程師。

中圖分類號(hào):X82 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1673-2065(2023)04-0001-06

收稿日期:2022-12-01

衡水湖濕地是國(guó)家級(jí)自然保護(hù)區(qū),是僅次于白洋淀的華北平原第二大淡水湖,座落在衡水市桃城區(qū)、

冀州區(qū)、棗強(qiáng)縣之間的三角地帶,是具有沼澤、水域、灘涂、草甸和森林等完整濕地生態(tài)系統(tǒng)的自然保護(hù)

區(qū),以內(nèi)陸淡水濕地生態(tài)系統(tǒng)和國(guó)家 I、II 級(jí)保護(hù)鳥類為主要保護(hù)對(duì)象[1]。衡水湖總水面面積 75 km2,蓄水

位 21.0 m,中湖大道將衡水湖分為東西兩湖,其中東湖面積 42.5 km2,一人工分割堤又將東湖分為大小兩

湖,其中大湖 32.4 km2,小湖 10.1 km2;西湖面積 32.5 km2[2],目前主要為東湖蓄水,西湖僅少部分坑塘蓄

水,大部分未蓄水。營(yíng)養(yǎng)化分析是湖泊水環(huán)境評(píng)價(jià)的重要環(huán)節(jié),富營(yíng)養(yǎng)化也一直是困擾衡水湖的主要問題。

1 評(píng)價(jià)方法

營(yíng)養(yǎng)狀態(tài)評(píng)價(jià)采用指數(shù)法[3],評(píng)價(jià)項(xiàng)目為總磷、總氮、葉綠素 a、高錳酸鹽指數(shù)和透明度,對(duì)照湖泊

營(yíng)養(yǎng)狀態(tài)評(píng)價(jià)標(biāo)準(zhǔn)及分級(jí)方法(表 1),采用線性插值法將水質(zhì)項(xiàng)目濃度值轉(zhuǎn)換為賦分值,計(jì)算營(yíng)養(yǎng)狀態(tài)

指數(shù) EI,?? = ∑ ??/?

?

?=1 ,式中:EI 為營(yíng)養(yǎng)狀態(tài)指數(shù),En 為評(píng)價(jià)項(xiàng)目賦分值,N 為評(píng)價(jià)項(xiàng)目個(gè)數(shù)。

表 1 湖泊(水庫(kù))營(yíng)養(yǎng)狀態(tài)評(píng)價(jià)標(biāo)準(zhǔn)及分級(jí)方法

營(yíng)養(yǎng)狀態(tài)分級(jí) 評(píng)價(jià)項(xiàng)目賦分值 En

總磷/

(mg/L)

總氮/

(mg/L)

葉綠素 a/

(mg/L)

高錳酸鹽指數(shù)/

(mg/L)

透明度/

m

貧營(yíng)養(yǎng) 0≤EI≤20

10 0.001 0.020 0.0005 0.15 10

20 0.004 0.050 0.0010 0.4 5.0

中營(yíng)養(yǎng) 20<EI≤50

30 0.010 0.10 0.0020 1.0 3.0

40 0.025 0.30 0.0040 2.0 1.5

50 0.050 0.50 0.0100 4.0 1.0

營(yíng)

養(yǎng)

輕度富營(yíng)養(yǎng)

50<EI≤60

60 0.10 1.0 0.026 8.0 0.5

中度富營(yíng)養(yǎng)

60<EI≤80

70 0.20 2.0 0.064 10 0.4

80 0.60 6.0 0.16 25 0.3

重度富營(yíng)養(yǎng)

80<EI≤100

90 0.90 9.0 0.40 40 0.2

100 1.3 16.0 1.0 60 0.12

第13頁(yè)

2 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

根據(jù)營(yíng)養(yǎng)狀態(tài)指數(shù)確定營(yíng)養(yǎng)狀態(tài)賦分[4],賦分標(biāo)準(zhǔn)見表 2。

表 2 湖(庫(kù))營(yíng)養(yǎng)狀態(tài)賦分標(biāo)準(zhǔn)

湖(庫(kù))營(yíng)養(yǎng)狀態(tài)指數(shù) ≤10 42 45 50 60 62.5 65 ≥70

湖(庫(kù))營(yíng)養(yǎng)狀態(tài)賦分 100 80 70 60 50 30 10 0

參照河湖健康評(píng)估分級(jí)標(biāo)準(zhǔn),按表 3 劃定健康分級(jí)。

表 3 健康評(píng)估分級(jí)

評(píng)估分級(jí) 非常健康 健康 亞健康 不健康 病態(tài)

賦分范圍 RHS 80≤RHS≤100 60≤RHS<80 40≤RHS<60 20≤RHS<40 0≤RHS<20

最后將各水質(zhì)監(jiān)測(cè)斷面按所代表湖面水面面積統(tǒng)計(jì),評(píng)估衡水湖營(yíng)養(yǎng)狀態(tài)健康狀況。

2 衡水湖營(yíng)養(yǎng)化狀況健康評(píng)估結(jié)果

衡水湖常設(shè)水質(zhì)監(jiān)測(cè)斷面 3 處,均為近岸區(qū)域,分別為東湖大湖大趙閘、南關(guān)閘,小湖魏屯閘,每月

監(jiān)測(cè),特選取 2021 年 1—12 月全年資料。為更準(zhǔn)確掌握衡水湖各區(qū)域水質(zhì)狀況,2021 年 5—11 月分別對(duì)

大湖湖面開闊區(qū)(1、2、3)、蘆葦區(qū)(1、2、3)、蒲草區(qū)(1、2、3)增設(shè) 9 處監(jiān)測(cè)斷面,小湖增設(shè)南

關(guān)新閘東及小湖湖心 2 處監(jiān)測(cè)斷面,5—9 月全部監(jiān)測(cè),10—11 月僅監(jiān)測(cè)大湖開闊區(qū)及小湖湖心。

衡水湖水生植被以蘆葦、蒲草為主,包括少部分人工種植的蓮藕,約占湖區(qū)面積的 2/3[2]148。濕地植物

群落類型分為蘆葦群落、香蒲群落、浮萍群落等,其中蘆葦群落的面積最大[5],鑒于此,分別賦予各監(jiān)測(cè)

斷面所代表水面面積權(quán)重值如下:

表 4 各斷面代表水面面積權(quán)重賦值

監(jiān)測(cè)點(diǎn)

名稱

大 湖 小 湖

大趙

南關(guān)新

開闊

區(qū) 1

開闊

區(qū) 2

開闊

區(qū) 3

蘆葦

區(qū) 1

蘆葦

區(qū) 2

蘆葦

區(qū) 3

蒲草

區(qū) 1

蒲草

區(qū) 2

蒲草

區(qū) 3

魏屯

南關(guān)新

閘東

小湖

湖心

水面面

積權(quán)重 0.05 0.05 0.1 0.1 0.1 0.11 0.11 0.11 0.09 0.09 0.09 0.25 0.25 0.5

注:蘆葦區(qū)、蒲草區(qū)僅 5—9 月進(jìn)行監(jiān)測(cè),其余時(shí)段為方便計(jì)算,各斷面平均分配水面面積。

據(jù)此計(jì)算衡水湖營(yíng)養(yǎng)化狀況,其健康評(píng)估結(jié)果如表 5 和表 6。

表 5 衡水湖各斷面營(yíng)養(yǎng)化狀況評(píng)分

斷面名稱

月份

1 月 2 月 3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月 11 月 12 月

大湖

大趙閘 48.4 47.4 48.9 49.9 46.2 56.1 58.7 53.4 55.3 55.2 54.9 55.2

南關(guān)新閘 47.2 47.6 50.0 50.7 46.9 60.1 63.2 57.7 58.4 58.4 53.4 53.0

開闊區(qū) 1 44.7 62.6 61.8 59.4 57.1 62.7 52.9

開闊區(qū) 2 48.1 62.8 60.7 59.1 60.3 62.1 51.1

開闊區(qū) 3 50.5 62.3 62.9 59.2 58.3 62.1 48.4

蘆葦區(qū) 1 46.2 59.4 62.0 62.3 60.7

蘆葦區(qū) 2 46.8 59.8 59.7 57.2 59.6

蘆葦區(qū) 3 45.7 61.5 62.7 62.8 61.4

蒲草區(qū) 1 44.7 61.9 61.0 59.3 58.4

蒲草區(qū) 2 46.5 60.9 58.7 59.2 59.4

蒲草區(qū) 3 46.0 60.7 61.9 59.6 61.5

小湖

魏屯閘 60.0 60.1 53.4 52.7 49.7 65.0 50.8 56.6 49.2 56.3 55.3 47.0

南關(guān)新閘東 61.6 72.5 74.0 69.2 72.7

小湖湖心 67.6 70.8 75.1 72.7 71.5 69.6 62.5

第14頁(yè)

第 4 期 李秀瑩 衡水湖濕地營(yíng)養(yǎng)化狀況健康評(píng)估及原因分析 3

表 6 衡水湖各斷面營(yíng)養(yǎng)化健康評(píng)估賦分

斷面名稱

月份

1 月 2 月 3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月 11 月 12 月 全年

大湖

大趙閘 63.2 65.2 62.2 60.2 67.6 53.9 51.3 56.6 54.7 54.8 55.1 54.8 58.3

南關(guān)新閘 65.6 64.8 60.0 59.3 66.2 49.2 24.4 52.3 51.6 51.6 56.6 57.0 54.9

開闊區(qū) 1 71.0 29.2 35.6 50.6 52.9 28.4 57.1 46.4

開闊區(qū) 2 63.8 62.8 60.7 50.9 60.3 62.1 51.1 58.8

開闊區(qū) 3 59.5 31.6 26.8 50.8 51.7 33.2 63.2 45.3

蘆葦區(qū) 1 67.6 50.6 34.0 31.6 44.4 45.6

蘆葦區(qū) 2 66.4 50.2 50.3 52.8 50.4 54.0

蘆葦區(qū) 3 68.6 38.0 28.4 27.6 38.8 40.3

蒲草區(qū) 1 71.0 34.8 42.0 50.7 51.6 50.0

蒲草區(qū) 2 67.0 42.8 51.3 50.8 50.6 52.5

蒲草區(qū) 3 68.0 44.4 34.8 50.4 38.0 47.1

大湖綜合 64.4 65.0 61.1 59.8 66.9 43.8 40.0 46.7 49.1 46.02 56.62 55.9 54.6

小湖

魏屯閘 50.0 49.8 56.6 57.3 60.6 10.0 59.2 53.4 61.6 53.7 54.7 66.0 52.7

南關(guān)新閘東 37.2 0 0 1.6 0 7.8

小湖湖心 4.8 0 0 0 0 0.80 30.0 5.1

小湖綜合 50.0 49.8 56.6 57.3 26.9 2.5 14.8 13.8 15.4 27.3 42.4 66.0 35.2

分析表 5、表 6 統(tǒng)計(jì)結(jié)果,衡水湖東湖大湖各斷面營(yíng)養(yǎng)狀態(tài)指數(shù)為 44.7 ~ 63.2,小湖為 47.0 ~ 75.1,均

屬中營(yíng)養(yǎng)至中度富營(yíng)養(yǎng)。按健康評(píng)估標(biāo)準(zhǔn)描述,衡水湖東湖大湖各斷面健康分值是 24.4 ~ 71.0,屬不健康

至健康,其中 60.0 ~ 71.0 屬健康的占比 29.3%,40.0 ~ 60.0 屬亞健康的占比 49.3%,20.0 ~4 0.0 屬不健康的

占比 21.3%,東湖大湖綜合評(píng)價(jià)為 54.6 分,屬亞健康。衡水湖東湖小湖各斷面健康分值為 0 ~ 66.0,屬病

態(tài)至健康,其中 60.0 ~ 66.0 屬健康的占比 12.5%,40.0 ~ 60.0 屬亞健康的占比 33.3%,20.0 ~ 40.0 屬不健康

的占比 8.3%,0 ~ 20.0 屬病態(tài)的占比 45.8%,東湖小湖綜合評(píng)價(jià)為 35.2 分,屬不健康。

據(jù)有關(guān)浮游植物的研究,衡水湖浮游植物以綠藻門、硅藻門、藍(lán)藻門的種類數(shù)最多。優(yōu)勢(shì)種為梅尼小

環(huán)藻、四角十字藻。高溫期夏秋季衡水湖東湖大湖部分?jǐn)嗝娲嬖谒A風(fēng)險(xiǎn),小湖部分?jǐn)嗝嫣幱谳p度水華狀

態(tài)[6],與表 5、表 6 中營(yíng)養(yǎng)化狀況的統(tǒng)計(jì)結(jié)果相對(duì)應(yīng)。

分析資料,總磷、總氮、葉綠素 a、高錳酸鹽指數(shù)和透明度五項(xiàng)評(píng)價(jià)項(xiàng)目,營(yíng)養(yǎng)狀態(tài)賦分值分別為總

磷 21.7 ~ 72.0,總氮 35.5 ~ 75.1,葉綠素 a 28.8 ~ 71.8,高錳酸鹽指數(shù) 42.0 ~ 73.3,透明度 39.9 ~ 90.0,其

中透明度 60 分以上占比 74.7%,6—9 月共計(jì) 56 測(cè)次,全部都在 60 分以上。其余項(xiàng)目 60 分以上占比分別

為總磷 22.2%,總氮 38.4%,葉綠素 a 15.2%,高錳酸鹽指數(shù) 23.2%,其中高錳酸鹽指數(shù)的影響主要在小湖,

南關(guān)新閘東與小湖湖心兩斷面共計(jì) 12 測(cè)次,高錳酸鹽指數(shù)營(yíng)養(yǎng)狀態(tài)賦分值全部 60 分以上。綜上分析,影

響衡水湖水體營(yíng)養(yǎng)化狀態(tài)的主要因素東湖大湖為透明度、總氮,小湖為透明度、總氮及高錳酸鹽指數(shù)。

3 重點(diǎn)斷面營(yíng)養(yǎng)化狀況變化趨勢(shì)分析

衡水湖大趙閘為國(guó)控?cái)嗝妫彩呛颖笔『馑目睖y(cè)研究中心每月監(jiān)測(cè)的常設(shè)水質(zhì)監(jiān)測(cè)斷面,資料完

整,特選取 2012—2021 年資料,按年均值分析其營(yíng)養(yǎng)狀態(tài)變化趨勢(shì),見表 7。

由表 7 分析可見,大趙閘斷面十年間除 2016 年為中度富營(yíng)養(yǎng)外,其余年份均為輕度富營(yíng)養(yǎng),對(duì)照健

康評(píng)估分級(jí)表,2016 年?duì)I養(yǎng)狀態(tài)為不健康,其余年份均為亞健康。主要影響因素為總氮以及高錳酸鹽指數(shù),

但值得注意的是自 2016 年起,在總體營(yíng)養(yǎng)狀態(tài)趨于好轉(zhuǎn)的情形下,透明度的影響卻逐年增加,甚至在 2021

年超過了總氮,成了主要影響因素。大趙閘營(yíng)養(yǎng)狀態(tài)指數(shù) EI 以及總氮、透明度的變化趨勢(shì)見圖 1。

第15頁(yè)

4 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

表 7 衡水湖大趙閘斷面營(yíng)養(yǎng)化狀況年度變化

年份 營(yíng)養(yǎng)狀態(tài)指數(shù) EI

各評(píng)價(jià)項(xiàng)目賦分值 En

總磷 總氮 葉綠素 高錳酸鹽指數(shù) 透明度

2012 53.2 46.0 67.8 47.3 58.8 46.0

2013 55.7 50.0 67.8 54.2 56.8 50.0

2014 57.6 60.0 64.3 53.2 59.5 51.2

2015 55.0 46.0 69.0 55.0 58.8 46.0

2016 62.0 61.0 68.6 57.2 67.5 55.8

2017 56.0 56.0 62.1 48.3 58.5 55.0

2018 58.0 60.0 61.6 53.8 57.8 57.0

2019 55.1 46.0 62.0 51.7 57.3 58.8

2020 53.3 42.0 61.5 52.8 53.0 57.4

2021 52.1 42.0 55.9 50.6 53.8 58.0

圖 1 大趙閘斷面營(yíng)養(yǎng)狀態(tài)變化趨勢(shì)

分析原始資料,近幾年透明度偏低的時(shí)長(zhǎng)明顯增加,尤其自 2019 年以來(lái),每年有 7—8 個(gè)月透明度低

于 0.50 m,主要集中在水溫較高的夏、秋季節(jié)。大趙閘斷面透明度每月監(jiān)測(cè)一次,年監(jiān)測(cè) 12 次,分別選

取 0.5 m 以下、0.5 ~ 1.0 m 以及 1.0 m 以上三個(gè)數(shù)據(jù)段,統(tǒng)計(jì)十年間各年份透明度各數(shù)據(jù)段分別出現(xiàn)頻次情

況見表 8。

表 8 大趙閘 2012—2021 年透明度監(jiān)測(cè)統(tǒng)計(jì)

年份

透明度各數(shù)據(jù)段出現(xiàn)頻次

>1.0 m 0.5 m~1.0 m <0.5 m

2012 5 4 1

2013 6 4 0

2014 4 4 3

2015 5 3 0

2016 2 8 2

2017 2 10 0

2018 2 5 4

2019 2 2 8

2020 1 3 8

2021 2 3 7

注:2012 年 11、12 月,2013 年 1、3 月,2014 年 12 月,2015 年 1、3、9、11 月,2018 年 12 月無(wú)資料。

35.0

40.0

45.0

50.0

55.0

60.0

65.0

70.0

75.0

80.0

2012 2013 2014 2015 2016 2017 2018 2019 2020 2021

賦分值

年份

總氮 透明度 營(yíng)養(yǎng)狀態(tài)指數(shù)

第16頁(yè)

第 4 期 李秀瑩 衡水湖濕地營(yíng)養(yǎng)化狀況健康評(píng)估及原因分析 5

4 原因分析及治理建議

衡水湖是典型的平原淺水湖泊,湖盆為淺碟狀洼地,湖底比周圍平地低 4 ~ 5 m[2]17,平均水深 2.1 m[2]59,

衡水湖水源主要依靠外流域調(diào)水,其中又以引蓄黃河水為主,大量泥沙隨水入湖,自 1994 年開始引黃河

水至 2012 年累計(jì)入湖沙量 7.5376 萬(wàn)噸,占衡水湖總庫(kù)容 0.015%[1]388。同時(shí)衡水湖又是一處內(nèi)陸封閉型匯

水濕地,水體流動(dòng)性差,滯留時(shí)間長(zhǎng),衡水湖浮游植物多樣性變化趨勢(shì)與水溫變化呈正相關(guān)[6],2021 年平

均水溫 16.5 ℃,有 5 個(gè)月水溫在 20 ℃以上,也為浮游生物生長(zhǎng)創(chuàng)造了條件。另外人類活動(dòng)如旅游、捕魚

等以及風(fēng)浪對(duì)水體的攪動(dòng)等,都是造成淺水湖泊透明度較低的原因。

由于衡水湖主要依靠外來(lái)調(diào)水,其水質(zhì)受來(lái)水水質(zhì)影響較大,最近一次入湖引水監(jiān)測(cè)顯示(2020 年 5

月王口閘)總磷 0.10 mg/L,總氮 3.43 mg/L,高錳酸鹽指數(shù) 4.3 mg/L,透明度 0.30 m,營(yíng)養(yǎng)狀態(tài)分值均在

50 分以上,其中透明度 80.0 分、總氮 67.2 分。

另外湖體本身多年沉積底泥中營(yíng)養(yǎng)鹽的二次釋放以及水生植物成熟后不能及時(shí)收割而腐爛所造成的

營(yíng)養(yǎng)鹽重新釋放等,也會(huì)造成水體中營(yíng)養(yǎng)鹽含量的增高。

衡水湖作為當(dāng)?shù)匾粡埳鷳B(tài)名片,市政府與各級(jí)水行政主管部門對(duì)其生態(tài)保護(hù)與治理高度重視,先后出

臺(tái)《衡水湖水質(zhì)保護(hù)條例》《衡水湖保護(hù)和治理?xiàng)l例》等政策法規(guī),全面關(guān)停入湖排污口,禁止點(diǎn)源污染,

推廣高效農(nóng)業(yè),減少面源污染,同時(shí)進(jìn)行生態(tài)移民和村落整治,周邊工廠搬遷,退耕還林、還草以涵養(yǎng)水源。

2019 年 12 月衡水湖唯一現(xiàn)存湖心漁村順民莊搬遷完畢[7]。衡水湖營(yíng)養(yǎng)化狀況有所好轉(zhuǎn),但仍需繼續(xù)努力,

現(xiàn)提出以下幾點(diǎn)建議:

1)加強(qiáng)衡水湖各區(qū)域水質(zhì)監(jiān)測(cè)。受多方因素制約,不同植物群落水域站點(diǎn)僅布設(shè)了代表性較強(qiáng)的蘆

葦群落與蒲草群落,挺水植物的蓮藕區(qū)域以及沉水植物區(qū)域等在整個(gè)衡水湖水面面積的占比也比較大,應(yīng)

進(jìn)一步加密水質(zhì)站點(diǎn)的布設(shè),以豐富資料代表性,為衡水湖開發(fā)利用與保護(hù)提供數(shù)據(jù)支撐。

2)加強(qiáng)衡水湖底泥及水生生物的監(jiān)測(cè)。衡水湖是封閉式內(nèi)陸平原淺水型湖泊,水體循環(huán)性差,營(yíng)養(yǎng)

化狀態(tài)受內(nèi)源污染影響較大。加強(qiáng)內(nèi)源監(jiān)測(cè),了解底泥及水生生物變化動(dòng)態(tài),采取及時(shí)清淤、收割已成熟

的水生植物、放養(yǎng)食草魚類、修建小范圍內(nèi)循環(huán)水系等措施,降低湖體內(nèi)源可能帶來(lái)的二次污染。

3)制定入湖水體水質(zhì)及含沙量標(biāo)準(zhǔn)。衡水湖水源主要為引蓄外來(lái)調(diào)水,來(lái)水水質(zhì)直接影響衡水湖水

質(zhì)狀況。根據(jù)衡水湖功能需要,制定入湖水體水質(zhì)標(biāo)準(zhǔn),在引水沿途采取控污、排淤等相應(yīng)措施做好水體

凈化,做到來(lái)水水質(zhì)達(dá)標(biāo)入湖。

4)規(guī)范旅游活動(dòng),在追求經(jīng)濟(jì)效益的同時(shí)降低對(duì)水體環(huán)境的破壞。衡水湖目前是國(guó)家 4A 級(jí)旅游景區(qū),

正在努力創(chuàng)建 5A 級(jí)景區(qū)。2022 年 9 月 3 日召開了“衡水市創(chuàng)建衡水湖國(guó)家 5A 級(jí)旅游景區(qū)決戰(zhàn)沖刺動(dòng)員

會(huì)議”[8],加之每年 9 月衡水湖國(guó)際馬拉松賽事的舉辦與宣傳,衡水湖為世人廣泛關(guān)注,正在成為當(dāng)?shù)啬?/p>

至河北省重要的旅游勝地,在衡水湖開發(fā)進(jìn)入快車道的同時(shí)更應(yīng)做好生態(tài)保護(hù)工作,制定易于推行的實(shí)施

細(xì)則,加大宣傳,做到全民參與,實(shí)現(xiàn)衡水湖的可持續(xù)良性發(fā)展。

5)規(guī)范捕魚行為。為涵養(yǎng)漁業(yè)資源,自 2013 年起衡水湖延長(zhǎng)了禁漁期,目前是自每年的 12 月 1 日

起至次年的 8 月 31 日止,共計(jì) 9 個(gè)月封湖禁漁期,此舉不僅豐富了漁業(yè)資源,也有效改善了衡水湖生態(tài)

環(huán)境。在嚴(yán)格執(zhí)行禁漁政策打擊非法捕撈的同時(shí),還要規(guī)范開湖后的捕撈行為,嚴(yán)禁漁民使用炸、毒等嚴(yán)

重破壞生態(tài)環(huán)境的粗暴捕撈方式。另外,下湖捕魚也是深受游客喜愛的旅游項(xiàng)目,也要對(duì)游客的行為進(jìn)行

規(guī)范,在游玩的同時(shí)盡量降低對(duì)環(huán)境的破壞。

6)重視外來(lái)物種入侵問題。外來(lái)入侵物種對(duì)環(huán)境造成破壞的案例時(shí)有報(bào)道,黃頂菊、蒲草等的入侵

也曾給衡水湖環(huán)境治理帶來(lái)困擾,應(yīng)采取加強(qiáng)引水水體水生生物監(jiān)測(cè)、規(guī)范民眾放生行為等措施,保護(hù)對(duì)

水體凈化有重要作用的原有物種不被侵蝕。

7)加強(qiáng)湖區(qū)周邊保護(hù)區(qū)范圍內(nèi)的生態(tài)保護(hù),嚴(yán)格落實(shí)河長(zhǎng)制、林長(zhǎng)制等制度,規(guī)范畜牧養(yǎng)殖、農(nóng)業(yè)

生產(chǎn)、工業(yè)排污等,打造良好的衡水湖外圍生態(tài)環(huán)境。

第17頁(yè)

6 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

參考文獻(xiàn):

[1] 張彥增,喬光建,崔希東.衡水市水文水資源分析與綜合利用[M].北京:中國(guó)水利水電出版社,2017:21.

[2] 張彥增,尹俊玲,崔希東,等.衡水湖濕地恢復(fù)與生態(tài)功能[M].北京:中國(guó)水利水電出版社,2010:31.

[3] 中華人民共和國(guó)水利部.地表水資源質(zhì)量評(píng)價(jià)技術(shù)規(guī)程:SL395-2007[S].北京:中國(guó)水利水電出版社,2007:10.

[4] 中華人民共和國(guó)水利部.河湖健康評(píng)估技術(shù)導(dǎo)則:SL/T793-2020[S].北京:中國(guó)水利水電出版社,2020:7.

[5] 江大勇.衡水湖動(dòng)植物資源調(diào)查研究[J].現(xiàn)代農(nóng)村科技,2021(3):98.

[6] 慕建東,閆麗,郗艷娟,等.衡水湖浮游植物多樣性及富營(yíng)養(yǎng)化研究[J].河北漁業(yè),2022(3):39-40.

[7] 楊萬(wàn)寧.順民莊搬遷記事(組詩(shī))[N].衡水日?qǐng)?bào)?滏陽(yáng)花,2019-12-17(B2).

[8] 李雅潔.衡水召開創(chuàng)建衡水湖國(guó)家 5A 級(jí)旅游景區(qū)決戰(zhàn)沖刺動(dòng)員會(huì)議[EB/OL].(2022-09-03)[2022-09-21].https://

www.hsrb.com.cn/detail/166219862244668.html.

Health Assessment and Cause Analysis of Nutritional Status of Hengshui Lake Wetland

LI Xiuying

(Hengshui Hydrology Investigation Research Center of Hebei Province, Hengshui, Hebei 053000, China)

Abstract: Hengshui Lake is a typical plain shallow water lake, which has been plagued by nutrient problems. The water

quality data of Hengshui Lake in different areas, such as the coastal area, open area, reed-work area and cattail area, are

selected to analyze its nutrient status. The river and lake health assessment grading standard is used to describe its health

status in order to find the main influencing factors and propose targeted management suggestions. The health assessment of

the nutrient status of Hengshui Lake indicates that the nutrient status of the large lake of the east lake in Hengshui Lake is

sub-healthy, and its main influencing factors are diaphaneity and total nitrogen; the nutrient status of the small lake is

unhealthy, and its main influencing factors are diaphaneity, total nitrogen and the index of potassium permanganate. Since

2016, when the overall nutrient status tends to improve, the impact of diaphaneity has increased year by year, and even

exceeded total nitrogen in 2021, becoming the main influencing factor. Besides the impact of the lake itself, the quality of the

external diversion water also has a greater impact.

Key words: Hengshui Lake; eutrophication; health assessment; ecological protection; wetland

(責(zé)任編校:李建明 英文校對(duì):吳秀蘭)

第18頁(yè)

第 25 卷 第 4 期 衡水學(xué)院學(xué)報(bào) Vol. 25, No.4

2023 年 8 月 Journal of Hengshui University Aug. 2023

衡水湖優(yōu)勢(shì)水生植物水質(zhì)凈化及景觀優(yōu)化研究

馮 雪,馮 蕾,李 月

(衡水學(xué)院 生命科學(xué)學(xué)院,河北 衡水 053000)

摘 要:選取 10 種衡水湖常見的優(yōu)勢(shì)水生植物作為供試植物,設(shè)置 3 個(gè)濃度梯度富營(yíng)養(yǎng)化水體對(duì)其凈化

效果進(jìn)行分析,探討相同水生植物對(duì)不同濃度水質(zhì)吸收和去除效果、不同水生植物對(duì)同一濃度水質(zhì)指標(biāo)

吸收和去除效果,以及水生植物組合對(duì)不同濃度水質(zhì)吸收和去除效果。研究結(jié)果表明:不同水生植物對(duì)

氨氮(NH4

+

-N)、化學(xué)需氧量(COD)、總氮(TN)、總磷(TP)的吸收效果均存在很大差異性。其

中,在單一植物處理中,慈姑對(duì) TN 的去除效果最明顯,去除率高達(dá) 65.5%;香蒲對(duì) NH4

+

-N 的去除效果

最明顯,去除率為 81.31%;鳶尾和再力花對(duì) TP 的去除明顯優(yōu)于其他植物;在 COD 去除上,香蒲則表現(xiàn)

出一定的優(yōu)勢(shì)。而在植物組合處理中,蘆葦+金魚藻+睡蓮組合對(duì) TN、TP 和 NH4

+

-N 去除效果最佳。綜

合考慮植物凈化作用及優(yōu)勢(shì)水生植物徒長(zhǎng)引發(fā)的次生環(huán)境問題,建議千屈菜、香蒲、蘆葦、慈姑、鳶

尾、荷花、再力花等 3—5 種植物搭配使用,應(yīng)用于富營(yíng)養(yǎng)化水體中氮、磷的去除,凈化效果更佳,既可

以改善衡水湖的水質(zhì),又可以提升衡水湖濕地生態(tài)景觀效果。

關(guān)鍵詞:衡水湖;水生植物;水質(zhì)凈化;氮磷;富營(yíng)養(yǎng)化

DOI:10.3969/j.issn.1673-2065.2023.04.002

作者簡(jiǎn)介:馮 雪,女,河北景縣人,講師。

馮 蕾,女,河北故城人,副教授。

基金項(xiàng)目:2022 年河北省濕地保護(hù)與綠色發(fā)展協(xié)同創(chuàng)新中心專項(xiàng)課題(2022XJZX20);衡水市科技計(jì)劃

項(xiàng)目(2021014007Z)

中圖分類號(hào):S688 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1673-2065(2023)04-0007-06

收稿日期:2022-11-07

衡水湖濕地是中國(guó)北方唯一保留了沼澤、水域、灘涂、草地和森林等完整濕地生態(tài)系統(tǒng)的自然保護(hù)

區(qū),擁有著遼闊的水體面積和大量的濕地植物資源,其植物多樣性和淡水生態(tài)資源在華北地區(qū)具有不可

替代的地位[1]。由于水體中氮、磷等營(yíng)養(yǎng)物質(zhì)的過度積累,導(dǎo)致藻類的大量繁殖,嚴(yán)重影響了衡水湖的水

體質(zhì)量,進(jìn)而影響了衡水湖的生態(tài)環(huán)境質(zhì)量。本試驗(yàn)以衡水湖常見 10 種水生植物為研究對(duì)象,通過在實(shí)

驗(yàn)室進(jìn)行水培,配置不同濃度的營(yíng)養(yǎng)液,研究供試植物對(duì)衡水湖富營(yíng)養(yǎng)化水體的凈化效果及規(guī)律,為衡

水湖濕地水質(zhì)凈化與治理提供科學(xué)理論依據(jù)[2]。

1 材料與方法

1.1 實(shí)驗(yàn)材料與儀器

1.1.1 實(shí)驗(yàn)材料

荷花、蘆葦、千屈菜、金魚藻、睡蓮、香蒲、慈姑、黑藻、水生鳶尾、再力花等 10 種供試植物。

配置 2 個(gè)梯度的營(yíng)養(yǎng)液(高質(zhì)量濃度:磷酸二氫鉀 4 mg/L+硫酸銨 20 mg/L;低質(zhì)量濃度:磷酸二氫

鉀 2 mg/L+硫酸銨 10 mg/L。以下分別簡(jiǎn)稱“高濃度”“低濃度”),底泥作為水培基質(zhì),設(shè)置未加植物

的水培營(yíng)養(yǎng)液作為對(duì)照組(CK)。

1.1.2 儀器設(shè)備與試劑

所用儀器:COD 分析儀、消解儀、紫外分光光度計(jì)、TOC 分析儀、高壓滅菌鍋、電子天平等。

第19頁(yè)

8 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

所用試劑為鉬酸鈉、濃硫酸、重鉻酸鉀、硫酸亞鐵、重鉻酸鉀、硫酸銀-硫酸溶液、試亞鐵靈、硫酸

亞鐵銨、硝酸鉀、硝酸銨、磷酸二氫鉀等、硫酸二氫鉀、硫酸銨。

1.2 實(shí)驗(yàn)方法

1.2.1 水樣采集及處理

利用實(shí)地調(diào)研法,對(duì)衡水湖中景觀水體各水質(zhì)情況及水生植物應(yīng)用現(xiàn)狀進(jìn)行調(diào)查分析。根據(jù)分散采

樣法,在衡水湖不同點(diǎn)位采取水樣,使用高壓滅菌方法對(duì)其進(jìn)行消毒處理。將處理后的水質(zhì)中加入不同

濃度的硝酸鉀、硝酸銨、磷酸二氫鉀模擬設(shè)置 3 個(gè)濃度梯度的富營(yíng)養(yǎng)化實(shí)驗(yàn)水體,備用。

1.2.2 植物采集及處理

水生植物購(gòu)入后,利用水培法將水生植物種植于塑料箱(外形尺寸為 67 cm×45 cm×53.5 cm)中。實(shí)

驗(yàn)前,去除枯葉,將其洗凈,在實(shí)驗(yàn)室內(nèi)用自來(lái)水預(yù)培養(yǎng) 7 d 后,選擇長(zhǎng)勢(shì)良好且外形相近的植株作為供

試植物。將供試植物先在流動(dòng)的自來(lái)水中沖洗干凈,再用蒸餾水對(duì)各供試植物進(jìn)行沖洗,排除自來(lái)水中

的雜質(zhì)對(duì)實(shí)驗(yàn)的影響,用潔凈的紗布擦拭植株表面的水分,直至基本無(wú)水自然滴下。

將處理后的 10 種植物分別放進(jìn) 3 種不同濃度的富營(yíng)養(yǎng)化水體中進(jìn)行培養(yǎng),7 d 后,觀察其生長(zhǎng)狀態(tài),

分析不同供試植物對(duì)模擬營(yíng)養(yǎng)化水體的凈化作用。各組設(shè)置 3 次重復(fù)。

1.2.3 測(cè)定方法

水體中總氮(TN)的測(cè)定,采用堿性過硫酸鉀消解紫外分光光度法。水體中總磷(TP)的測(cè)定,采

用鉬酸銨分光光度法[3]。水體中氨氮(NH4

+

-N)的測(cè)定,采用納氏試劑分光光度法。水體中化學(xué)需氧量

(COD)的測(cè)定,采用快速消解法對(duì)水體中化學(xué)需氧量進(jìn)行測(cè)定[4]。

1.2.4 數(shù)據(jù)計(jì)算與分析

采用 SPSS16.0 統(tǒng)計(jì)軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,通過單因素方差分析對(duì)不同水生植物對(duì)水質(zhì)凈化的數(shù)

據(jù)進(jìn)行差異的顯著性檢驗(yàn),采用 Microsoft Excel 2016 軟件對(duì)數(shù)據(jù)進(jìn)行處理和繪圖。用去除率表示某種植

物對(duì)總氮、總磷、的凈化效率,其公式為:去除率=[(C0-Ci)/C0]×100%,其中 C0 為水體中氮、磷、氨氮

和化學(xué)需氧量的初始濃度值,Ci 為某種植物水培 7 d 后水中氮、磷、氨氮和化學(xué)需氧量的實(shí)測(cè)濃度。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 供試植物在置于帶有底泥的衡水湖水體中的生長(zhǎng)狀態(tài)

將購(gòu)入的 10 種水生植物置于帶有底泥的衡水湖水體培養(yǎng) 7 d 后,觀察其生長(zhǎng)狀態(tài),結(jié)果如表 1 所示。

觀察比較衡水湖不同區(qū)域的水生植物的富集

狀態(tài),衡水湖采集水體、底泥(1.8 kg),7 d 后

測(cè)定其水體及底泥 pH 值,通過測(cè)定結(jié)果可知生

源 pH 值與衡水湖水體、底泥 pH 值幾乎相同,故

可排除環(huán)境因素的干擾。預(yù)處理后的植物生長(zhǎng)狀

態(tài)明顯改善,可排除生理因素的干擾。

2.2 不同濃度富營(yíng)養(yǎng)化培養(yǎng)液中供試植物的生長(zhǎng)

狀態(tài)

將配置的 2 個(gè)濃度梯度的營(yíng)養(yǎng)液,倒入采集

的衡水湖水體中 10 個(gè)培養(yǎng)桶內(nèi),獲得不同梯度的

稀釋液,分別培養(yǎng)購(gòu)入的水生植物,觀察并記錄 7 d 后供試植物的生長(zhǎng)狀態(tài),結(jié)果如表 2 所示。

由表 2 可知,植物生長(zhǎng)狀態(tài)較為理想,植物生長(zhǎng)較快,大多數(shù)植物出現(xiàn)發(fā)芽、生根等現(xiàn)象,可排除環(huán)

境因素、生理因素對(duì)后續(xù)水質(zhì)凈化實(shí)驗(yàn)的干擾。此外,高濃度處理植物生長(zhǎng)勢(shì)強(qiáng)于低濃度植物生長(zhǎng)勢(shì),

表明水體中供試植物所必需的 N、P 含量多可能造成模擬水體的富營(yíng)養(yǎng)化,為后續(xù)植物對(duì) TN、NH4

+

-N、

TP、COD 凈化試驗(yàn)奠定一定的基礎(chǔ)。

表 1 供試植物生長(zhǎng)狀況記錄

植物名稱 供試植物生長(zhǎng)狀態(tài)

黑藻 生根

金魚藻 無(wú)變化

水生鳶尾 葉片堅(jiān)挺,長(zhǎng)出新的枝葉、新根

慈姑 外層植物葉片變黃,長(zhǎng)出新枝葉、新根

再力花 葉片堅(jiān)挺,長(zhǎng)出新須根

睡蓮 葉片長(zhǎng)出水面且展開,葉莖增長(zhǎng),長(zhǎng)出須根

荷花 水體表面產(chǎn)生油狀物,長(zhǎng)出葉片

香蒲 長(zhǎng)出新根、新植株

千屈菜 莖葉堅(jiān)挺,長(zhǎng)出新根

蘆葦 長(zhǎng)出新根,長(zhǎng)出新植株

第20頁(yè)

第 4 期 馮 雪,等 衡水湖優(yōu)勢(shì)水生植物水質(zhì)凈化及景觀優(yōu)化研究 9

2.3 相同水生植物對(duì)不同濃度水質(zhì)吸收和去

除效果

2.3.1 同種水生植物對(duì) TN 吸收和去除效果

同一種水生植物在不同程度富營(yíng)養(yǎng)化條

件下,隨著富營(yíng)養(yǎng)化水平的升高,植物對(duì)

TN 的去除率先升高后降低,其中黑藻和金

魚藻 2 種沉水植物最為明顯,去除率高達(dá)

50%以上(如圖 1)。高濃度富營(yíng)養(yǎng)化條件

下,鳶尾、黑藻和金魚藻等植物 TN 處理的

去除率均較低,說(shuō)明濃度過高的富營(yíng)養(yǎng)化水體會(huì)抑制 TN 的凈化效果。而慈姑在 3 種濃度水體中去除率均

較高,說(shuō)明水體中的氮元素作為營(yíng)養(yǎng)元素被慈姑所吸收。因此,針對(duì)修復(fù)不同程度富營(yíng)養(yǎng)化水體時(shí)要根

據(jù)水體的具體情況篩選去除率較高的水生植物種類。

圖 1 10 種植物不同濃度下 TN 去除率

2.3.2 同種水生植物對(duì) NH4

+

-N 吸收和去除效果

輕度富營(yíng)養(yǎng)化到高度富營(yíng)養(yǎng)化的水體中,鳶尾、香蒲、睡蓮、蘆葦、黑藻、金魚藻、荷花等 7 種植

物處理的 NH4

+

-N 去除率均有所升高,其中香蒲由低濃度到高濃度去除率變化最為明顯,表明香蒲對(duì)

NH4

+

-N 有較好的去除效果(P<0.05)(如圖 2)。而睡蓮在 3 種濃度中 NH4

+

-N 的去除率均較低,可能

是由于睡蓮對(duì) NH4

+

-N 的吸收速度較為緩慢導(dǎo)致的,也可能因?yàn)樵谑覂?nèi)水培,溫度高,不太適宜睡蓮的生

長(zhǎng)而導(dǎo)致吸收效果較差。因此,在治理富營(yíng)養(yǎng)化水平過高的水體時(shí),應(yīng)根據(jù)實(shí)際污染情況綜合考慮,優(yōu)

先選擇香蒲等耐高營(yíng)養(yǎng)負(fù)荷且凈化能力強(qiáng)的植物,會(huì)有更好的凈化效果。

圖 2 10 種植物不同濃度下 NH4+

-N 去除率

表 2 供試植物生長(zhǎng)狀態(tài)記錄

植物名稱 低濃度水體植物生長(zhǎng)狀態(tài) 高濃度水體植物生長(zhǎng)狀態(tài)

黑藻 生根 生根

金魚藻 變化不大 變化不大

水生鳶尾 葉片堅(jiān)挺,生根 葉片堅(jiān)挺,生根

慈姑 發(fā)芽、生根 發(fā)芽、生根

再力花 葉片堅(jiān)挺,長(zhǎng)出新須根 葉片堅(jiān)挺,長(zhǎng)出新須根

睡蓮 莖葉增長(zhǎng) 莖葉增長(zhǎng)明顯

荷花 變化不大 變化不大

香蒲 發(fā)芽、生根 長(zhǎng)出新根、新植株

千屈菜 莖葉堅(jiān)挺,生根 莖葉堅(jiān)挺,生根

蘆葦 生根、發(fā)芽 生根、發(fā)芽

0.0

0.2

0.4

0.6

0.8

1.0

去除率/%

植物種類

底泥 高濃度 低濃度

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

去除率/%

植物種類

底泥 高濃度 低濃度

第21頁(yè)

10 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

2.3.3 同種水生植物對(duì) TP 吸收和去除效果

TP 的去除率在不同程度富營(yíng)養(yǎng)化條件下,10 種水生植物對(duì) TP 均起到凈化作用,且去除率均顯著高

于對(duì)照組(P<0.05)(如圖 3)。隨著濃度的升高,絕大多數(shù)同種植物對(duì) TP 的去除率表現(xiàn)為先升高而后

降低,鳶尾和再力花表現(xiàn)最為明顯,這可能是由于挺水植物對(duì)低濃度污染水體中 TP 的去除反應(yīng)較為敏

感,而在高濃度污染水體中會(huì)抑制其生長(zhǎng),導(dǎo)致 TP 去除率有明顯下降趨勢(shì)。

圖 3 10 種植物不同濃度下 TP 去除率

2.3.4 同種水生植物對(duì) COD 吸收和去除效果

同一種水生植物在不同濃度的水體中對(duì) COD 的去除率變化不大,變化趨勢(shì)基本保持一致,由底泥到

高濃度水體中,均呈現(xiàn)先升后降的趨勢(shì),其中香蒲在低濃度水體中 COD 去除率最大,為 0.42%,主要由

于 5、6 月份正值香蒲生長(zhǎng)旺盛期,其對(duì)有機(jī)物質(zhì)需求量大,因此對(duì)水體中 COD 吸收較為明顯。另外,試

驗(yàn)水體中 COD 去除率均明顯高于對(duì)照組(P<0.05),如圖 4。

圖 4 10 種植物不同濃度下 COD 去除率

2.4 不同水生植物對(duì)同一濃度水質(zhì)指標(biāo)吸收和去除效果

2.4.1 不同水生植物對(duì)同一濃度 TN 的吸收和去除效果

由數(shù)據(jù)分析結(jié)果可知,底泥組植物凈化能力最強(qiáng)為慈姑,去除率為 57.83%,其次為荷花 35.93%,

最低為金魚藻 9.42%。低濃度組凈化能力最強(qiáng)的植物為黑藻,去除率為 65.04%,其次為金魚藻

54.70%,最低為蘆葦 0.76%。高濃度營(yíng)養(yǎng)液中凈化能力最強(qiáng)的植物為慈姑,去除率為 64.53%,其次為

再力花 26.83%,最低為睡蓮 1.48%。綜合凈化能力由高到低依次為:慈姑>黑藻>再力花>鳶尾>金魚

藻>荷花>千屈菜>香蒲>蘆葦>睡蓮>對(duì)照組;底泥中含氮量比其他 2 種介質(zhì)含氮量低,由此可知植

物生長(zhǎng)勢(shì)在底泥中較強(qiáng),生長(zhǎng)狀態(tài)更佳。

2.4.2 不同水生植物對(duì)同一濃度 TP 的吸收和去除效果

底泥組植物凈化能力最強(qiáng)為黑藻 46.46%,其次為香蒲 34.11%,最低為慈姑 2.80%。高濃度營(yíng)養(yǎng)液中

凈化能力最強(qiáng)的植物為金魚藻 82.23%,其次為黑藻 46.26%,最低為慈姑 2.80%。在低濃度組凈化能力最

0.000

0.001

0.002

0.003

0.004

0.005

去除率/%

植物種類

底泥 高濃度 低濃度

0.0

0.2

0.4

0.6

0.8

去除率/%

植物種類

底泥 高濃度 低濃度

第22頁(yè)

第 4 期 馮 雪,等 衡水湖優(yōu)勢(shì)水生植物水質(zhì)凈化及景觀優(yōu)化研究 11

強(qiáng)的植物為再力花 73.76%,其次為蘆葦 71.60%,最低為睡蓮 12.65%。植物對(duì)總氮凈化能力由高到低依次

為:蘆葦>金魚藻>再力花>千屈菜>黑藻>荷花>鳶尾>香蒲>睡蓮>慈姑>對(duì)照組;在高濃度營(yíng)養(yǎng)

液中的植物生長(zhǎng)狀態(tài)更好,凈化效果更為明顯。

2.4.3 不同水生植物對(duì)同一濃度 NH4+

-N 的吸收和去除效果

底泥組植物凈化能力最強(qiáng)為香蒲,去除率為 46.06%,其次為千屈菜,去除率為 31.82%。最低為黑藻,

去除率為 5.45%。高濃度營(yíng)養(yǎng)液中凈化能力最強(qiáng)的植物為黑藻,去除率為 32.58%,其次為金魚藻,最低為

千屈菜 0.65%。在低濃度組凈化能力最強(qiáng)的植物為再力花,去除率 58.21%,其次為蘆葦,去除率為

47.76%,最低為睡蓮和黑藻,去除率為 9.85%。植物對(duì)總磷凈化能力由高到低依次為:鳶尾>再力花>慈

姑>香蒲>蘆葦>黑藻>荷花>千屈菜>睡蓮>金魚藻>對(duì)照組,在高濃度營(yíng)養(yǎng)液中的植物生長(zhǎng)狀態(tài)更

好,凈化效果更為明顯。

2.4.4 不同水生植物對(duì)相同 COD 的吸收和去除效果

10 種供試植物對(duì)不同 COD 濃度凈化效果都有顯著性差異(P<0.05)。其中,底泥組植物凈化能力

最強(qiáng)為黑藻 0.4%以上。高濃度營(yíng)養(yǎng)液中凈化能力最強(qiáng)的植物為荷花去除率 0.47%以上,最低為香蒲、蘆

葦、黑藻,由此可知荷花處理水體中是 COD 吸收率達(dá)到最大值,是凈化效果最好的階段。在低濃度組凈

化能力最強(qiáng)的植物為再力花,去除率為 0.42%,最低為蘆葦 0.33%。植物對(duì) COD 凈化能力由高到低依次

為:荷花>睡蓮>再力花>黑藻>香蒲>金魚藻>千屈菜>慈姑>鳶尾>蘆葦>對(duì)照組。在高濃度營(yíng)養(yǎng)

液中的植物生長(zhǎng)狀態(tài)更好,凈化效果更為明顯。

2.5 水生植物組合對(duì)不同濃度水質(zhì)吸收和去除效果

蘆葦+金魚藻+睡蓮對(duì) TN 去除效果最明顯,其次為蘆葦+金魚藻,說(shuō)明挺水植物+漂浮植物+沉水植

物等至少 2 種植物組合對(duì) TN 的吸收效果會(huì)更好。而蘆葦+金魚藻+睡蓮對(duì) NH4

+

-N 去除效果最為明顯,其

次為金魚藻+黑藻。蘆葦+金魚藻+睡蓮對(duì) TP 去除效果也最明顯,其次為蘆葦+金魚藻(如圖 5)。由此

可知,蘆葦、睡蓮和金魚藻對(duì) TN、TP 和 NH4

+

-N 的吸收和去除效果都較好,建議可以廣泛投入使用。綜

上所述,3 種植物組合凈化效果優(yōu)于 2 種植物組合,不同水生植物方式組合比單一植物種植方式組合凈化

效果更為明顯。

圖 5 不同植物組合對(duì) TN、TP 和 NH4

+

-N 去除率

3 結(jié)論與討論

本試驗(yàn)所選的 10 種衡水湖優(yōu)勢(shì)水生植物對(duì)模擬 3 種濃度富營(yíng)養(yǎng)化水體中的 TN、TP、NH4

+

-N、COD

都有不同程度的凈化作用,且去除率均高于對(duì)照組。處理 7 d 后,同種水生植物對(duì)不同濃度的污染水體

中,慈姑對(duì) TN 的去除效果最明顯,去除率高達(dá) 65.5%;香蒲對(duì) NH4

+

-N 的去除效果最明顯,去除率為

81.31%;鳶尾和再力花對(duì) TP 的去除明顯優(yōu)于其他植物;在 COD 的去除上,香蒲則表現(xiàn)出一定的優(yōu)勢(shì)。

而在植物組合處理中,蘆葦+金魚藻+睡蓮組合對(duì) TN、TP 和 NH4

+

-N 去除效果最佳。從植物生長(zhǎng)量變化

0.15

0.25

0.35

0.45

0.55

0.65

0.75

0.85

0.95

去除率/%

不同植物組合

總氮 氨氮 總磷

第23頁(yè)

12 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

上看,金魚藻、黑藻量增長(zhǎng)較多,且對(duì)其他共生植物有明顯抑制,是 10 種植物中的明顯優(yōu)勢(shì)物種。綜合

考慮植物凈化作用及優(yōu)勢(shì)水生植物徒長(zhǎng)引發(fā)的次生環(huán)境問題,建議采用多種水生植物組合搭配種植,用

于富營(yíng)養(yǎng)化水體中氮和磷的去除,效果會(huì)較為顯著。

在衡水湖水質(zhì)檢測(cè)中發(fā)現(xiàn),不同種類的水生植物對(duì)不同污染性質(zhì)的水體具有不同程度的吸收和凈化

作用,因此在衡水湖濕地景觀設(shè)計(jì)時(shí),要充分考慮不同水生植物對(duì)水質(zhì)凈化效果,合理搭配多種水生植

物組合,使植物之間優(yōu)勢(shì)互補(bǔ),并注重其養(yǎng)護(hù)管理,以確保衡水湖濕地景觀觀賞價(jià)值與水體凈化效果的

最大化,維持生態(tài)系統(tǒng)的平衡[5]。另外,因本試驗(yàn)中主要進(jìn)行的是靜水試驗(yàn),試驗(yàn)周期為 14 d,但在試驗(yàn)

期間的觀察發(fā)現(xiàn),間隔 7 d 換水 2 次之后,即在植物生長(zhǎng)在試驗(yàn)期間 15 d 左右,部分植株生長(zhǎng)趨勢(shì)明顯變

緩,在試驗(yàn)后期甚至出現(xiàn)一定程度的根部腐爛、葉片枯萎等現(xiàn)象,不但不能凈化水質(zhì)可能還會(huì)帶來(lái)一定

的環(huán)境污染問題,因此,在后續(xù)的研究中,應(yīng)該考慮使用流動(dòng)的水體進(jìn)行模擬水培試驗(yàn),探討供試植物

的凈化效果。

參考文獻(xiàn):

[1] 楊賢鑫,易佳宇,劉旺香,等.10 種水生植物水質(zhì)凈化效果及生態(tài)設(shè)計(jì)應(yīng)用研究[J].現(xiàn)代園藝,2019(19):8-10.

[2] 尹程.植物對(duì)富營(yíng)養(yǎng)化水體氮磷凈化效應(yīng)的研究[D].合肥:安徽農(nóng)業(yè)大學(xué),2012.

[3] 皇甫嘉弘,金荷仙,陳高敏,等.水生植物組合對(duì)社區(qū)公園景觀水體凈化修復(fù)研究[J].浙江林業(yè)科技,2020(5):41-45.

[4] 屈寧,鄧建明,張禎,等.2015—2020 年洪澤湖浮游植物群落結(jié)構(gòu)及其環(huán)境影響因子[J].環(huán)境科學(xué),2022(6):3097-

3105.

[5] 皇甫嘉弘.寧波社區(qū)公園水生植物水質(zhì)凈化效益及景觀優(yōu)化研究[D].杭州:浙江農(nóng)林大學(xué),2021.

[6] 張帆.白洋淀優(yōu)勢(shì)沉水植物對(duì)富營(yíng)養(yǎng)化水體凈化規(guī)律及影響效應(yīng)的研究[D].保定:河北農(nóng)業(yè)大學(xué),2012.

Water Purification and Landscape Optimization of Dominant Aquatic Plants in Hengshui

Lake

FENG Xue, FENG Lei, LI Yue

(College of Life Science, Hengshui University, Hengshui, Hebei 053000, China)

Abstract: 10 kinds of common dominant aquatic plants in Hengshui Lake are selected as test plants and 3 kinds of eutrophic

water with concentration gradients are set to analyze their purification effects, discuss the effect that same aquatic plants absorb

and remove the water with different concentrations, the effect that different aquatic plants absorb and remove the water with

same concentrations, and the effect that the combination of aquatic plants absorbs and removes the water with different

concentrations. The results show that different aquatic plants have different absorption effects on ammonia nitrogen (NH4+

-N),

chemical oxygen demand (COD), total nitrogen (TN) and total phosphorus (TP). Among them, in the single plant treatment,

arrowhead has the most obvious removal effect on TN, with the removal rate as high as 65.5%, while Typha orientalis Presl has

the most obvious removal effect on NH4+

-N, with the removal rate of 81.31%, Iris tectorum Maxim and Thaliade dealbata are

obviously better than other plants in removing TP, but Typha orientalis Presl shows certain advantages. Typha shows certain

advantages in removing COD. In plant combination treatment, the combination of Phragmites australis+Ceratophyllum

demersum L.+Nymphaea alba has the best removal effect on TN, TP and NH4+

-N. Considering the purification effect of plants

and the secondary environmental problems caused by , it is suggested 3-5 kinds of plants such as Lythrum japonicum, Typha,

reed, arrowhead, iris, lotus and Lilium japonicum should be used together to remove and purify nitrogen and phosphorus in

eutrophic water and the purification effect is better, which can improve the water quality and improve ecological landscape

effect of Hengshui Lake wetland.

Key words: Hengshui Lake; aquatic plants; water purification; nitrogen and phosphorus; eutrophication

(責(zé)任編校:李建明 英文校對(duì):吳秀蘭)

第24頁(yè)

第 25 卷 第 4 期 衡水學(xué)院學(xué)報(bào) Vol. 25, No.4

2023 年 8 月 Journal of Hengshui University Aug. 2023

基于濕度分區(qū)的線性擬合臭氧濃度預(yù)測(cè)方法

劉建曉 a,b,王 悅 c,孟令輝 a,魏淑珍 b

(衡水學(xué)院 a. 電子信息工程學(xué)院;b. 河北省濕地保護(hù)與綠色發(fā)展協(xié)同創(chuàng)新中心;c. 生命科學(xué)學(xué)院,

河北 衡水 053000)

摘 要:為獲取當(dāng)?shù)爻粞跖c氣象條件的關(guān)系,根據(jù)衡水市臭氧濃度變化特征和衡水超級(jí)站實(shí)測(cè)數(shù)據(jù),提

出一種基于濕度分區(qū)線性擬合的臭氧濃度預(yù)測(cè)方法。根據(jù)歷史實(shí)測(cè)數(shù)據(jù),建立了一年前的臭氧-濕度散點(diǎn)

圖。由于臭氧濃度分布不符合高斯分布特征,可將濕度區(qū)間劃分為若干個(gè)線性區(qū)域,在每個(gè)線性區(qū)域?qū)?/p>

臭氧數(shù)據(jù)進(jìn)行多元函數(shù)擬合,建立臭氧數(shù)據(jù)與氣象條件的線性關(guān)系,比較測(cè)試樣本數(shù)據(jù)和分區(qū)數(shù)據(jù)的歐

式距離,按照歐式距離的最小值對(duì)樣本數(shù)據(jù)進(jìn)行分區(qū)。將建立的分區(qū)模型應(yīng)用于樣本數(shù)據(jù)集,得到樣本

數(shù)據(jù)個(gè)數(shù)對(duì)應(yīng)的臭氧濃度。通過氣象條件分析,最終選擇溫度和濕度兩個(gè)變量作為預(yù)測(cè)條件,取得了良

好的預(yù)測(cè)效果。

關(guān)鍵詞:臭氧;濕度;分區(qū);線性回歸;預(yù)測(cè)

DOI:10.3969/j.issn.1673-2065.2023.04.003

作者簡(jiǎn)介:劉建曉,男,河北衡水人,講師,博士;

王 悅,女,河北衡水人,副教授,博士。

通信作者:魏淑珍,女,河北武邑人,教授。Email:weishuzhen66@163.com

基金項(xiàng)目:衡水市科技計(jì)劃項(xiàng)目(2021014006Z);衡水學(xué)院院級(jí)項(xiàng)目(2021ZR27)

中圖分類號(hào):X820.4; X513 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1673-2065(2023)01-0013-08

收稿日期:2022-08-15

0 引言

臭氧(O3)是自然大氣中的重要組分,在全球氣候變化和大氣環(huán)境中扮演重要角色。有研究表明對(duì)

流層中的臭氧 48%來(lái)源于光化學(xué)反應(yīng),29%來(lái)源于區(qū)域外傳輸,23%來(lái)源于平流層[1]。一般認(rèn)為平流層臭

氧是由氧氣分子受紫外照射生成,能強(qiáng)烈吸收太陽(yáng)紫外輻射,對(duì)地球上的動(dòng)植物起保護(hù)作用。本地生成

臭氧主要存在于近地面對(duì)流層當(dāng)中,是人類活動(dòng)所排放的氮氧化物(NOx)和揮發(fā)性有機(jī)物(VOCs)等

前體物在光化學(xué)反應(yīng)下的產(chǎn)物。高濃度的對(duì)流層臭氧將引發(fā)城市光化學(xué)煙霧,還會(huì)影響人類健康。近年

來(lái),大氣污染由氣溶膠污染逐漸向光化學(xué)污染過渡,臭氧污染已經(jīng)成為政府和公眾關(guān)注的主要問題[2]。如

何有效預(yù)測(cè)臭氧濃度,提前預(yù)知臭氧風(fēng)險(xiǎn),預(yù)防臭氧污染已成為大氣污染研究中的重要課題。

大量學(xué)者就臭氧濃度與氣象條件之間的關(guān)系開展了相關(guān)研究[3-8]。姚青等[9]對(duì)天津城區(qū)夏季臭氧濃度與

氣象因素的相關(guān)性進(jìn)行了研究,初步建立了預(yù)測(cè)地面臭氧濃度的氣象學(xué)方法。研究表明臭氧濃度的主要影

響因素為氣溫、相對(duì)濕度、風(fēng)速和風(fēng)向。王玫等[10]的研究表明,氣象要素對(duì)臭氧的影響具有明顯的季節(jié)差

異,春、夏和秋季溫度是主要影響因素,冬季相對(duì)濕度和風(fēng)速為主要影響因素。詹宇、丁愫等[11-12]采用隨

機(jī)森林算法對(duì)我國(guó)近地面 O3 進(jìn)行了估算,估算精度為 R

2 = 0.69,給出了分類回歸樹(CART),隨機(jī)森林

(RF)和 M5 模型樹(M5)等方法在代表月份的臭氧逐小時(shí)預(yù)報(bào)值和觀測(cè)值。杜云松等[13]利用 2015 年成

都地區(qū)氣溫和臭氧的資料,結(jié)合日最大氣溫和氣溫差等指標(biāo)構(gòu)建了臭氧濃度的氣溫單因子預(yù)測(cè)方法。

W Geoffrey Cobourn 等提出一種混合非線性回歸模型(NLR)用于預(yù)測(cè)第二天的臭氧最大 1-hr 平均濃度,

得到了與神經(jīng)網(wǎng)絡(luò)模型(NN)幾乎相同的結(jié)果。通過兩個(gè)季度臭氧數(shù)據(jù)的測(cè)試,結(jié)果顯示,模型平均絕對(duì)

第25頁(yè)

14 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

誤差約為 12.5 ppb[14]。史霖等則對(duì)臭氧最大 8-hr 平均濃度建立了線性回歸方程。結(jié)果表明,采用 14 時(shí)氣

溫、相對(duì)濕度和風(fēng)速作為擬合參數(shù),模擬值與實(shí)測(cè)值吻合更好[15]。研究發(fā)現(xiàn),污染物預(yù)測(cè)方法大體可分為

兩類:一類是基于大氣動(dòng)力學(xué)方程的數(shù)值模式預(yù)測(cè)方法,該方法需要在給定氣象條件、污染排放清單以及

初始條件下求解一系列偏微分方程組來(lái)模擬大氣中的物理化學(xué)過程,預(yù)報(bào)污染物濃度的時(shí)空分布特征;另

一類是根據(jù)歷史數(shù)據(jù),采用統(tǒng)計(jì)學(xué)的方法建立預(yù)測(cè)模型,實(shí)現(xiàn)對(duì)污染物濃度的預(yù)測(cè)[16-18]。采用統(tǒng)計(jì)學(xué)的方

法計(jì)算量小,輸入數(shù)據(jù)也均為采集到的真實(shí)數(shù)據(jù),因此預(yù)測(cè)也更加準(zhǔn)確。

本文通過對(duì) 2021 年衡水超站臭氧數(shù)據(jù)的分析,建立了臭氧與氣象條件之間的關(guān)系,提出了一種基于

濕度分段線性擬合的臭氧時(shí)序預(yù)測(cè)方法,可根據(jù)氣象預(yù)報(bào)中的溫、濕度數(shù)據(jù)預(yù)測(cè)未來(lái)若干天的臭氧濃度

時(shí)間序列。該研究是衡水市大氣超級(jí)站立體監(jiān)測(cè)網(wǎng)大數(shù)據(jù)平臺(tái)的應(yīng)用之一。運(yùn)用本文方法對(duì)衡水市臭氧

濃度進(jìn)行了較為準(zhǔn)確的預(yù)測(cè),為臭氧控制提供了保障。

1 研究數(shù)據(jù)及計(jì)算方法

1.1 研究區(qū)域概況

衡水市位于河北省東南部,地理范圍介于東經(jīng) 115°10′ ~ 116°34′,北緯 37°03′ ~ 38°23′之間,屬大陸

季風(fēng)氣候區(qū),半溫暖半干旱型,四季分明,冷暖干濕差異較大。年平均氣溫 12.6 ℃,平均日照時(shí)間 3.8 ~

4.45 h,年平均降水量 400 ~ 530 mm。衡水市為京津冀重要節(jié)點(diǎn)城市,工業(yè)主要以工程橡膠和金屬制品為

主,工業(yè)生產(chǎn)的廢氣對(duì)衡水市大氣造成了一定的影響。近年來(lái),隨著環(huán)保意識(shí)的增強(qiáng),衡水市在大氣污

染防治方面取得了顯著成效。根據(jù) 2021 年衡水市環(huán)境質(zhì)量狀況公報(bào)顯示,衡水市 2021 年綜合指數(shù)值為

4.43,同比 2020 年下降了 15.1%。達(dá)標(biāo)天數(shù)為 257 天,同比 2020 年增加了 19 天。

1.2 數(shù)據(jù)來(lái)源及預(yù)處理

臭氧及氣象數(shù)據(jù)來(lái)源于衡水市大氣超級(jí)站立體監(jiān)測(cè)系統(tǒng)。系統(tǒng)包含一個(gè)中心站和三個(gè)邊界站,其中

中心站位于衡水學(xué)院,三個(gè)邊界站分別位于棗強(qiáng)縣大營(yíng)中學(xué)、冀州區(qū)北漳淮中學(xué)和安平縣北郭中學(xué)。該

大氣監(jiān)測(cè)體系可實(shí)時(shí)監(jiān)控包括氣象條件、常規(guī) 6 參數(shù)、重金屬元素、EC、OC 以及 VOCs 等污染物濃

度。本研究以 2021 年衡水學(xué)院站點(diǎn)的全年臭氧濃度和氣象條件數(shù)據(jù)作為數(shù)值模型的訓(xùn)練數(shù)據(jù)集。利用

2020 年 12 月和 2022 年 1 月逐小時(shí)監(jiān)測(cè)數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證。2021 年數(shù)據(jù)在進(jìn)行建模之前首先進(jìn)行質(zhì)量

控制,剔除明顯異常數(shù)據(jù)及空白數(shù)據(jù)。

數(shù)據(jù)集中污染物為臭氧,氣象條件包括溫度、相對(duì)濕度、氣壓、風(fēng)向和風(fēng)速。臭氧濃度單位為

?g·m-3,溫度為℃,相對(duì)濕度為%,氣壓為 kPa,風(fēng)向以與正北方向夾角的形式記錄,單位為°,風(fēng)速為

m/s。將所需數(shù)據(jù)按列排列,時(shí)間為行,存放于二維數(shù)據(jù)表中。

1.3 濕度分區(qū)線性擬合方法

將全年臭氧濃度與氣象條件分別做線性回歸,找到與臭氧濃度相關(guān)性較高的變量。表 1 為臭氧濃度

與氣象條件之間的相關(guān)系數(shù)。可知,臭氧濃度與溫度相關(guān)系數(shù)最高,因此模型中將溫度作為主要變量。

而其他氣象條件在整體數(shù)據(jù)集中與臭氧的相關(guān)性并不明顯。

表 1 臭氧濃度與氣象條件的相關(guān)性

臭氧 太陽(yáng)輻射 濕度 氣壓 溫度 風(fēng)向 風(fēng)速

臭氧 1.000 0.451*** -0.169*** -0.564*** 0.747*** -0.074*** 0.236***

太陽(yáng)輻射 1.000 -0.316*** -0.182*** 0.362*** 0.154*** 0.319***

濕度 1.000 -0.196*** 0.135*** -0.123*** -0.281***

氣壓 1.000 -0.840*** 0.0144 -0.057***

溫度 1.000 -0.098*** 0.0443***

風(fēng)向 1.000 0.066***

風(fēng)速 1.000

注:n=7987,***表示顯著性水平為 0.01。

第26頁(yè)

第 4 期 劉建曉,等 基于濕度分區(qū)的線性擬合臭氧濃度預(yù)測(cè)方法 15

圖 1 為以訓(xùn)練數(shù)據(jù)集中溫度和臭氧所繪制的散點(diǎn)圖。圖中分別采用線性擬合和指數(shù)擬合兩種方式進(jìn)

行建模。圖中指數(shù)模型的擬合度 R

2 = 0.6325,線性模型為 R

2 = 0.558??芍?,指數(shù)模型的擬合度比線性模

型稍高,兩種模型均表示臭氧濃度與溫度正相關(guān)。若將該數(shù)據(jù)集分為兩部分,分別進(jìn)行線性回歸,則線

性模型的擬合度可進(jìn)一步提高,如圖中的虛線所示。因此,通過一定的分類方法將訓(xùn)練數(shù)據(jù)集進(jìn)行分

類,可以提高臭氧與氣象條件的相關(guān)性。

圖 2 為濕度與臭氧所繪制的散點(diǎn)圖,圖中可知,臭氧濃度隨濕度增加呈現(xiàn)出下降趨勢(shì)。臭氧最大濃

度出現(xiàn)在相對(duì)濕度在 37% ~ 55%之間。并且在每一處濕度值附近臭氧濃度變化非常大,如在濕度為 37%

時(shí),臭氧濃度在 2 ~ 305 g/m3 之間變化。因此全年臭氧濃度與濕度之間很難找到一種合適的擬合模型。如

果將臭氧數(shù)據(jù)按照濕度的變化趨勢(shì)進(jìn)行分塊處理,臭氧與濕度之間的相關(guān)性將大為提高。這里沿臭氧數(shù)

據(jù)集的變化趨勢(shì)分為 8 部分,這樣在每一個(gè)分區(qū)內(nèi),臭氧變化范圍介于相鄰兩條邊界線之間,即

? ? ? ? y k x , (1)

其中 k 為虛線斜率,

?x

表示相鄰兩條虛線之間的濕度變化,

?y

表示相應(yīng)的臭氧濃度變化。因此,在每

一個(gè)分區(qū)里,臭氧濃度與濕度之間存在很好的線性關(guān)系。

圖 1 全年溫度-臭氧散點(diǎn)圖 圖 2 全年相對(duì)濕度-臭氧散點(diǎn)數(shù)據(jù)

圖 3 顯示了將全年臭氧-濕度散點(diǎn)圖分成 8 個(gè)分區(qū)后的線性回歸模型。由圖可知,這種分區(qū)方法中每

一部分的臭氧濃度與濕度之間的相關(guān)性都較高。除了 Part8 的 R

2 = 0.6148,小于 0.8 以外,其余七個(gè)分區(qū)

的 R

2都在 0.8 以上。圖 4 為 8 個(gè)分區(qū)的臭氧-溫度散點(diǎn)分布??芍?,除第 7 分區(qū)和第 8 分區(qū)的 R

2 = 0.4259

和 R

2 = 0.2309,小于 0.5 以外,其他 6 個(gè)分區(qū)后的臭氧濃度與溫度之間的相關(guān)系數(shù)均在 0.5 以上,最高為

0.6454,表明分區(qū)后臭氧濃度與溫度之間存在線性關(guān)系。而其他氣象條件與臭氧之間沒有表現(xiàn)出較好的相

關(guān)性,因此將忽略這些變量只建立臭氧與溫、濕度之間的線性回歸模型。

按分區(qū)結(jié)果,將臭氧濃度與溫度、濕度進(jìn)行多元線性回歸,得到回歸系數(shù)矩陣

A

,其中

A ? ?A A A A A A A A 1 2 3 4 5 6 7 8 , , , , , , , ?。 (2)

Ai?1~8

表示每個(gè)分區(qū)的擬合系數(shù)。

Ai

中包括三個(gè)參數(shù),分別為 a0,i,a1,i和 a2,i,即,在每個(gè)分區(qū)中

臭氧濃度 = a0,I + a1,I ×(濕度)+ a2,I ×(溫度)。 (3)

根據(jù)數(shù)據(jù)集建立起臭氧與溫、濕度之間的線性模型。圖 5 為該模型的擬合結(jié)果與測(cè)量數(shù)據(jù)之間的對(duì)

比,可知,該模型的擬合結(jié)果與測(cè)量值之間吻合較好。

第27頁(yè)

16 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

圖 3 按濕度分為 8 個(gè)分區(qū)后的濕度-臭氧散點(diǎn)

在每一個(gè)分區(qū)內(nèi)臭氧濃度只是溫度和濕度的函數(shù),在確定了臭氧濃度所在的分區(qū)后,就可以將臭氧

濃度通過(3)式計(jì)算出來(lái)。將每一個(gè)分區(qū)按 1—8 的順序進(jìn)行標(biāo)號(hào),繪制線性回歸模型的溫度-濕度散點(diǎn)

分布圖,如圖 6 所示。圖中通過不同顏色標(biāo)記了不同分區(qū)。同時(shí)根據(jù)測(cè)試樣品數(shù)據(jù)集的濕度和溫度數(shù)據(jù)

繪制散點(diǎn)圖,如圖中的白色圈所示。根據(jù)白色圈在模型數(shù)據(jù)中的位置關(guān)系判斷白色圈所屬的分區(qū)。由溫

度-濕度散點(diǎn)圖可知,相鄰兩個(gè),甚至三個(gè)分區(qū)之間存在交叉的情況。通過計(jì)算白圈與各分區(qū)之間的歐式

距離,找到與之臨近的兩個(gè)或三個(gè)分區(qū)對(duì)白圈進(jìn)行模糊分類。分類標(biāo)準(zhǔn)為:

2 2 min ( +( k k ? ? i j ? ? ? ? 溫度 ) 濕度 ) (4)

2 2 min ( +( k ki k ki i j ? ? ? ? ? ? ? ? 溫度 ) 濕度 ) , (5)

(4)式表示找到與每一個(gè)白圈距離最近的分區(qū),(5)式表示找到與每一個(gè)白圈距離次近的分區(qū)。同樣

的道理,還可以找到與每一個(gè)白圈距離第三近的分區(qū)。其中 i,j 表示白圈測(cè)試集中任意一數(shù)據(jù)的坐標(biāo),k

第28頁(yè)

第 4 期 劉建曉,等 基于濕度分區(qū)的線性擬合臭氧濃度預(yù)測(cè)方法 17

表示模型不同分區(qū)中的第 k 個(gè)數(shù)據(jù),ki 表示模型中與白圈最近分區(qū)中的數(shù)據(jù)坐標(biāo)。按上述方法將白圈進(jìn)

行分類。

圖 4 按濕度分區(qū)后的溫度-臭氧散點(diǎn)分布

圖 5 2021 年全年臭氧擬合結(jié)果 圖 6 2021 年溫度濕度散點(diǎn)數(shù)據(jù)及分類結(jié)果

第29頁(yè)

18 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

圖 7 為根據(jù)(4)式進(jìn)行判定后,所得到的樣品數(shù)據(jù)的在 8 個(gè)分區(qū)中的分布情況。同理,再根據(jù)

(5)式進(jìn)行判定將樣品進(jìn)行分區(qū)。這樣測(cè)試樣品中的每一個(gè)數(shù)據(jù)被分在了最可能出現(xiàn)的兩個(gè)分區(qū)。分別

按照(3)式計(jì)算臭氧濃度預(yù)測(cè)值。在不考慮突發(fā)狀況時(shí),假設(shè)相鄰臭氧數(shù)據(jù)之間的變化是連續(xù)變化的,

且只是溫度和濕度的函數(shù),則正確被分區(qū)的臭氧濃度預(yù)測(cè)結(jié)果與前一狀態(tài)的臭氧濃度真值相比變化最

小。將兩種分類結(jié)果預(yù)測(cè)數(shù)據(jù)中變化較小的結(jié)果作為下一時(shí)刻的預(yù)測(cè)值,重復(fù)以上操作,預(yù)測(cè)完所有數(shù)

據(jù),最終根據(jù)溫、濕度數(shù)據(jù)得到相應(yīng)時(shí)刻的臭氧預(yù)測(cè)值。

2 結(jié)果分析

圖 8 和圖 9 為采用本文方法預(yù)測(cè)的臭氧濃度與實(shí)測(cè)臭氧 1 小時(shí)濃度的對(duì)比。其中,圖 8 為以 2020 年

12 月衡水超站開始正常運(yùn)行時(shí)的監(jiān)測(cè)數(shù)據(jù)作為測(cè)試數(shù)據(jù)集與模型預(yù)測(cè)結(jié)果的比較。圖 9 為 2022 年的實(shí)測(cè)數(shù)

據(jù)與預(yù)測(cè)數(shù)據(jù)的比較。由圖中結(jié)果可知,采用 2021 年的數(shù)據(jù)作為線性回歸模型,預(yù)測(cè)與之相鄰年份的臭氧

濃度,能夠比較準(zhǔn)確地描述臭氧濃度的周期性變化,同時(shí)對(duì)臭氧濃度峰值也能比較準(zhǔn)確地做出預(yù)測(cè)。

圖 7 預(yù)測(cè)樣本按溫度濕度分布所得的分類結(jié)果

圖 8 2020 年 12 月臭氧預(yù)測(cè)與實(shí)測(cè)對(duì)比 圖 9 2022 年 1 月臭氧預(yù)測(cè)與實(shí)測(cè)對(duì)比

表 2 和表 3 列出了單日臭氧峰值濃度預(yù)測(cè)數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)之間的比較,給出了臭氧濃度預(yù)測(cè)值與測(cè)

量值之間的絕對(duì)誤差和相對(duì)誤差。12 月份的預(yù)測(cè)數(shù)據(jù)共有 12 天,其中相對(duì)誤差小于 30%的共有 8 天,占

預(yù)測(cè)總天數(shù)的 66.7%,平均相對(duì)誤差為 33.87%。1 月份的預(yù)測(cè)數(shù)據(jù)共有 27 天,其中相對(duì)誤差小于 30%的

共有 19 天,占預(yù)測(cè)總天數(shù)的 70.4%,平均相對(duì)誤差為 25.04%。

表 2 12 月份臭氧濃度預(yù)測(cè)數(shù)據(jù)與測(cè)量值的比較 單位:?g·m-3

日期 16 17 18 19 20 21 22 23 24 25 26 27

實(shí)測(cè) 42 64 73 48 56 65 80 75 63 54 33 24

預(yù)測(cè) 45 60 48 34 34 61 76 69 42 62 31 76

絕對(duì)誤差 abs 3 4 25 14 22 4 4 6 21 8 2 52

相對(duì)誤差/% 7.11 6.3 34.3 29.2 39.3 6.2 5.0 8.0 33.3 14.9 6.1 216.7

第30頁(yè)

第 4 期 劉建曉,等 基于濕度分區(qū)的線性擬合臭氧濃度預(yù)測(cè)方法 19

表 3 1 月份臭氧濃度預(yù)測(cè)數(shù)據(jù)與測(cè)量值的比較 單位:?g·m-3

日期 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

實(shí)測(cè) 50 60 58 59 48 43 32 29 48 — 61 — 74 87 70 87

預(yù)測(cè) 70 64 79 74 48 49 39 48 52 44 67 58 74 61 67 58

絕對(duì)誤差 abs 20 4 21 15 0 6 7 19 4 — 6 — 0 16 3 29

相對(duì)誤差/% 40.0 6.6 36.2 25.4 0 14.0 21.9 65.5 8.3 — 9.8 — 0 18.4 4.3 33.3

日期 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

實(shí)測(cè) 81 110 69 77 51 37 55 — — 83 92 92 115 130 107

預(yù)測(cè) 63 80 89 68 44 42 42 44 37 28 63 83 48 53 135

絕對(duì)誤差 abs 18 30 20 9 7 5 13 — — 55 29 9 67 77 28

相對(duì)誤差/% 22.2 27.3 29.0 11.7 13.7 13.5 23.6 — — 66.3 31.5 9.8 58.3 59.2 26.2

3 結(jié)論

臭氧濃度與氣象條件之間存在相關(guān)性,研究氣象參數(shù)與臭氧濃度之間的關(guān)系對(duì)城市臭氧污染防治具

有積極意義。一般認(rèn)為高濃度臭氧的生成是多種因素綜合作用的結(jié)果,因此預(yù)測(cè)臭氧濃度需要預(yù)知多項(xiàng)

參數(shù)。本文的分區(qū)預(yù)測(cè)方法,采用溫度和濕度作為多元函數(shù)的輸入?yún)?shù),為臭氧預(yù)測(cè)提供了一種簡(jiǎn)潔的

方法。預(yù)測(cè)準(zhǔn)確的關(guān)鍵在于對(duì)每一對(duì)溫度、濕度散點(diǎn)進(jìn)行正確的分區(qū)。本研究中采用樣品散點(diǎn)與模型分

區(qū)之間的歐氏距離進(jìn)行判斷,確定分區(qū),選擇回歸模型,得到臭氧預(yù)測(cè)濃度。該方法簡(jiǎn)單有效,輸入?yún)?/p>

數(shù)少,在污染預(yù)報(bào)中具有一定的優(yōu)勢(shì)。

參考文獻(xiàn):

[1] SUDO K, AKIMOTO H. Global source attribution of tropospheric ozone:Long-range transport from various source

regions[J].Journal of Geophysical Research Atmospheres,2007,112,D12302.

[2] 王磊,劉端陽(yáng),韓桂榮,等.南京地區(qū)近地面臭氧濃度與氣象條件關(guān)系研究[J].環(huán)境科學(xué)學(xué)報(bào),2018(4):1285-1296.

[3] 曹小聰,吳曉晨,徐文帥.三亞市大氣 VOCs 污染特征,臭氧生成潛勢(shì)及來(lái)源解析[J].環(huán)境科學(xué)研究,

2021,34(8):1812-1824.

[4] 余益軍,孟曉艷,王振,等.京津冀地區(qū)城市臭氧污染趨勢(shì)及原因探討[J].環(huán)境科學(xué),2020,41(1):106-114.

[5] 吳鍇,康平,王占山,等.成都市臭氧污染特征及氣象成因研究[J].環(huán)境科學(xué)學(xué)報(bào),2017,37(11):4241-4252.

[6] 吳鍇,康平,于雷,等 2015—2016 年中國(guó)城市臭氧濃度時(shí)空變化規(guī)律研究[J].環(huán)境科學(xué)學(xué)報(bào),2018(6):2179-2190.

[7] LI R, CUI L, FU H, et al.Satellite-based estimation of full-coverage ozone (O3) concentration and health effect

assessment across Hainan Island [J].Journal of Cleaner Production,2020,244:118773.

[8] SONG C, LIU B, DAI Q, et al.Temperature dependence and source apportionment of volatile organic compounds

(VOCs) at an urban site on the North China Plain[J].Atmospheric Environment,2019,207:167-181.

[9] 姚青,孫玫玲,劉愛霞.天津臭氧濃度與氣象因素的相關(guān)性及其預(yù)測(cè)方法[J].生態(tài)環(huán)境學(xué)報(bào),2009(6):2206-2210.

[10] 王玫,鄭有飛,柳艷菊,等.京津冀臭氧變化特征及與氣象要素的關(guān)系[J].中國(guó)環(huán)境科學(xué),2019(7):2689-2698.

[11] ZHAN Y, LUO Y, DENG X, et al.Spatiotemporal prediction of daily ambient ozone levels across China using

random forest for human exposure assessment[J].Environmental Pollution,2018,233:464-473.

[12] 丁愫,陳報(bào)章,王瑾,等.基于決策樹的統(tǒng)計(jì)預(yù)報(bào)模型在臭氧濃度時(shí)空分布預(yù)測(cè)中的應(yīng)用研究[J].環(huán)境科學(xué)學(xué)

報(bào),2018,38(8):3229-3242.

[13] 杜云松,羅彬,陳建文,等.氣溫在成都地區(qū)臭氧預(yù)報(bào)的運(yùn)用研究[J].環(huán)境科學(xué)與技術(shù),2017(S1):329-334.

[14] COBOURN W G, DOLCINE L, FRENCH M, et al.A comparison of nonlinear regression and neural network

models for ground-level ozone forecasting[J].Air Repair,2000,50(11):1999-2009.

[15] 史霖,王建英,楊軍,等.銀川市臭氧濃度與氣象要素的相關(guān)性及其預(yù)測(cè)方法研究[J].環(huán)境科學(xué)與管理,

2020(4):125-128.

[16] 蔡旺華.運(yùn)用機(jī)器學(xué)習(xí)方法預(yù)測(cè)空氣中臭氧濃度[J].中國(guó)環(huán)境管理,2018,10(2):78-84.

[17] 梁卓然,顧婷婷,楊續(xù)超,等.基于環(huán)流分型法的地面臭氧預(yù)測(cè)模型[J].中國(guó)環(huán)境科學(xué),2017,37(12):4469-4479.

[18] 談建國(guó),陸國(guó)良,耿福海,等.上海夏季近地面臭氧濃度及其相關(guān)氣象因子的分析和預(yù)報(bào)[J].熱帶氣象學(xué)

報(bào),2007,23(5):515-520. (下轉(zhuǎn)第 77 頁(yè))

第31頁(yè)

第 25 卷 第 4 期 衡水學(xué)院學(xué)報(bào) Vol. 25, No.4

2023 年 8 月 Journal of Hengshui University Aug. 2023

變分自編碼器低質(zhì)量數(shù)據(jù)生成原因剖析

張建光 1,郭雙樂 2,曹吉朋 3,左瑞龍 3,齊長(zhǎng)志 3

(1. 衡水學(xué)院 數(shù)學(xué)與計(jì)算機(jī)學(xué)院,河北 衡水 053000;

2. 濱州學(xué)院 信息工程學(xué)院,山東 濱州 256600;

3. 河北省基礎(chǔ)教育信息化技術(shù)創(chuàng)新中心,河北鑫考科技股份有限公司,河北 衡水 053000)

摘 要:從數(shù)學(xué)角度對(duì)變分自編碼器目標(biāo)函數(shù)下界和網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了研究,指出變分自編碼器所生成的

樣本質(zhì)量低的兩個(gè)原因:1)由于識(shí)別模型

q z x ? ? | ?

表達(dá)能力的限制使得后驗(yàn)分布

p z x ? ? | ?

偏離目標(biāo)分布,

導(dǎo)致最大化證據(jù)下限時(shí)沒有能夠保證最大化對(duì)數(shù)似然;2)變分自編碼器中條件分布

p x z ? ? | ?

對(duì)應(yīng)的網(wǎng)絡(luò)

結(jié)構(gòu)把生成數(shù)據(jù)

x

和隱變量

z

之間的概率依賴關(guān)系近似為函數(shù)依賴關(guān)系,即把一個(gè)顯示概率生成模型用

一個(gè)隱式概率生成模型來(lái)近似實(shí)現(xiàn)。該結(jié)論為進(jìn)一步研究和改進(jìn)變分自編碼器以及設(shè)計(jì)其他生成模型提

供了理論支撐。

關(guān)鍵詞:變分自編碼器,生成模型,重參數(shù)化

DOI:10.3969/j.issn.1673-2065.2023.04.004

作者簡(jiǎn)介:張建光,男,河北衡水人,副教授,博士;

通信作者:郭雙樂,男,河北衡水人,講師,博士。

基金項(xiàng)目:河北省自然科學(xué)基金(F2020111001);國(guó)家自然科學(xué)基金(61702165);教育部人文社科青年基金

(18YJCZH129);河北省自然科學(xué)基金(F2016111005);衡水學(xué)院高層次人才科研啟動(dòng)基金項(xiàng)目

(2021GC17);衡水學(xué)院校內(nèi)非實(shí)體性研究機(jī)構(gòu)項(xiàng)目(2021yj18)

中圖分類號(hào):TP389.1 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1673-2065(2023)04-0020-05

收稿日期:2022-11-26

0 引言

監(jiān)督學(xué)習(xí)方法按照決策邊界的確定過程不同可以分為生成方法和判別方法,這兩種方法所確定的模

型分別稱為生成模型和判別模型[1]。生成方法通過學(xué)習(xí)數(shù)據(jù)的聯(lián)合分布實(shí)現(xiàn)了對(duì)數(shù)據(jù)整體特征的把握,而

判別方法僅僅對(duì)數(shù)據(jù)的決策邊界進(jìn)行了學(xué)習(xí)。由于生成方法實(shí)現(xiàn)了對(duì)數(shù)據(jù)的聯(lián)合分布的學(xué)習(xí),所以基于

生成模型可以產(chǎn)生和已知的訓(xùn)練數(shù)據(jù)具有近似分布的樣本。近年來(lái)生成模型廣泛應(yīng)用于數(shù)據(jù)增強(qiáng)[2]、圖像

編輯[3]、數(shù)據(jù)修復(fù)[4]、圖像超分辨率[5]和信息安全[6]等諸多領(lǐng)域。

按照是否顯示的對(duì)生成數(shù)據(jù)的概率密度函數(shù)進(jìn)行定義,可以把生成模型分為顯示生成模型和隱式生

成模型兩大類[7]。顧名思義,顯示生成模型對(duì)概率密度函數(shù)進(jìn)行了顯示定義,而隱式生成模型則直接對(duì)生

成數(shù)據(jù)的隨機(jī)過程進(jìn)行了定義。當(dāng)前主流的顯示生成模型包括變分自編碼器(Variational Auto-Encoder,

VAE)[8]、流模型(Flow-based Model,F(xiàn)BM)[9-11]、能量模型(Energy-Based Model,EBM)[12-13]、自回

歸模型(Auto-Regressive Model,ARM)[14]和擴(kuò)散模型(Diffusion Model,DM)[15-16]等,而隱式生成模

型則以生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Net,GAN)[17]為典型代表。

變分自編碼器具有優(yōu)美的數(shù)學(xué)推理,其最大化證據(jù)下限思想也給當(dāng)前最為流行的概率擴(kuò)散生成模型

提供了借鑒。變分自編碼器具有強(qiáng)大的數(shù)據(jù)生成能力,其既可以有效地處理離散數(shù)據(jù),也可以處理連續(xù)

數(shù)據(jù)。盡管有以上優(yōu)點(diǎn),但是變分自編碼器也存在一些不足之處,其中最主要的缺點(diǎn)是生成樣本質(zhì)量低

第32頁(yè)

第 4 期 張建光,等 變分自編碼器低質(zhì)量數(shù)據(jù)生成原因剖析 21

下。本研究從數(shù)學(xué)角度對(duì)變分自編碼器的生成樣本質(zhì)量低下的原因進(jìn)行分析,為進(jìn)一步研究和改進(jìn)變分

自編碼器和設(shè)計(jì)其他生成模型提供理論支撐。

1 變分自編碼器

1.1 變分自編碼器數(shù)學(xué)描述

假設(shè)來(lái)自未知分布

pdata ? x?

的訓(xùn)練樣本集為

? ? 1

N

i

i?

x ,其中每個(gè)樣本

i

x

都是一個(gè)維向量,且這

N

個(gè)訓(xùn)

練樣本滿足獨(dú)立同分布。假設(shè)

n

維樣本是由一個(gè)

m

維隱變量

z

通過條件概率

p? ? x z| ?

產(chǎn)生,且

z z x 0 I p N ? ? ? ? ; , ? , 0

m

維零向量,

I

m

階單位方陣,一般情況下

n m ,?

為條件概率

p? ? x z| ?

的參數(shù)。則樣本對(duì)應(yīng)的邊緣分布為

p p d p p ? ? ? ? ? ? ? , | d ? ? ? ? ? ? ? ? x x z z x z z z , (1)

使用最大似然估計(jì)實(shí)現(xiàn)對(duì)最優(yōu)參數(shù)

?

的求解,也就是說(shuō)變分自編碼器的訓(xùn)練目標(biāo)是找到一個(gè)參數(shù)

*

? ,使

p * ? x? ?

以較高概率產(chǎn)生樣本集

? ? 1

N

i

i?

x ,用數(shù)學(xué)表達(dá)如下:

? ?

*

1 2 arg max log , , , N

? p?

?

? x x x , (2)

由訓(xùn)練樣本的獨(dú)立同分布性有

? 1 2 ? ? ? ? ?

1 1

log , , , log log

N N

N i i

i i

p p p

? ?

? ? ? x x x x x ? ? ? ? , (3)

由公式(1)可知邊緣分布

p? ? xi?

的求解涉及難以求解的積分運(yùn)算,從而導(dǎo)致問題(2)難以解決。文獻(xiàn)

[8]引入輔助分布

q? ?z x| ? ,其中

? ? ? ? ? ? ??

2

q N | ; , , , ?

z x z x x ? ? ? ? ? ,且

? ? x,? ?

m

維向量,

? ?

2 ? x,?

m

階方陣。其中

? ? x,? ?

的表達(dá)形式為:

? , , , , , , , ? ? 1 2 ? ? ? ? ? ??

T

? ? ? ? ?

m

x x x x ? ? ? ? , (4)

? ?

2 ? x,?

的表達(dá)形式為:

? ? ? ? ? ? ? ? ??

2 2 2 2

1 2 , , , , , , , m ? ? ? ? x x x x ? ? ? ? ? diag , (5)

通常

q? ?z x| ?

稱為識(shí)別模型(或稱為變分后驗(yàn)),?

為概率模型

q? ?z x| ?

的待定參數(shù)。

基于引入的識(shí)別模型

q? ?z x| ?

可以獲得對(duì)數(shù)似然函數(shù)

log p? ? xi?

的一個(gè)下界[8],

L p D q p ??, ; log | || | ? x x z x z x i i KL i i ? ? ? ? ? ? ? ? ? ? ? ? ?? , (6)

其 中 ,

L??, ; ? xi?

稱 為

logp? ? xi?

的 證 據(jù) 下 界 , D q p KL i i ? ? ? ?z x z x | || | ? ? ??

為 分 布

q? ?z x| ?

p? ?z x|

i?

之間的 KL 散度。變分自編碼器的訓(xùn)練策略試圖最大化其證據(jù)下界

L??, ; ? xi?

來(lái)獲得對(duì)數(shù)似然

項(xiàng)

log p? ? xi?

的最大化,即把問題(2)變換為以下問題:

? ?

*

1

arg max , ;

N

i

i

L

?

? ?

?

? ? ? x , (7)

為了便于問題優(yōu)化對(duì)公式(6)進(jìn)行如下變形:

L D q p q p ? , ; | || | | d ? i KL i i i ? ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? ?

? x z x z z x x z z , (8)

該式中第一項(xiàng)?D q p KL i ? ? ?z x z | || ? ? ??

為正則化項(xiàng),其保證了變分后驗(yàn)

q z x ? ? |

i?

和先驗(yàn)分布

p z? ?

的相

近性;第二項(xiàng)

q p ? | | d i i ? ? ? ?

z x x z z ? ?

為重構(gòu)損失,用來(lái)保證變分自編碼器的輸入和輸出的相似性。由于

第33頁(yè)

22 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

? ? ? ? ??

? ?

?? ? ?

? ?

? ?

? ?

? ?

2 2 2

1

1

| || 1 log

2

m

i i i

KL i j j j

j

D q p ? ? ?

?

? ? ? ? ? ? ? ? ? ? ?

z x z ? , (9)

公式(8)可進(jìn)一步化為如下形式:

? ?

? ?

?? ? ?

? ?

? ?

? ?

? ? ? ? ? ?

2 2 2

1

1

, ; 1 log | | d

2

m

i i i

i j j j i i

j

L q p ? ? ? ?

?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? x z x x z z , (10)

變分自編碼器的網(wǎng)絡(luò)設(shè)計(jì)和最終的損失函數(shù)設(shè)計(jì)都依據(jù)公式(9)進(jìn)行。

1.2 變分自編碼器的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)

變分自編碼器的網(wǎng)絡(luò)結(jié)構(gòu)如圖 1 所示。其由為編碼器(Encoder)和解碼器(Decoder)兩部分組成,

編碼器對(duì)變分后驗(yàn)分布

q? ?z x| ?

進(jìn)行了顯示實(shí)現(xiàn),而解碼器對(duì)條件概率

p? ? x z i

| ?

進(jìn)行了隱式實(shí)現(xiàn)。

圖 1 變分自編碼器的網(wǎng)絡(luò)結(jié)構(gòu)

編碼器以樣本

x

作為輸入,首先輸出該樣本對(duì)應(yīng)的變分后驗(yàn)分布

q? ?z x| ?

的對(duì)應(yīng)的均值

? ? ? x, ?

標(biāo)準(zhǔn)差

? ? ? x, ? ,之后使用重參數(shù)化(reparameterization)方法對(duì)隱變量

z

進(jìn)行采樣,從而實(shí)現(xiàn)了對(duì)輸入

樣本

x

的編碼。解碼器以隱變量

z

為輸入,輸出對(duì)該隱變量的解碼向量

x? 。

網(wǎng)絡(luò)訓(xùn)練時(shí),實(shí)現(xiàn)證據(jù)下界

L??, ; ? xi?

的最大化可以通過正則化項(xiàng)的最大化和重構(gòu)項(xiàng)的最大化來(lái)實(shí)

現(xiàn)。正則化項(xiàng)的最大化可以直接實(shí)現(xiàn),而重構(gòu)項(xiàng)

q p ? | | d i i ? ? ? ?

z x x z z ? ?

最大化由于涉及積分運(yùn)算導(dǎo)致求

解困難,變分自編碼器通過保證編碼器的輸入和解碼器的輸出的相近性來(lái)近似實(shí)現(xiàn)該重構(gòu)項(xiàng)的最大化。

2 變分自編碼器分析

2.1 變分自編碼器證據(jù)上界分析

變分自編碼器試圖通過優(yōu)化似然函數(shù)

log p? ? xi?

的證據(jù)上界

L??, ; ? xi?

來(lái)實(shí)現(xiàn)對(duì)該似然函數(shù)最大化,

從而保證邊緣分布

p? ? x?

和數(shù)據(jù)的真實(shí)分布

pdata ? x?

最大程度的近似,即

p p ? ? x x ? ? data ? ? 。此時(shí)有

? ?

? ?

? ?

? ? ? ?

? ?

? ? ? ?

? ?

, | |

|

i i i

i

i i data i

p p p p p

p

p p p

? ? ?

? ? ?

?

? ?

x z x z z x z z

z x

x x x

。 (11)

? ?

? ? ? ?

? ?

|

|

i

i

data i

p p

p

p

?

?

?

?

x z z

z x

x

, (12)

所以

p? ? x?

pdata ? x?

近似的必要條件是條件分布

p? ?z x|

i?

和條件分布

p?

? ?z x|

i?

的近似。

但是從公式(6)可以看出實(shí)現(xiàn)對(duì)

L??, ; ? xi?

除了要保證似然函數(shù)

log p? ? xi?

取得較大值,同時(shí)也要

保證

D q p KL i i ? ? ?z x z x | || | ? ? ??

取得較小值。

D q p KL i i ? ? ?z x z x | || | ? ? ??

取得較小值時(shí)會(huì)導(dǎo)致

p? ?z x|

i?

q? ?z x|

i?

的偏移,由于

q? ?z x|

i?

表達(dá)能力的限制會(huì)導(dǎo)致

p? ?z x|

i?

p?

? ?z x|

i?

偏離,從而會(huì)增大邊

緣分布

p? ? x?

和數(shù)據(jù)的真實(shí)分布

pdata ? x?

的差異。

第34頁(yè)

第 4 期 張建光,等 變分自編碼器低質(zhì)量數(shù)據(jù)生成原因剖析 23

綜上所述,導(dǎo)致

p? ? x?

生成的樣本質(zhì)量低的第一個(gè)原因是:由于識(shí)別模型

q? ?z x| ?

表達(dá)能力的限制

使得后驗(yàn)分布

p? ?z x| ?

偏離目標(biāo)分布,在最大化證據(jù)下限時(shí)沒有能夠保證最大化似然,從而導(dǎo)致了生成

樣本分布和訓(xùn)練樣本分布的差異。

2.2 變分自編碼器網(wǎng)絡(luò)結(jié)構(gòu)分析

由 1.2 節(jié)可知,為了使重構(gòu)項(xiàng)

q p ? | | d i i ? ? ? ?

z x x z z ? ?

最大化,解碼器對(duì)條件概率

p? ? x z| ?

進(jìn)行了

隱式實(shí)現(xiàn),即把

z

x

之間的概率依賴關(guān)系近似為函數(shù)依賴關(guān)系,設(shè)此時(shí)解碼器所確定的

z

x

之間關(guān)系

z x ? g? ? ? 。假設(shè)變分自編碼器的輸入為

i x ,輸出為

i x? ,此時(shí)的重構(gòu)損失為

i x

i x?

之間的差異,這

種差異可以用常見的損失函數(shù)如二元交叉熵、平方誤差等來(lái)描述。不失一般性,本文中的重構(gòu)損失使用

最小均方誤差來(lái)描述,即

? ? ? ?

2

,

rec i i i i l x x x x ? ?

? ? 。 (13)

在訓(xùn)練階段

z

是通過重參數(shù)化方法從訓(xùn)練樣本對(duì)應(yīng)的變分后驗(yàn)概率

q? ?z x| ?

中采樣來(lái)獲得。由于每個(gè)

訓(xùn)練樣本對(duì)應(yīng)的變分后驗(yàn)概率都是高斯分布,所以會(huì)出現(xiàn)不同樣本對(duì)應(yīng)的變分后驗(yàn)概率的支撐集混疊,從

而會(huì)出現(xiàn)同一個(gè)隱變量

z

會(huì)來(lái)自兩個(gè)不同的樣本的變分后驗(yàn)的情形。假設(shè)變分隱變量

z

同時(shí)來(lái)自不同的樣本

j

x

k

x ,設(shè)

z

經(jīng)過解碼器后的輸出向量為

x? ,在進(jìn)行參數(shù)優(yōu)化時(shí)需同時(shí)最小化以下兩式的值。

? ? ? ?

2

,

rec j j l x x x x ? ?

? ?

; (14)

? ? ? ?

2

,

rec k k l x x x x ? ?

? ? 。 (15)

此時(shí)會(huì)導(dǎo)致

x?

同時(shí)和

j

x

k

x

保持相似性,從而導(dǎo)致了

x?

和后兩者都不夠接近,在數(shù)據(jù)生成時(shí)會(huì)導(dǎo)

致生成數(shù)據(jù)的質(zhì)量低下,這種問題表現(xiàn)在圖像生成上則是生成圖像模糊。

綜上所述,變分自編碼器生成數(shù)據(jù)質(zhì)量低的第二個(gè)原因?yàn)椋航獯a器在實(shí)現(xiàn)

z

x

之間的關(guān)系時(shí)把概率

依賴關(guān)系近似為函數(shù)依賴關(guān)系,而編碼器以采樣的方式從變分后驗(yàn)概率中產(chǎn)生編碼向量

z ,由于不同樣本

的變分后驗(yàn)支撐集的混疊,從而出現(xiàn)同一編碼向量來(lái)自不同的訓(xùn)練樣本的情形,進(jìn)行優(yōu)化時(shí)使力圖使同

一編碼向量對(duì)應(yīng)多個(gè)訓(xùn)練樣本,從而導(dǎo)致便變分自編碼器生成數(shù)據(jù)質(zhì)量低。

3 結(jié)論

本文從數(shù)學(xué)角度對(duì)變分自編碼器的性能進(jìn)行了分析,指出其樣本生成質(zhì)量低的兩個(gè)原因:1)識(shí)別模

q? ?z x| ?

表達(dá)能力的限制使得后驗(yàn)分布

p? ? x z| ?

偏離目標(biāo)分布,所以在最大化證據(jù)下限時(shí)沒有能夠保證最

大化似然,從而導(dǎo)致了變分自編碼器生成的樣本分布與訓(xùn)練樣本的分布存在偏差;2)變分自編碼器中條

件分布

p? ? x z| ?

對(duì)應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)把數(shù)據(jù)

x

和隱變量

z

之間的概率依賴關(guān)系近似為函數(shù)依賴關(guān)系,導(dǎo)致了模

型訓(xùn)練時(shí)力圖使同一隱變量對(duì)應(yīng)的函數(shù)值對(duì)不同的訓(xùn)練樣本進(jìn)行近似,從而導(dǎo)致了生成樣本低下。在今

后的生成模型的設(shè)計(jì)和改進(jìn)中需要避開這兩個(gè)原因,從而生成高質(zhì)量數(shù)據(jù)。

參考文獻(xiàn):

[1] TU Z. Learning generative models via discriminative approaches[C]//2007 IEEE Conference on Computer

Vision and Pattern Recognition.IEEE,2007:1-8.

[2] CHEN X, DUAN Y, HOUTHOOFT R, et al. Infogan: Interpretable representation learning by information

maximizing generative adversarial nets[C]//Proceedings of the Advances in Neural Information Processing

Systems,2016:2172-2180.

[3] KARRAS T, LAINE S, AILA T. A style-based generator architecture for generative adversarial networks[C]//

Proceedings of the IEEE/CVF conference on computer vision and pattern recognition,2019:4401-4410.

[4] DENTON E, GROSS S, FERGUS R. Semi-supervised learning with context-conditional generative adversarial

networks[J]. arXiv preprint arXiv:1611.06430,2016.

[5] WANG X, YU K, WU S, et al. Esrgan: Enhanced super-resolution generative adversarial networks[M]//Lecture

第35頁(yè)

24 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

Notes in Computer Science. Cham:Springer International Publishing,2019:63-79.

[6] KIM J Y, BU S J, CHO S B. Zero-day malware detection using transferred generative adversarial networks based

on deep autoencoders[J].Information Sciences,2018,460:83-102.

[7] HU Z, YANG Z, Salakhutdinov R R, et al. Deep generative models with learnable knowledge constraints

[C]//Proceedings of the Advances in Neural Information Processing Systems,2018:10522–10533.

[8] KINGMA D P, Welling M. Auto-encoding variational bayes[J].arXiv preprint arXiv:1312.6114,2013.

[9] DINH L, KRUEGER D, BENGIO Y. Nice: Non-linear independent components estimation[J].arXiv preprint

arXiv:1410.8516,2014.

[10] DINH L, SOHL-DICKSTEIN J, BENGIO S. Density estimation using real nvp[J].arXiv preprint arXiv:

1605.08803,2016.

[11] KINGMA D P, DHARIWAL P. Glow: Generative flow with invertible 1x1 convolutions[C]//Proceedings of the

Advances in Neural Information Processing Systems,2018:10236-10245.

[12] LECUN Y, CHOPRA S, HADSELL R, et al. A tutorial on energy-based learning[C]//Proceedings of the Predicting

structured data,2006:191-246.

[13] GUTMANN M, HYV?RINEN A. Noise-contrastive estimation: A new estimation principle for unnormalized statistical models[C]//Proceedings of the thirteenth international conference on artificial intelligence and statistics.

JMLR Workshop and Conference Proceedings,2010:297-304.

[14] VAN DEN OORD A, KALCHBRENNER N, Kavukcuoglu K. Pixel recurrent neural networks[C]//International

conference on machine learning. PMLR,2016:1747-1756.

[15] HO J, JAIN A, ABBEEL P. Denoising diffusion probabilistic models[C]//Proceedings of the Advances in Neural

Information Processing Systems,2020:6840-6851.

[16] SONG J, MENG C, ERMON S. Denoising diffusion implicit models[J].arXiv preprint arXiv:2010.02502,2020.

[17] GOODFELLOW I, POUGET-ABADIE J, MIRZA M, et al. Generative adversarial networks[J].Communications

of the ACM,2020,63(11):139-144.

Reasons for the Low Quality Data Generation of the Variation Auto-encoder

ZHANG Jianguang1

, GUO Shuangle2

, CAO Jipeng3

, ZUO Ruilong3

, QI Changzhi3

(1. College of Mathematics and Computer Science, Hengshui University, Hengshui, Hebei 053000, China;

2. School of Information Engineering, Binzhou University, Binzhou, Shandong 256600, China;

3. Hebei Information Technology Innovation Center for Basic Education, Hebei Xinkao Technology Co.,

Ltd, Hengshui, Hebei 053000, China)

Abstract: The lower bound of the objective function and the network structure of the variation auto-encoder are studied

mathematically, and two reasons for the low quality data generated by the variation auto-encoder are analyzed as follows: 1)

Due to the limitation of the expression ability of the recognition model

q z x ? ? | ?

, the posterior distribution

p z x ? ? | ?

deviates from the target distribution, which results in the failure to ensure the maximum likelihood when maximizing the

evidence lower bound; 2) In the variation auto-encoder, the network structure of the conditional distribution

p x z ? ? | ?

approximates the probability dependency between generation data

x

and implicit variable

z

to a functional dependency,

that is, an explicit probability generation model is approximated by an implicit probability model. These conclusions provide

theoretical basis for further research and improvement of the variation auto-encoders and design of other generation models.

Key words: variation auto-encoder; generative model; reparametrization

(責(zé)任編校:李建明 英文校對(duì):吳秀蘭)

第36頁(yè)

第 25 卷 第 4 期 衡水學(xué)院學(xué)報(bào) Vol. 25, No.4

2023 年 8 月 Journal of Hengshui University Aug. 2023

數(shù)字經(jīng)濟(jì)產(chǎn)出效率研究

——基于 30 個(gè)省份對(duì)比分析

趙燕娜 1,張家俊 2

(河北地質(zhì)大學(xué) 城市地質(zhì)與工程學(xué)院,河北省 石家莊 050031)

摘 要:運(yùn)用三階段 DEA 模型對(duì)我國(guó) 30 省份 2013—2020 年的數(shù)字經(jīng)濟(jì)產(chǎn)出效率進(jìn)行了測(cè)算,并運(yùn)用高

斯核密度估計(jì)對(duì)各地區(qū)數(shù)字經(jīng)濟(jì)產(chǎn)出效率變化趨勢(shì)進(jìn)行分析。結(jié)果表明:我國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率還有進(jìn)

步空間,規(guī)模效率是影響生產(chǎn)效率的主要因素;專利授權(quán)數(shù)、政府投入、勞動(dòng)力文化水平對(duì)產(chǎn)出效率具

有促進(jìn)作用;我國(guó)東南部地區(qū)數(shù)字經(jīng)濟(jì)產(chǎn)出效率高,西北部地區(qū)產(chǎn)出效率較低;我國(guó)產(chǎn)出效率波動(dòng)頻

繁,但差異化呈現(xiàn)減小趨勢(shì)。對(duì)此,國(guó)家應(yīng)加強(qiáng)數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)相關(guān)人才培養(yǎng)投入,促進(jìn)各省份間數(shù)字經(jīng)

濟(jì)產(chǎn)業(yè)合作,加強(qiáng)研發(fā)投入,推動(dòng)技術(shù)創(chuàng)新,加快數(shù)字基礎(chǔ)設(shè)施的建設(shè),逐步提高數(shù)字經(jīng)濟(jì)產(chǎn)出效率。

關(guān)鍵詞:三階段 DEA;數(shù)字經(jīng)濟(jì);核密度估計(jì)

DOI:10.3969/j.issn.1673-2065.2023.04.005

作者簡(jiǎn)介:趙燕娜,女,河北石家莊人,教授,博士;

張家俊,男,廣東深圳人,碩士研究生。

中圖分類號(hào):F49 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1673-2065(2023)04-0025-07

收稿日期:2022-09-07

“數(shù)字經(jīng)濟(jì)”一詞最早起源于 1996 年,由 Don Tapscott 提出,數(shù)字經(jīng)濟(jì)是一種網(wǎng)絡(luò)智能時(shí)代的經(jīng)

濟(jì)。其本質(zhì)為“商品和服務(wù)以數(shù)字化形式進(jìn)行交易”。根據(jù) 2016 年杭州 G20 峰會(huì)上對(duì)數(shù)字經(jīng)濟(jì)內(nèi)涵的界

定及學(xué)者們對(duì)數(shù)字經(jīng)濟(jì)內(nèi)涵的研究,本研究將數(shù)字經(jīng)濟(jì)定義為“使數(shù)字知識(shí)和信息成為重要的生產(chǎn)要

素,并將現(xiàn)代信息網(wǎng)絡(luò)視為重要載體,以信息通信技術(shù)的有效使用作為效率提升和優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)的重要

動(dòng)力的新經(jīng)濟(jì)形態(tài)”。近年來(lái),隨著信息革命的深化,高新技術(shù)快速更迭,中國(guó)的數(shù)字經(jīng)濟(jì)已步入了蓬

勃發(fā)展時(shí)期,2020 年中國(guó)數(shù)字經(jīng)濟(jì)總量達(dá)到 39.2 萬(wàn)億元,排名全球第二,2020 年中國(guó)數(shù)字經(jīng)濟(jì)增速為

9.6%,排名全球第一位。數(shù)字經(jīng)濟(jì)占我國(guó) GDP 比例逐漸提高,2020 年提高至 38.6%[1],可見數(shù)字經(jīng)濟(jì)產(chǎn)

業(yè)在我國(guó)經(jīng)濟(jì)貢獻(xiàn)中的地位逐步提高,逐漸超越傳統(tǒng)產(chǎn)業(yè)成為支柱性產(chǎn)業(yè),成為穩(wěn)固我國(guó)世界第二大經(jīng)

濟(jì)體地位的核心力量。數(shù)字經(jīng)濟(jì)高速發(fā)展的同時(shí)也伴隨著一些問題:一是由于我國(guó)各地區(qū)經(jīng)濟(jì)發(fā)展水平

不同,數(shù)字化基礎(chǔ)設(shè)施完善程度各異,導(dǎo)致數(shù)字經(jīng)濟(jì)發(fā)展不平衡;二是因?yàn)閿?shù)字產(chǎn)業(yè)屬于新興產(chǎn)業(yè),各

地區(qū)經(jīng)營(yíng)管理模式處于探索階段,數(shù)字經(jīng)濟(jì)統(tǒng)籌協(xié)調(diào)能力及資源配置能力較弱,導(dǎo)致資源浪費(fèi)現(xiàn)象。探

究我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展過程中遇到的問題,并根據(jù)研究結(jié)果提出相應(yīng)的政策建議,對(duì)促進(jìn)我國(guó)數(shù)字經(jīng)濟(jì)發(fā)

展具有重要意義。

李英杰等[2]運(yùn)用熵值法對(duì)我國(guó) 2010—2018 年的數(shù)字經(jīng)濟(jì)發(fā)展水平進(jìn)行了測(cè)度,并結(jié)合灰色預(yù)測(cè)模型

對(duì)未來(lái)發(fā)展水平進(jìn)行預(yù)測(cè),錢海燕等[3]運(yùn)用熵值法測(cè)算浙江省數(shù)字經(jīng)濟(jì)發(fā)展水平并運(yùn)用 Tobit 模型對(duì)影響

因素進(jìn)行了研究,李研[4]運(yùn)用全要素生產(chǎn)指數(shù)測(cè)算我國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率,同時(shí)運(yùn)用基尼系數(shù)分析各地區(qū)

產(chǎn)出效率的差異程度,進(jìn)而通過核密度估計(jì)與莫蘭指數(shù)從時(shí)間與空間的角度分析變化趨勢(shì)。蔡昌等[5]運(yùn)用

DEA 模型與全要素生產(chǎn)率模型分別從靜態(tài)與動(dòng)態(tài)角度測(cè)算我國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率,研究表明產(chǎn)出效率受

到規(guī)模效率制約,且各省份產(chǎn)出效率存在一定差異。

第37頁(yè)

26 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

通過梳理文獻(xiàn)發(fā)現(xiàn),國(guó)內(nèi)學(xué)者在數(shù)字經(jīng)濟(jì)的概念、發(fā)展水平測(cè)度方面的研究已較為完善,但對(duì)數(shù)字

經(jīng)濟(jì)產(chǎn)出效率的研究較少。數(shù)字經(jīng)濟(jì)產(chǎn)出效率可反映數(shù)字資源配置能力,通過效率研究可分析數(shù)字經(jīng)濟(jì)

發(fā)展過程中遇到的問題,從而找出提高產(chǎn)出規(guī)模的方法?,F(xiàn)有文獻(xiàn)中,對(duì)數(shù)字經(jīng)濟(jì)產(chǎn)出效率測(cè)算主要運(yùn)

用 DEA 模型,然而傳統(tǒng)的 DEA 模型無(wú)法分析環(huán)境因素及隨機(jī)誤差對(duì)產(chǎn)出效率的影響,因此測(cè)算出來(lái)的效

率不夠準(zhǔn)確。本研究運(yùn)用三階段 DEA 模型對(duì)環(huán)境因素及隨機(jī)誤差進(jìn)行調(diào)整,使各地區(qū)處于同一水平的環(huán)

境變量與隨機(jī)誤差影響,提高 DEA 模型測(cè)算準(zhǔn)確度。

1 指標(biāo)選取與數(shù)據(jù)來(lái)源

1.1 指標(biāo)選取

投入指標(biāo):根據(jù)“薩伊生產(chǎn)定律”,勞動(dòng)、資本與土地是社會(huì)生產(chǎn)不可缺少的三要素,而數(shù)字經(jīng)濟(jì)

是以數(shù)據(jù)為生產(chǎn)要素,構(gòu)建于互聯(lián)網(wǎng)之上,對(duì)土地的依賴性不大,所以參考蔡昌等[5]的指標(biāo)體系,選取資

本投入與勞動(dòng)力投入作為投入指標(biāo)。中國(guó)信通院發(fā)布的《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書(2020)》中,明確

提出數(shù)字產(chǎn)業(yè)包括軟件業(yè)與信息技術(shù)服務(wù)業(yè)、互聯(lián)網(wǎng)業(yè)、電信業(yè)、電子信息制造業(yè)。根據(jù)數(shù)據(jù)的完整性

與可得性,本研究選取信息傳輸、軟件和信息服務(wù)業(yè)與計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)的固定資產(chǎn)

投資總量衡量資本投入,以相關(guān)行業(yè)就業(yè)人口衡量勞動(dòng)力投入。

產(chǎn)出指標(biāo):由于數(shù)字經(jīng)濟(jì)產(chǎn)出規(guī)模測(cè)算方法尚處于探索階段,暫無(wú)定論,蔡昌等[5]認(rèn)為區(qū)域數(shù)字經(jīng)濟(jì)

產(chǎn)出水平與經(jīng)濟(jì)發(fā)展水平存在很強(qiáng)關(guān)聯(lián)性,運(yùn)用 GDP 衡量數(shù)字經(jīng)濟(jì)產(chǎn)出水平。但劉超等[6]認(rèn)為此方法存

在一定的局限性,尤其是對(duì)于山西、河北等資源型省份以及遼寧等重工業(yè)發(fā)達(dá)省份將產(chǎn)生一定的偏差。

本研究根據(jù)《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書》中有關(guān)數(shù)字經(jīng)濟(jì)的測(cè)算方法,數(shù)字經(jīng)濟(jì)可以解讀為兩大模塊,

即數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化,數(shù)字產(chǎn)業(yè)化具體涉及軟件業(yè)、電信業(yè)、電子信息工業(yè)以及網(wǎng)絡(luò)產(chǎn)業(yè)等,而

產(chǎn)業(yè)數(shù)字化則主要是指?jìng)鹘y(tǒng)產(chǎn)業(yè)中通過使用大數(shù)據(jù)信息技術(shù)而導(dǎo)致的生產(chǎn)轉(zhuǎn)型,以及產(chǎn)出質(zhì)量的提升。

因此本研究選擇電信業(yè)務(wù)總量與軟件業(yè)務(wù)總量衡量數(shù)字產(chǎn)業(yè)化,選擇電子商務(wù)銷售額衡量產(chǎn)業(yè)數(shù)字化,

指標(biāo)體系如表 1 所示。

表 1 數(shù)字經(jīng)濟(jì)效率評(píng)價(jià)指標(biāo)體系

指標(biāo)類型 一級(jí)指標(biāo) 二級(jí)指標(biāo) 單位

投入指標(biāo) 人力投入 信息傳輸,軟件和信息服務(wù)行業(yè)就業(yè)人數(shù) 萬(wàn)人

資產(chǎn)投入 信息傳輸,軟件和信息服務(wù)業(yè)的固定資產(chǎn)投資額 億元

產(chǎn)出指標(biāo) 數(shù)字產(chǎn)業(yè)化 電信業(yè)務(wù)總量+軟件業(yè)務(wù)收入 億元

產(chǎn)業(yè)數(shù)字化 電子商務(wù)銷售額 億元

1.2 環(huán)境變量指標(biāo)選取

數(shù)字經(jīng)濟(jì)受多種因素影響,本研究選擇專利授權(quán)數(shù)(個(gè)),政府投入(%),勞動(dòng)力文化水平(%)

作為數(shù)字經(jīng)濟(jì)產(chǎn)出效率的環(huán)境指標(biāo),解釋如下:

1)專利授權(quán)數(shù)(個(gè))。數(shù)字經(jīng)濟(jì)屬于知識(shí)密集型產(chǎn)業(yè),產(chǎn)出效率與區(qū)域創(chuàng)新水平緊密相連,需要大量

的高新技術(shù)作為基礎(chǔ),創(chuàng)新水平會(huì)對(duì)數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)造成一定的影響,所以選用專利授權(quán)數(shù)衡量創(chuàng)新水平。

2)政府投入(%)。數(shù)字化基礎(chǔ)設(shè)施受政府投入的影響,由于各地區(qū)的發(fā)展目標(biāo)有所不同,政府的

宏觀調(diào)控策略也會(huì)不同,所以本研究借鑒焦帥濤等[7]的觀點(diǎn),選擇各地區(qū)財(cái)政支出與當(dāng)?shù)?GDP 的比值衡

量政府投入。

3)勞動(dòng)力文化水平(%)。數(shù)字經(jīng)濟(jì)依賴高新數(shù)字技術(shù),數(shù)字經(jīng)濟(jì)的發(fā)展需要大量的高素質(zhì)人才,

高校每年為社會(huì)提供大量的人才,本研究借鑒李夢(mèng)雅[8]學(xué)者的觀點(diǎn),選用大學(xué)在校生人數(shù)占地區(qū)總?cè)藬?shù)的

比例衡量勞動(dòng)者文化程度。

1.3 數(shù)據(jù)來(lái)源

本研究以中國(guó) 30 個(gè)省、市、自治區(qū)(以下簡(jiǎn)稱省份)的數(shù)字經(jīng)濟(jì)產(chǎn)出效率為研究對(duì)象,數(shù)據(jù)來(lái)源于

2013—2020 年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展與就業(yè)白皮書(2020)》。

第38頁(yè)

第 4 期 趙燕娜,等 數(shù)字經(jīng)濟(jì)產(chǎn)出效率研究 27

2 數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)效率評(píng)價(jià)模型介紹

2.1 數(shù)字經(jīng)濟(jì)產(chǎn)出效率測(cè)算

DEA 模型是一種計(jì)算多投入與多產(chǎn)出效率的方法,分為兩種模式:規(guī)模報(bào)酬不變的假設(shè)前提下稱為

CCR 模型,在規(guī)模報(bào)酬可變的情況下稱為 BCC 模型。可將 DEA 模型測(cè)算的技術(shù)效率分解為規(guī)模效率與

純技術(shù)效率,純技術(shù)效率可以衡量管理水平與資源利用率,規(guī)模效率可以衡量投入產(chǎn)出結(jié)構(gòu)是否合適。

然而,傳統(tǒng)的 DEA 模型沒有考慮環(huán)境因素或隨機(jī)因素對(duì)研究樣本的影響,因此計(jì)算的效率值不能準(zhǔn)確反

映研究對(duì)象的實(shí)際效率。

基于傳統(tǒng) DEA 模型的不足,F(xiàn)ried 將環(huán)境要素與隨機(jī)因素引入 DEA 模型中,并提出運(yùn)用 SFA 模型將

環(huán)境要素與隨機(jī)因素排除,從而提高 DEA 模型的準(zhǔn)確性。主要步驟為運(yùn)用傳統(tǒng) DEA 模型計(jì)算投入變量的

松弛值,將松弛值進(jìn)行 SFA 回歸,然后運(yùn)用回歸系數(shù)對(duì)投入變量進(jìn)行調(diào)整。SFA 模型如下:

??? = ?(??; ??

) + ??? + ???,

? = 1,2,. . . , ?; ? = 1,2, . . . ,?,

其中,i 為樣本個(gè)數(shù),n 表示 n 個(gè)投入變量,???表示第 i 個(gè)決策單元的第 n 個(gè)投入松弛變量值,?(??; ??

)

為環(huán)境變量的影響程度。

??

(??; ??

) = ?0 + ∑?? × ??

?

?=1

,

?? 表示外部環(huán)境變量,?0 表示常數(shù),?? 是外部環(huán)境變量的系數(shù);???~(0, ??

2

)表示隨機(jī)誤差,

???~?+(0, ??

2

, )表示管理無(wú)效率。

根據(jù)陳巍巍等[9]的管理無(wú)效效率分離公式:

?(μ??|μ?? + ν??) = σ

?

[

φ(λ ε?σ)

?(λ ε?σ)

+

λε

σ

],

其中?

? =

????

?

, ? = (??

2 + ??

2

)

1/2

, ? =

??

??

; φ (λ

ε

σ

)是標(biāo)準(zhǔn)正態(tài)分布的密度函數(shù),? (λ

ε

σ

)是標(biāo)準(zhǔn)正態(tài)分布的

分布函數(shù)。

隨機(jī)誤差計(jì)算公式為:

?(ν??|μ?? + ν??) = S?? ? β0 ? ∑?? × ?? ? ?(μ??|μ?? + ν??),

?

?=1

隨機(jī)前沿模型的目的是剔除環(huán)境變量和隨機(jī)因素對(duì)技術(shù)效率的影響,以使所有研究樣本的環(huán)境變量調(diào)整

到相同的條件下。調(diào)整公式為:

X??

A = X?? + [max(??

(??; ??

)) ? ?(??; ??

)] + [max(???) ? ???],

? = 1,2, . . .?; ? = 1,2. . . , ?,

其中,X??

A 為 SFA 回歸調(diào)整后的投入變量,X??是原始的投入變量;[max(??

(??;??

)) ? ?(??; ??

)]是對(duì)外部

環(huán)境因素進(jìn)行調(diào)節(jié);[max(???) ? ???]是將所有樣本調(diào)整至同一水平下。

基于調(diào)整后的投入變量再次進(jìn)行效率計(jì)算,得到的技術(shù)效率值即為同一環(huán)境水平下的技術(shù)效率,更

能準(zhǔn)確反映出決策單元的真實(shí)情況。

2.2 數(shù)字經(jīng)濟(jì)產(chǎn)出效率變化趨勢(shì)分析

核密度估計(jì)法是由 Rosenblatt 于 1955 年提出的一種非參數(shù)估計(jì)方法,在統(tǒng)計(jì)學(xué)與經(jīng)濟(jì)學(xué)領(lǐng)域中應(yīng)用

十分廣泛,用于計(jì)算數(shù)據(jù)在整個(gè)研究區(qū)域內(nèi)的集聚狀況,并計(jì)算每個(gè)點(diǎn)的密度值。簡(jiǎn)單地說(shuō),運(yùn)用核函

數(shù)將數(shù)據(jù)與帶寬進(jìn)行線性疊加,運(yùn)用平滑方法形成一個(gè)連續(xù)的三維核密度曲面,通過曲面的變化情況可

分析我國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率的演變趨勢(shì)。函數(shù)模型如下:

第39頁(yè)

28 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

?(?) =

1

??

∑?

?

?=1

(

?? ? ?

?

) ,

其中,n 為研究區(qū)域個(gè)數(shù),h 為窗寬,窗寬的選擇影響核密度圖曲面的平滑程度,窗寬越大,密度函數(shù)曲

線越平滑。K 為核函數(shù),常用核函數(shù)有高斯函數(shù)、Epanechnikov 函數(shù)、Quartic 函數(shù)等。

3 數(shù)字經(jīng)濟(jì)產(chǎn)出效率實(shí)證分析

3.1 數(shù)字經(jīng)濟(jì)產(chǎn)出效率測(cè)算

3.1.1 第一階段 DEA 計(jì)算

對(duì) 2013—2020 年中國(guó) 30 個(gè)省份數(shù)字經(jīng)濟(jì)產(chǎn)出效率進(jìn)行測(cè)算時(shí),由于數(shù)字經(jīng)濟(jì)產(chǎn)出效率受多種環(huán)境因

素的影響,規(guī)模報(bào)酬不會(huì)保持不變,所以本研究選擇 BCC 模型(規(guī)模報(bào)酬可變)。因?yàn)橥度胂鄬?duì)于產(chǎn)出

更易于控制,因此本研究選擇投入導(dǎo)向測(cè)算產(chǎn)出效率。根據(jù) DEA 模型的定義,運(yùn)用 deap2.1 軟件得出

2013—2019 年數(shù)字經(jīng)濟(jì)產(chǎn)出效率平均值,結(jié)果如表 2 所示。

表 2 2013—2020 年我國(guó) 30 個(gè)省份數(shù)字經(jīng)濟(jì)產(chǎn)出效率平均值(第一階段)

省份 TE PTE SE 省份 TE PTE SE

北 京 0.897 1.000 0.897 河 南 0.509 0.553 0.920

天 津 0.781 0.784 0.996 湖 北 0.613 0.614 0.999

河 北 0.548 0.559 0.98 湖 南 0.668 0.685 0.975

山 西 0.641 0.939 0.682 廣 東 1.000 1.000 1.000

內(nèi)蒙古 0.450 0.512 0.879 廣 西 0.777 0.777 1.000

遼 寧 1.000 1.000 1.000 海 南 0.595 0.722 0.824

吉 林 0.430 0.435 0.988 重 慶 1.000 1.000 1.000

黑龍江 0.256 0.298 0.861 四 川 0.669 0.728 0.919

上 海 1.000 1.000 1.000 貴 州 1.000 1.000 1.000

江 蘇 0.837 1.000 0.837 云 南 0.784 0.787 0.996

浙 江 0.919 0.999 0.920 陜 西 0.659 0.671 0.981

安 徽 0.624 0.634 0.983 甘 肅 0.634 0.867 0.732

福 建 0.792 0.899 0.880 青 海 0.652 0.944 0.691

江 西 0.526 0.558 0.942 寧 夏 0.891 1.000 0.891

山 東 0.861 1.000 0.861 新 疆 0.648 0.664 0.976

注:TE、PTE、SE 為技術(shù)效率、純技術(shù)效率和規(guī)模效率。

我國(guó) 30 個(gè)省份數(shù)字經(jīng)濟(jì)產(chǎn)出效率均值為 0.722,說(shuō)明我國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率仍存在提升空間,整體上

看我國(guó)西部地區(qū)的數(shù)字經(jīng)濟(jì)產(chǎn)出效率較低,東南部地區(qū)數(shù)字經(jīng)濟(jì)產(chǎn)出效率高。純技術(shù)效率均值為 0.788,

規(guī)模效率均值為 0.92,遠(yuǎn)高于純技術(shù)效率,說(shuō)明產(chǎn)出效率低下主要由純技術(shù)效率導(dǎo)致的。

值得注意的是北京、江蘇、浙江、福建和山東 5 個(gè)經(jīng)濟(jì)發(fā)達(dá)的地區(qū)數(shù)字經(jīng)濟(jì)產(chǎn)出效率未達(dá)到 1,而遼

寧、貴州和寧夏三個(gè)經(jīng)濟(jì)發(fā)展相對(duì)落后的地區(qū)產(chǎn)出效率卻處于較高的水平,這與蔡昌等[5]得出的結(jié)果相

似,但與《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書》[1]得出的結(jié)論不符,即數(shù)字經(jīng)濟(jì)的發(fā)展與各省市經(jīng)濟(jì)發(fā)展程度呈現(xiàn)

正相關(guān),所以東部沿海地區(qū)數(shù)字經(jīng)濟(jì)較為發(fā)達(dá)。其原因是由于北京、江蘇、浙江等地區(qū)擁有較好的經(jīng)濟(jì)

環(huán)境,數(shù)字基礎(chǔ)設(shè)施非常完善,數(shù)字化程度較高,數(shù)字經(jīng)濟(jì)產(chǎn)出量較大,但因?yàn)楸旧砩a(chǎn)規(guī)模非常大,

所以產(chǎn)出效率并不高。而遼寧、貴州等數(shù)字產(chǎn)業(yè)相對(duì)落后的地區(qū),生產(chǎn)規(guī)模較小,積極學(xué)習(xí)數(shù)字經(jīng)濟(jì)發(fā)

達(dá)地區(qū)的管理方法與發(fā)展戰(zhàn)略,使得資源得到合理配置,因此產(chǎn)出效率較高。這也說(shuō)明外部環(huán)境因素會(huì)

對(duì)數(shù)字經(jīng)濟(jì)產(chǎn)出效率造成影響,傳統(tǒng) DEA 模型未能考慮外部環(huán)境因素對(duì)效率的影響,得出的產(chǎn)出效率與

真實(shí)情況存在一定的誤差,不能準(zhǔn)確反映各地區(qū)的數(shù)字經(jīng)濟(jì)產(chǎn)出水平。

3.1.2 第二階段 SFA 隨機(jī)前沿分析

由于 DEA 模型測(cè)算的效率受到了自然因素和隨機(jī)因素的影響,于是利用 SFA 模型對(duì)第一階段中的投

入松弛進(jìn)行調(diào)節(jié),將投入松弛作為因變量,專利授權(quán)數(shù)、政府投入和每萬(wàn)人在校大學(xué)生為自變量。通過

front 4.1 軟件進(jìn)行 SFA 模型分析,結(jié)果如表 3。

第40頁(yè)

第 4 期 趙燕娜,等 數(shù)字經(jīng)濟(jì)產(chǎn)出效率研究 29

從表3可知,大部分環(huán)境變量能通過

10%顯著性水平檢驗(yàn),說(shuō)明環(huán)境變量對(duì)

投入指標(biāo)存在影響。gamma值接近于1,

說(shuō)明環(huán)境變量的影響占主要地位。兩個(gè)

模型 LR 值均通過了 1%的顯著性水平檢

驗(yàn),說(shuō)明 SFA 模型合理且有必要。下面

具體分析環(huán)境變量對(duì)投入指標(biāo)的影響。

專利授權(quán)數(shù)對(duì)勞動(dòng)力投入與資本投

入的系數(shù)均為負(fù),且通過顯著性檢驗(yàn),

說(shuō)明當(dāng)專利授權(quán)數(shù)增加,勞動(dòng)力投入與

固定資產(chǎn)投入也將減少,對(duì)數(shù)字經(jīng)濟(jì)產(chǎn)

出效率存在促進(jìn)影響。這說(shuō)明當(dāng)?shù)丶夹g(shù)

創(chuàng)新環(huán)境能對(duì)數(shù)字經(jīng)濟(jì)產(chǎn)出效率起到促

進(jìn)作用,故應(yīng)加強(qiáng)數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)的創(chuàng)新

能力。政府投入對(duì)勞動(dòng)力投入與資本投

入的系數(shù)均為負(fù),并通過顯著性檢驗(yàn),

說(shuō)明地方政府財(cái)政支出提高將導(dǎo)致資產(chǎn)投入與勞動(dòng)力投入減少,對(duì)數(shù)字經(jīng)濟(jì)產(chǎn)出效率起促進(jìn)作用。勞動(dòng)

力文化水平對(duì)勞動(dòng)力投入與資本投入的系數(shù)均為負(fù)且通過顯著性檢驗(yàn),說(shuō)明勞動(dòng)力文化水平提高將導(dǎo)致

資產(chǎn)投入與勞動(dòng)力投入減少,利于數(shù)字經(jīng)濟(jì)產(chǎn)出效率提高,故需重視人才的培養(yǎng)。

3.1.3 第三階段 DEA 計(jì)算

經(jīng)過第二階段隨機(jī)前沿分析對(duì)投入變量調(diào)整后,再次運(yùn)用 DEA 模型測(cè)算各省份數(shù)字經(jīng)濟(jì)產(chǎn)出效率,

結(jié)果如表 4。

表 4 2013—2020 年我國(guó) 30 個(gè)省份數(shù)字經(jīng)濟(jì)產(chǎn)出效率平均值(第三階段)

省份 TE PTE SE 省份 TE PTE SE

北 京 1.000 1.000 1.000 河 南 0.637 0.782 0.814

天 津 0.760 0.885 0.859 湖 北 0.635 0.889 0.715

河 北 0.654 0.81 0.808 湖 南 0.723 0.739 0.978

山 西 0.479 1.000 0.479 廣 東 1.000 1.000 1.000

內(nèi)蒙古 0.463 0.894 0.517 廣 西 0.807 0.874 0.923

遼 寧 0.782 1.000 0.782 海 南 0.426 0.972 0.439

吉 林 0.450 0.751 0.600 重 慶 1.000 1.000 1.000

黑龍江 0.292 0.805 0.362 四 川 0.781 0.873 0.894

上 海 1.000 1.000 1.000 貴 州 0.877 0.947 0.926

江 蘇 1.000 1.000 1.000 云 南 0.782 0.962 0.813

浙 江 0.996 1.000 0.996 陜 西 0.696 0.861 0.808

安 徽 0.683 0.812 0.841 甘 肅 0.461 0.948 0.486

福 建 0.955 0.972 0.982 青 海 0.195 0.916 0.213

江 西 0.548 0.841 0.651 寧 夏 0.393 1.000 0.393

山 東 1.000 1.000 1.000 新 疆 0.521 0.897 0.580

注:TE、PTE、SE 為技術(shù)效率、純技術(shù)效率、規(guī)模效率。

經(jīng)過 SFA 模型對(duì)投入變量的調(diào)整,數(shù)字經(jīng)濟(jì)產(chǎn)出效率下降,純技術(shù)效率提高,規(guī)模效率下降。對(duì)比

第一、第三階段各地區(qū)數(shù)字經(jīng)濟(jì)產(chǎn)出效率值變化可知,當(dāng)外部環(huán)境因素與隨機(jī)誤差都調(diào)整為同一水平的

情況下,北京、江蘇、浙江等經(jīng)濟(jì)發(fā)達(dá)地區(qū)的數(shù)字經(jīng)濟(jì)產(chǎn)出效率出現(xiàn)明顯提升,這說(shuō)明當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展

環(huán)境較好會(huì)導(dǎo)致效率水平被低估,而在遼寧、貴州等數(shù)字經(jīng)濟(jì)發(fā)展環(huán)境較差的地區(qū)產(chǎn)出效率則會(huì)被高

估,這與劉超等[6]得出的結(jié)論相一致。從整體上看,第三階段得出的產(chǎn)出效率值與《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白

皮書》得出的結(jié)論更為吻合,說(shuō)明三階段 DEA 模型測(cè)算的效率值相較于傳統(tǒng)的 DEA 模型測(cè)算的效率值更

表 3 SFA 模型結(jié)果

就業(yè)人數(shù) 固定資產(chǎn)投資額

常數(shù) 2.346***

(9.631)

235.025***

(5.383)

專利授權(quán)數(shù) 0.000***

(-3.949)

-0.001***

(-2.506)

政府投入-6.893***

(-7.090)

-379.590***

(-2.959)

勞動(dòng)力文化水平-29.663***

(-29.667)

-5039.861***

(-4910.378)

σ2

7.867***

(8.246)

6032.321***

(5806.154)

γ

0.999***

(9598.650)

0.999***

(456.754)

對(duì)數(shù)似然值 -52.656 -136.50379

LR 單邊檢驗(yàn) 13.958 11.712269

注:括號(hào)內(nèi)為 t 值;*、**、***表示通過 10%、5%、1%顯著性檢驗(yàn)。

第41頁(yè)

30 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

為準(zhǔn)確。其中廣東、上海、重慶在調(diào)整環(huán)境因素前后產(chǎn)出效率值都為 1,說(shuō)明這些地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展較

好,投入產(chǎn)出結(jié)構(gòu)合理,管理水平高,資源配置能力強(qiáng)。

整體上看,東南部地區(qū)數(shù)字經(jīng)濟(jì)產(chǎn)出效率高,西北部地區(qū)產(chǎn)出效率較低。綜合效率均值為0.69,僅有

少數(shù)地區(qū)效率值到達(dá)前沿面,這說(shuō)明我國(guó)大部分地區(qū)數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)投入產(chǎn)出結(jié)構(gòu)需調(diào)整,或者管理模式

存在問題。純技術(shù)效率均值為 0.914,規(guī)模效率均值為 0.761,說(shuō)明我國(guó)大部分地區(qū)數(shù)字經(jīng)濟(jì)規(guī)模需要調(diào)

整,大部分地區(qū)規(guī)模效率低于純技術(shù)效率,說(shuō)明規(guī)模效率是制約我國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出規(guī)模的主要原因。

3.2 數(shù)字經(jīng)濟(jì)產(chǎn)出效率變化趨勢(shì)分析

運(yùn)用 maltab 對(duì)我國(guó) 30 個(gè)省份 2013—2020 年的數(shù)

字經(jīng)濟(jì)產(chǎn)出效率進(jìn)行 kemel 核密度估計(jì),窗寬為

maltab 默認(rèn)給出的最佳窗寬,并繪制數(shù)字經(jīng)濟(jì)產(chǎn)出效

率的三維核密度圖,分析數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)效率的密度分

布與變化趨勢(shì),如圖 1 所示,圖中的 Z 軸為高斯核密

度函數(shù)法計(jì)算的核密度值。

圖1所示為中國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率變化趨勢(shì)圖,

從核密度函數(shù)中心位置看,函數(shù)中心位置存在左右波

動(dòng)現(xiàn)象,但整體呈現(xiàn)往左側(cè)移動(dòng)趨勢(shì)。說(shuō)明我國(guó)數(shù)字

經(jīng)濟(jì)產(chǎn)出效率緩慢下降,且不太穩(wěn)定。研究期內(nèi)不存

在雙峰現(xiàn)象,2020 年主峰高度提高,峰寬縮小,說(shuō)

明我國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率差異化正在逐漸減少,但

大部分地區(qū)效率水平不高。

本研究采用三階段 DEA 模型對(duì)我國(guó)近 8 年數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)效率進(jìn)行測(cè)算,然后再采用核密度估計(jì)對(duì)我

國(guó)效率變化趨勢(shì)進(jìn)行分析可以得到如下結(jié)果。

1)通過三階段 DEA 模型分析,去除環(huán)境變量影響后的技術(shù)效率降低,規(guī)模效率是制約產(chǎn)出效率的主要

因素,大部分地區(qū)的數(shù)字經(jīng)濟(jì)產(chǎn)出效率存在一定提高空間。

2)通過隨機(jī)前沿模型對(duì)環(huán)境變量進(jìn)行分析可知,政府投入、專利授權(quán)數(shù)與勞動(dòng)力文化水平對(duì)數(shù)字經(jīng)

濟(jì)產(chǎn)出效率有顯著促進(jìn)作用。

3)我國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率存在差異化現(xiàn)象,東南部地區(qū)數(shù)字經(jīng)濟(jì)產(chǎn)出效率高,西北部地區(qū)產(chǎn)出效率

較低。通過核密度估計(jì)分析效率變化趨勢(shì)可知,我國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率處于不穩(wěn)定狀態(tài),整體呈現(xiàn)緩慢

下降趨勢(shì)。

4 發(fā)展對(duì)策

1)從我國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率上看,大部分省份數(shù)字經(jīng)濟(jì)產(chǎn)出效率有待改善,各省份需根據(jù)自身存在的

問題,及時(shí)采取改善措施。對(duì)于純技術(shù)效率較低的地區(qū),需調(diào)整資源配置,合理分配資源,提升管理水

平,這需要政府與企業(yè)協(xié)同助力,政府需根據(jù)實(shí)際情況調(diào)整數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)相關(guān)政策,企業(yè)應(yīng)提高自身經(jīng)營(yíng)

能力。對(duì)于規(guī)模效率較低的省份,需調(diào)整規(guī)模,提高規(guī)模收益,政府應(yīng)采取措施促進(jìn)數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)聯(lián)盟的

形成,鼓勵(lì)建立結(jié)構(gòu)合理的企業(yè)集團(tuán),引導(dǎo)數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)擴(kuò)大集群規(guī)模,發(fā)展數(shù)字產(chǎn)業(yè)園,促進(jìn)產(chǎn)業(yè)集

聚。對(duì)于北京、上海、廣東等高產(chǎn)出效率地區(qū),擁有合理規(guī)模與較強(qiáng)的管理水平的優(yōu)勢(shì),則應(yīng)繼續(xù)增大資

源投入,同時(shí)加強(qiáng)研發(fā)投入,促進(jìn)我國(guó)數(shù)字化技術(shù)的進(jìn)步,還應(yīng)充分發(fā)揮模范作用,幫助效率較低的省

份,為其提供管理經(jīng)驗(yàn)與數(shù)字技術(shù)支持。

2)加強(qiáng)數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)相關(guān)人才培養(yǎng)投入,完善人才管理機(jī)制,本研究表明我國(guó)勞動(dòng)力文化水平具有

促進(jìn)數(shù)字經(jīng)濟(jì)產(chǎn)出效率的作用,說(shuō)明我國(guó)應(yīng)加強(qiáng)培養(yǎng)人才。第一,人力資源部必須加強(qiáng)對(duì)數(shù)字技術(shù)人員

的引進(jìn),完善人才引進(jìn)制度,助力高校與企業(yè)招聘稀缺人才。第二,聯(lián)合企業(yè)與高校通過產(chǎn)教結(jié)合的方

式培養(yǎng)復(fù)合型人才,應(yīng)充分利用高校與社會(huì)的師資力量,加快培養(yǎng)缺口人才,設(shè)置專門學(xué)科并加大研究經(jīng)

費(fèi)支持。第四,完善人才引進(jìn)機(jī)制,吸收國(guó)際高端人才,引進(jìn)國(guó)外先進(jìn)的課程與教學(xué)模式。

圖 1 2013—2020 中國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率時(shí)空演變

第42頁(yè)

第 4 期 趙燕娜,等 數(shù)字經(jīng)濟(jì)產(chǎn)出效率研究 31

3)促進(jìn)各省份數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)合作,縮小數(shù)字經(jīng)濟(jì)發(fā)展差距。我國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率出現(xiàn)東南部較

高,西北部較低,說(shuō)明我國(guó)數(shù)字經(jīng)濟(jì)存在差異化。各省份管理水平與技術(shù)水平參差不齊,是阻礙我國(guó)數(shù)

字經(jīng)濟(jì)發(fā)展的一大障礙,政府需增強(qiáng)地域間合作,實(shí)現(xiàn)協(xié)調(diào)發(fā)展。對(duì)于北京、江蘇、上海、廣東等產(chǎn)出

效率高的地區(qū),應(yīng)推進(jìn)數(shù)字產(chǎn)業(yè)先行實(shí)驗(yàn)區(qū)的建設(shè),致力于高新數(shù)字技術(shù)的研發(fā)與數(shù)字產(chǎn)業(yè)經(jīng)營(yíng)模式的

探索,為產(chǎn)出效率低的地區(qū)提供技術(shù)支持,傳授經(jīng)營(yíng)管理方法;產(chǎn)出效率低的地區(qū)應(yīng)積極借鑒高效率地

區(qū)的發(fā)展模式,積極探索適合自己的發(fā)展策略。

4)加快數(shù)字基礎(chǔ)設(shè)施的建設(shè)。第一,大力建設(shè)光纖、5G基站、互聯(lián)網(wǎng)電纜及數(shù)據(jù)中心建設(shè),全面提

高網(wǎng)絡(luò)覆蓋區(qū)域,貫徹國(guó)家信息化戰(zhàn)略。第二,利用數(shù)字技術(shù)改善公共服務(wù)。推進(jìn)公共服務(wù)數(shù)字化,將

數(shù)字技術(shù)融入人們的日常生活,使數(shù)字設(shè)施發(fā)揮更大的價(jià)值。第三,加快新數(shù)字基礎(chǔ)設(shè)施的研發(fā)、建

設(shè)、優(yōu)化和現(xiàn)代化,提高現(xiàn)有數(shù)字基礎(chǔ)設(shè)施和基礎(chǔ)設(shè)施的可靠性。

參考文獻(xiàn):

[1] 中國(guó)信息通信研究院.中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書[R/OL].[2022-09-21].http://www.caict.ac.cn/kxyj/qwfb/bps/2021

04/P020210424737615413306.pdf.

[2] 李英杰,韓平.中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展綜合評(píng)價(jià)與預(yù)測(cè)[J].統(tǒng)計(jì)與決策,2022,38(2):90-94.

[3] 錢海燕,江煜.浙江數(shù)字經(jīng)濟(jì)水平的測(cè)量及影響因素——基于熵值-Tobit 模型[J].浙江樹人大學(xué)學(xué)報(bào)(人文社會(huì)

科學(xué)),2020,20(6):40-47.

[4] 李研.中國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率的地區(qū)差異及動(dòng)態(tài)演變[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2021,38(2):60-77.

[5] 蔡昌,林高怡,李勁微.中國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)出效率:區(qū)位差異及變化趨勢(shì)[J].財(cái)會(huì)月刊,2020(6):153-160.

[6] 劉超,鄭寧雨,韓敏.數(shù)字經(jīng)濟(jì)效率測(cè)度及分位異質(zhì)性分析——基于“一帶一路”沿線國(guó)家研究[J].亞太經(jīng)濟(jì),

2021(6):20-30.

[7] 焦帥濤,孫秋碧.我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展測(cè)度及其影響因素研究[J].調(diào)研世界,2021(7):13-23.

[8] 李夢(mèng)雅.基于 DEA-Tobit 模型的我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展效率研究[D].石家莊:河北經(jīng)貿(mào)大學(xué),2021.

[9] 陳巍巍,張雷,馬鐵虎,等.關(guān)于三階段 DEA 模型的幾點(diǎn)研究[J].系統(tǒng)工程,2014,32(9):144-149.

A Comparative Analysis of Production Efficiency of Digital Economy in 30 Provinces

ZHAO Yanna, ZHANG Jiajun

(School of Urban Geology and Engineering, Hebei GEO University, Shijiazhuang, Hebei 050031, China)

Abstract: The production efficiency of digital economy in 30 provinces of China from 2013 to 2020 was measured by using a

three-stage DEA model and the changing trend of digital economy production efficiency in each region was analyzed by using

Gaussian kernel density estimation. Results show that: 1) There is still room for improvement in the production efficiency of

China’s digital economy, and scale efficiency is the main factor affecting production efficiency. 2) The number of patents granted,

government investment and the educational level of the labor force can promote the production efficiency. 3) The production

efficiency of the digital economy in the southeast of China is high, while that in the northwest is relatively low. 4) China’s

production efficiency fluctuates frequently, but the differentiation shows a decreasing trend. In this regard, the state should

strengthen the investment in the cultivation of talents related to the digital economy industry, promote the cooperation in the

digital economy industry among various provinces, strengthen the investment in research and development, promote

technological innovation, improve the construction of digital infrastructure, accelerate the construction of digital infrastructure,

and gradually improve the production efficiency of the digital economy.

Key words: three-stage DEA; digital economy; kernel density estimation

(責(zé)任編校:李建明 英文校對(duì):吳秀蘭)

第43頁(yè)

第 25 卷 第 4 期 衡水學(xué)院學(xué)報(bào) Vol. 25, No.4

2023 年 8 月 Journal of Hengshui University Aug. 2023

電子商務(wù)時(shí)代跨境電商市場(chǎng)營(yíng)銷研究

何 佳 蓉

(合肥經(jīng)濟(jì)學(xué)院 商學(xué)院,安徽 合肥 230001)

摘 要:跨境電商作為電子商務(wù)時(shí)代重要的企業(yè)類型,具有全球性、多邊性、無(wú)形性以及即時(shí)性的特

征,其既是中國(guó)開拓海外市場(chǎng)的新通道,也是提升中國(guó)品牌國(guó)際形象的重要渠道。目前中國(guó)跨境電商市

場(chǎng)營(yíng)銷面臨服務(wù)質(zhì)量不高、易受網(wǎng)絡(luò)信息影響、物流體系不成熟以及人才短缺的問題。為了促進(jìn)跨境電

商市場(chǎng)營(yíng)銷的創(chuàng)新發(fā)展,需要結(jié)合市場(chǎng)營(yíng)銷實(shí)踐中存在的問題,從提升跨境電商服務(wù)質(zhì)量、增強(qiáng)跨境電

商應(yīng)對(duì)網(wǎng)絡(luò)負(fù)面信息的能力、構(gòu)建系統(tǒng)完善的物流體系以及優(yōu)化跨境電商人才培養(yǎng)模式著手,最終提升

跨境電商的市場(chǎng)營(yíng)銷價(jià)值。

關(guān)鍵詞:電子商務(wù)時(shí)代;跨境電商;市場(chǎng)營(yíng)銷;創(chuàng)新路徑

DOI:10.3969/j.issn.1673-2065.2023.04.006

作者簡(jiǎn)介:何佳蓉,女,湖南湘潭人,講師。

基金項(xiàng)目:安徽省高校優(yōu)秀人才支持計(jì)劃一般項(xiàng)目(gxyq2021064);安徽省高??蒲兄攸c(diǎn)項(xiàng)目

(2022AH052618)

中圖分類號(hào):F724.6 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1673-2065(2023)04-0032-05

收稿日期:2022-11-30

在電子商務(wù)時(shí)代,隨著信息技術(shù)以及物流產(chǎn)業(yè)的快速發(fā)展,跨境電子商務(wù)蓬勃發(fā)展,在給消費(fèi)者提供

多樣的商品和簡(jiǎn)捷的跨境購(gòu)物體驗(yàn)的同時(shí),進(jìn)一步推動(dòng)了國(guó)家產(chǎn)業(yè)經(jīng)濟(jì)轉(zhuǎn)型升級(jí),為國(guó)家經(jīng)濟(jì)發(fā)展創(chuàng)造了

新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)。根據(jù)《2022 跨境電商行業(yè)發(fā)展研究報(bào)告》顯示,2021 年中國(guó)跨境電商進(jìn)出口規(guī)模約

19 237 億元,同比增長(zhǎng) 18.6%,占進(jìn)出口總額的 4.9%。其中,出口約 13 918 億元,增長(zhǎng) 28.3%;進(jìn)口約

5319 億元,下降 0.9%。總之,目前來(lái)看,在國(guó)家戰(zhàn)略的帶動(dòng)下,受政策、數(shù)字化技術(shù)以及全球供需關(guān)系等

重要因素的驅(qū)動(dòng),跨境電商持續(xù)高速增長(zhǎng),并成為穩(wěn)外貿(mào)的重要力量。一般而言,跨境電商作為基于信息

網(wǎng)絡(luò)技術(shù)所開展的線上虛擬交易,消費(fèi)者通常無(wú)法直接對(duì)商品信息進(jìn)行了解,僅能通過線上圖片展示、其

他消費(fèi)者評(píng)價(jià)等形式來(lái)對(duì)信息進(jìn)行了解。但跨境電商在市場(chǎng)營(yíng)銷過程中還存在服務(wù)質(zhì)量不高、物流體系不

成熟以及人才缺口的問題,阻礙了跨境電商的進(jìn)一步發(fā)展。因而,跨境電商企業(yè)要想提升市場(chǎng)營(yíng)銷效果,

就需要對(duì)自身的市場(chǎng)營(yíng)銷進(jìn)行全面思考,并積極探索新途徑來(lái)提升自身的市場(chǎng)營(yíng)銷價(jià)值。

1 電子商務(wù)時(shí)代跨境電商市場(chǎng)營(yíng)銷的整體解讀

1.1 跨境電商的特點(diǎn)

跨境電商的全稱為“跨境貿(mào)易電子商務(wù)”,主要是指分屬不同國(guó)家(地區(qū))的交易主體通過網(wǎng)絡(luò)信

息平臺(tái)達(dá)成交易,然后通過物流、進(jìn)出口業(yè)務(wù)操作形成的一種電子商務(wù)應(yīng)用模式[1]。本文主要研究的是中

國(guó)境內(nèi)電商企業(yè)所從事的跨境交易活動(dòng)。就跨境電商的特點(diǎn)而言,其一為全球性。電商企業(yè)能通過網(wǎng)絡(luò)

信息平臺(tái)實(shí)現(xiàn)全球性的跨境貿(mào)易交流,突破了傳統(tǒng)商務(wù)活動(dòng)的時(shí)空限制;消費(fèi)者也能突破國(guó)界限制,無(wú)

需出境就可以采購(gòu)自身需求的產(chǎn)品。其二為多邊性??缇畴娚唐髽I(yè)呈多邊合作模式,其在交易過程中所

使用的支付結(jié)算平臺(tái)、物流平臺(tái)、交易平臺(tái)可以分屬不同國(guó)家(地區(qū)),以為不同國(guó)家(地區(qū))間的直

接貿(mào)易交流提供便利。其三為無(wú)形性??缇畴娚唐髽I(yè)在信息技術(shù)的支持下,可通過交易平臺(tái)達(dá)成交易,

第44頁(yè)

第 4 期 何佳蓉 電子商務(wù)時(shí)代跨境電商市場(chǎng)營(yíng)銷研究 33

無(wú)需紙質(zhì)合同。該種無(wú)形性的特征不僅為交易主體雙方提供了更為簡(jiǎn)單的溝通模式,而且節(jié)約了交易成

本,促使交易更快捷開展。其四為即時(shí)性。在電子商務(wù)時(shí)代,無(wú)論是跨境電商還是國(guó)內(nèi)電商,其交易信

息的交流基本能實(shí)現(xiàn)同步,由此在很大程度上減少因時(shí)效性而出現(xiàn)的匯率變動(dòng)風(fēng)險(xiǎn),能最大程度減少雙

方交易主體的經(jīng)濟(jì)損失。

1.2 跨境電商市場(chǎng)營(yíng)銷的優(yōu)勢(shì)與劣勢(shì)

跨境電商市場(chǎng)營(yíng)銷的優(yōu)勢(shì)主要在政策、消費(fèi)者自身以及平臺(tái)層面。首先,在政策層面,隨著貿(mào)易全

球化的不斷深入發(fā)展,跨境電商行業(yè)的發(fā)展勢(shì)不可擋,政府陸續(xù)出臺(tái)大量政策扶持跨境電商行業(yè)發(fā)展。

2015 年,國(guó)務(wù)院發(fā)布《國(guó)務(wù)院關(guān)于同意設(shè)立中國(guó)(杭州)跨境電子商務(wù)綜合試驗(yàn)區(qū)的批復(fù)》,將杭州設(shè)

立為中國(guó)首個(gè)跨境電子商務(wù)綜合試驗(yàn)區(qū)城市,由此正式開啟了中國(guó)跨境電商行業(yè)的探索與發(fā)展之路;

2018 年,國(guó)務(wù)院發(fā)布《國(guó)務(wù)院關(guān)于同意在北京等 22 個(gè)城市設(shè)立跨境電子商務(wù)綜合試驗(yàn)區(qū)的批復(fù)》;2020

年,國(guó)務(wù)院發(fā)布《國(guó)務(wù)院關(guān)于同意在雄安新區(qū)等 46 個(gè)城市和地區(qū)設(shè)立跨境電子商務(wù)綜合試驗(yàn)區(qū)的批

復(fù)》;2021 年,商務(wù)部針對(duì)跨境電商發(fā)展提出開展“十百千萬(wàn)”專項(xiàng)行動(dòng)??傊?,政策對(duì)跨境電商發(fā)展

起到了扶持作用。其次,在消費(fèi)者自身層面,受疫情影響,實(shí)體經(jīng)濟(jì)受到一定沖擊,消費(fèi)者的購(gòu)物需求

逐漸由線下轉(zhuǎn)移到了線上。同時(shí),基于中國(guó)電商產(chǎn)品具有一定的質(zhì)量以及價(jià)格優(yōu)勢(shì),進(jìn)一步促進(jìn)域外消

費(fèi)者對(duì)中國(guó)電商產(chǎn)品的需求,為中國(guó)跨境電商建設(shè)帶來(lái)了較大的用戶基礎(chǔ)。最后,在平臺(tái)層面,跨境電

商本身便是借助電子商務(wù)平臺(tái)發(fā)展起來(lái)的跨境網(wǎng)絡(luò)購(gòu)物,在平臺(tái)的支持下,跨境電商企業(yè)逐漸發(fā)展成

熟,也為市場(chǎng)營(yíng)銷的開展創(chuàng)造了良好條件[2]。一般而言,從經(jīng)營(yíng)主體層面分類,跨境電商平臺(tái)可分為平臺(tái)

型、自營(yíng)型兩種。其中平臺(tái)型跨境電商內(nèi)部具有其他小型網(wǎng)站;自營(yíng)型跨境電商一般是跨境電商企業(yè)自

身為營(yíng)銷自身產(chǎn)品而設(shè)立的平臺(tái)。

跨境電商市場(chǎng)營(yíng)銷的劣勢(shì)主要源于國(guó)際競(jìng)爭(zhēng)層面以及品牌建設(shè)層面。在國(guó)際競(jìng)爭(zhēng)層面,鑒于中國(guó)信息

網(wǎng)絡(luò)技術(shù)起步較晚,以信息技術(shù)為依托的跨境電商平臺(tái)尚處于發(fā)展萌芽階段,其在支付手段、物流體系建

設(shè)等層面相對(duì)于發(fā)達(dá)國(guó)家而言仍處于相對(duì)劣勢(shì)地位,導(dǎo)致中國(guó)跨境電商企業(yè)的發(fā)展空間受到擠壓。在品牌

建設(shè)層面,由于中國(guó)跨境電商行業(yè)處于初級(jí)發(fā)展階段,整體體系還不成熟,諸多跨境電商企業(yè)尚未樹立品

牌意識(shí),容易出現(xiàn)相同種類的商品過度集中,同質(zhì)化現(xiàn)象嚴(yán)重,最終造成客戶流失的問題[3],甚至一些電商

企業(yè)因?yàn)椴皇煜ずM馄放茽I(yíng)銷模式,缺少品牌孵化經(jīng)驗(yàn),制約了跨境電商市場(chǎng)營(yíng)銷的長(zhǎng)線發(fā)展。

2 電子商務(wù)時(shí)代跨境電商市場(chǎng)營(yíng)銷發(fā)展面臨的問題

電子商務(wù)時(shí)代,跨境電商要想在激烈的國(guó)際競(jìng)爭(zhēng)環(huán)境中實(shí)現(xiàn)銷量增長(zhǎng),提升自身市場(chǎng)競(jìng)爭(zhēng)力,最終

實(shí)現(xiàn)自身結(jié)構(gòu)的優(yōu)化,合理的市場(chǎng)營(yíng)銷必不可少。但當(dāng)前跨境電商企業(yè)市場(chǎng)營(yíng)銷中還存在服務(wù)質(zhì)量不

高、易受網(wǎng)絡(luò)信息影響、物流體系不成熟以及人才缺口的問題,不利于企業(yè)市場(chǎng)營(yíng)銷的開展,阻礙了企

業(yè)海外知名度的提升,對(duì)企業(yè)的持續(xù)發(fā)展也產(chǎn)生了不利影響。

2.1 跨境電商服務(wù)質(zhì)量不高影響營(yíng)銷效果

在信息技術(shù)的支持下,跨境電商雙方交易主體無(wú)需進(jìn)行面對(duì)面交流,也無(wú)需紙質(zhì)合同,就能快速通

過交易平臺(tái)達(dá)成交易。交易中,消費(fèi)者要想更深入地了解商品信息,除了可以瀏覽企業(yè)上傳的相關(guān)商品

圖片以及信息之外,還能通過平臺(tái)與企業(yè)就商品信息進(jìn)行溝通與交流,在此過程中,企業(yè)的服務(wù)質(zhì)量和

回復(fù)形式對(duì)網(wǎng)絡(luò)營(yíng)銷效果具有較大影響。若企業(yè)的服務(wù)未達(dá)到消費(fèi)者預(yù)期,則可能降低消費(fèi)者對(duì)商品的

滿意程度,最終對(duì)產(chǎn)品的銷量產(chǎn)生影響。同時(shí),產(chǎn)品售后服務(wù)作為網(wǎng)絡(luò)交易不可缺少的環(huán)節(jié),若消費(fèi)者

的售后服務(wù)難以得到保障,也會(huì)影響消費(fèi)者的購(gòu)物滿意度,進(jìn)而對(duì)產(chǎn)品銷量產(chǎn)生影響。在實(shí)踐中,鑒于

域外銷售市場(chǎng)小而散,多數(shù)企業(yè)本地化母語(yǔ)級(jí)客服人才稀缺,企業(yè)與海外消費(fèi)者溝通不暢,導(dǎo)致差評(píng)扭

轉(zhuǎn)率低、貨到付款(Cash On Delivery,簡(jiǎn)稱 COD)簽收率低等。此外,部分跨境電商企業(yè)尚未建立起成

熟售后服務(wù)資源和流程體系,使得用戶資料及訂單信息、消費(fèi)記錄、物流等信息和數(shù)據(jù)在多個(gè)部門得不

到同步對(duì)接,對(duì)跨境電商的服務(wù)質(zhì)量產(chǎn)生影響。

第45頁(yè)

34 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

2.2 跨境電商市場(chǎng)營(yíng)銷受網(wǎng)絡(luò)信息環(huán)境影響

一方面,在電子商務(wù)時(shí)代,跨境電商企業(yè)的市場(chǎng)營(yíng)銷同信息網(wǎng)絡(luò)息息相關(guān),而計(jì)算機(jī)信息網(wǎng)絡(luò)的虛

擬性以及數(shù)據(jù)的易篡改性也對(duì)跨境電商企業(yè)的市場(chǎng)營(yíng)銷產(chǎn)生了一定影響。實(shí)踐中,部分電商企業(yè)為了提

升自身銷售數(shù)量以及銷售額度,采用惡意刷差評(píng)、借助網(wǎng)站平臺(tái)發(fā)布惡意信息攻擊競(jìng)爭(zhēng)企業(yè)等方式,以

降低消費(fèi)者對(duì)競(jìng)爭(zhēng)對(duì)手的信任,最終達(dá)到提升自身產(chǎn)品銷量的目的[4];部分跨境電商企業(yè)為了提升自身產(chǎn)

品的銷量,虛報(bào)商品信息,影響了消費(fèi)者對(duì)跨境電商企業(yè)的認(rèn)知,也不利于跨境電商行業(yè)的發(fā)展。另一

方面,在現(xiàn)代網(wǎng)絡(luò)社會(huì),隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,人們獲取信息的渠道愈發(fā)寬泛,網(wǎng)絡(luò)信息及廣告呈幾

何級(jí)遞增。該種多樣化的信息來(lái)源形式對(duì)跨境電商企業(yè)的市場(chǎng)營(yíng)銷產(chǎn)生了一定干擾,不利于消費(fèi)者對(duì)跨

境電商企業(yè)產(chǎn)品形成足夠深刻的記憶點(diǎn),最終影響跨境電商的市場(chǎng)營(yíng)銷。

2.3 跨境電商市場(chǎng)營(yíng)銷物流體系尚不成熟

物流體系是跨境電商發(fā)展的重要環(huán)節(jié),也是影響電子商務(wù)交易正常進(jìn)行的重要因素。而跨境電商的

市場(chǎng)營(yíng)銷與物流體系相輔相成,即市場(chǎng)營(yíng)銷是物流得以發(fā)展的前提,完善的物流體系是市場(chǎng)營(yíng)銷成功的

保證??缇畴娚桃胩嵘隣I(yíng)銷效果,就需要加強(qiáng)物流體系供應(yīng)鏈的配合。但同國(guó)內(nèi)電子商務(wù)活動(dòng)相比,

一方面,中國(guó)跨境電子商務(wù)發(fā)展存在空間距離遠(yuǎn)、范圍覆蓋面廣、頻度高、數(shù)量小的特點(diǎn),在上述特點(diǎn)

的綜合影響下,傳統(tǒng)長(zhǎng)距離、大載體的海洋運(yùn)輸形式并不適合跨境電商的經(jīng)營(yíng)發(fā)展[5],跨境電商迫切需要

物流時(shí)效更短、成本更低、更優(yōu)質(zhì)服務(wù)的物流體系支持。但在實(shí)踐中,相應(yīng)的物流體系尚不完善,導(dǎo)致

跨境電商的供應(yīng)鏈無(wú)法進(jìn)行有效配合,最終影響了跨境電商的市場(chǎng)營(yíng)銷效果。另一方面,跨境電商的發(fā)

展涉及國(guó)外物流,國(guó)外物流商品的運(yùn)輸、配送以及倉(cāng)儲(chǔ)等相較于國(guó)內(nèi)物流更加復(fù)雜,再加上涉及海關(guān)和

商檢等環(huán)節(jié),跨境物流的整個(gè)運(yùn)輸過程以及風(fēng)險(xiǎn)較高。部分消費(fèi)者考慮到跨境物流因素的影響,選擇在

所在區(qū)域購(gòu)買商品,最終對(duì)跨境電商的市場(chǎng)營(yíng)銷產(chǎn)生影響。

2.4 跨境電商市場(chǎng)營(yíng)銷面臨較大的人才缺口

跨境電商快速發(fā)展的背景下,市場(chǎng)營(yíng)銷人才培養(yǎng)至關(guān)重要,這不僅能夠幫助跨境電商企業(yè)快速打開

國(guó)外市場(chǎng),而且能幫助企業(yè)減少貿(mào)易糾紛,提升產(chǎn)品銷售額,促進(jìn)跨境電商的長(zhǎng)久發(fā)展。但跨境電商市

場(chǎng)營(yíng)銷人才培養(yǎng)實(shí)踐中還存在一系列問題,人才培養(yǎng)現(xiàn)狀并不理想,人才缺口較大,難以為跨境電商的

市場(chǎng)營(yíng)銷提供強(qiáng)有力支撐。一方面,高校作為跨境電商市場(chǎng)營(yíng)銷人才培養(yǎng)的主要場(chǎng)所,雖然目前部分院

校已開設(shè)了跨境電商專業(yè)與跨境電商方向的市場(chǎng)營(yíng)銷課程,但總體上來(lái)說(shuō)尚處于探索和起步階段,相應(yīng)

的課程建設(shè)和課程內(nèi)容尚處于摸索階段,甚至有的院??缇畴娚淌袌?chǎng)營(yíng)銷課程同普通營(yíng)銷課程相似,未

突出專業(yè)特征,難以培養(yǎng)出符合電子商務(wù)時(shí)代發(fā)展需求的跨境電商市場(chǎng)營(yíng)銷人才[6]。另一方面,跨境電商

市場(chǎng)營(yíng)銷人才除了應(yīng)具備必要的專業(yè)理論知識(shí)之外,實(shí)踐營(yíng)銷經(jīng)驗(yàn)也至關(guān)重要。在教學(xué)實(shí)踐中,院校通

常通過與跨境電商企業(yè)共建市場(chǎng)營(yíng)銷實(shí)訓(xùn)基地來(lái)營(yíng)造真實(shí)有效的實(shí)訓(xùn)環(huán)境,但部分院?;亟ㄔO(shè)存在經(jīng)

費(fèi)投入不足、盲目追求先進(jìn)性等問題,實(shí)訓(xùn)教學(xué)難以取得較好的效果,阻礙了跨境電商市場(chǎng)營(yíng)銷人才實(shí)

踐經(jīng)驗(yàn)的積累,最終導(dǎo)致跨境電商市場(chǎng)營(yíng)銷面臨較大的人才缺口。

3 電子商務(wù)時(shí)代跨境電商市場(chǎng)營(yíng)銷的創(chuàng)新路徑

電子商務(wù)時(shí)代,跨境電商作為一種新型外貿(mào)業(yè)態(tài),不僅能有效拓寬企業(yè)的海外營(yíng)銷渠道,提升中國(guó)

品牌競(jìng)爭(zhēng)力,而且能有力促進(jìn)中國(guó)外貿(mào)的轉(zhuǎn)型升級(jí),發(fā)展?jié)摿薮?。為了切?shí)提升跨境電商的發(fā)展效

能,便需要結(jié)合其在市場(chǎng)營(yíng)銷實(shí)踐中存在的問題,從提升跨境電商服務(wù)質(zhì)量、增強(qiáng)跨境電商應(yīng)對(duì)網(wǎng)絡(luò)負(fù)

面信息的能力、構(gòu)建系統(tǒng)完善的物流體系以及優(yōu)化跨境電商人才培養(yǎng)模式著手,提升跨境電商的市場(chǎng)營(yíng)

銷價(jià)值。

3.1 提升跨境電商服務(wù)質(zhì)量

跨境電商市場(chǎng)效能的提升同市場(chǎng)營(yíng)銷策略密不可分,而市場(chǎng)營(yíng)銷策略的好壞本質(zhì)上又是由跨境電商

的服務(wù)質(zhì)量決定的,所以提升跨境電商服務(wù)質(zhì)量具有重要意義。針對(duì)跨境電商在市場(chǎng)營(yíng)銷實(shí)踐中存在的

線上服務(wù)質(zhì)量有待提升的問題[7],首先,應(yīng)從產(chǎn)品源頭著手,提升并嚴(yán)格把控產(chǎn)品質(zhì)量,建立健全產(chǎn)品

第46頁(yè)

第 4 期 何佳蓉 電子商務(wù)時(shí)代跨境電商市場(chǎng)營(yíng)銷研究 35

質(zhì)量檢測(cè)體系,確保產(chǎn)品高質(zhì)生產(chǎn)。為了進(jìn)一步提升跨境電商企業(yè)的市場(chǎng)營(yíng)銷效果,電商企業(yè)應(yīng)在產(chǎn)品

市場(chǎng)定位的基礎(chǔ)上提煉出品牌形象的差異化策略,根據(jù)不同區(qū)域消費(fèi)者的媒體習(xí)慣加大宣傳力度。其

次,應(yīng)在電商平臺(tái)上傳產(chǎn)品真實(shí)信息、圖片,避免圖片與產(chǎn)品不符給消費(fèi)者造成不好的購(gòu)買體驗(yàn)。最

后,為了提升消費(fèi)者的體驗(yàn)感和忠實(shí)度,跨境電商企業(yè)的客服在平臺(tái)與消費(fèi)者進(jìn)行溝通與交流時(shí),應(yīng)站

在消費(fèi)者的角度,真誠(chéng)并及時(shí)為客戶解答問題、處理問題,以同消費(fèi)者建立良好的貿(mào)易關(guān)系,提升消費(fèi)

者對(duì)企業(yè)的好感度。針對(duì)在售后層面存在的消費(fèi)者售后難以保障的問題,需要建立完善的客服熱線以及

客服管理系統(tǒng),使消費(fèi)者的訴求得到快速回應(yīng)、妥善解決,優(yōu)化消費(fèi)者體驗(yàn),使其對(duì)品牌建立信任,有

效減少因溝通不暢而造成的差評(píng)扭轉(zhuǎn)率低、COD 簽收率低等問題,最終帶動(dòng)消費(fèi)者主動(dòng)傳播跨境電商

企業(yè)品牌。

3.2 增強(qiáng)跨境電商應(yīng)對(duì)網(wǎng)絡(luò)負(fù)面信息的能力

電子商務(wù)時(shí)代,信息網(wǎng)絡(luò)不僅是跨境電商市場(chǎng)營(yíng)銷的主要手段,而且是跨境電商生存發(fā)展的重要依

據(jù)。針對(duì)跨境電商市場(chǎng)營(yíng)銷實(shí)踐層面存在的部分企業(yè)為了提升自身產(chǎn)品銷量,采用諸如惡意刷差評(píng)、借

助網(wǎng)站平臺(tái)發(fā)布惡意信息等方式攻擊競(jìng)爭(zhēng)企業(yè),對(duì)產(chǎn)品營(yíng)銷造成影響的問題,有必要建立危機(jī)公關(guān),以

盡可能減少對(duì)企業(yè)品牌形象的影響。具體可以通過網(wǎng)絡(luò)對(duì)企業(yè)可能出現(xiàn)的危機(jī)進(jìn)行檢索,及時(shí)識(shí)別潛在

危機(jī),然后采用正確的溝通處理方法對(duì)惡意信息加以消除[8]。同時(shí),政府應(yīng)發(fā)揮自身行政職能,加強(qiáng)對(duì)網(wǎng)

絡(luò)不良信息的監(jiān)管,嚴(yán)厲打擊發(fā)布虛假、惡意信息進(jìn)行不正當(dāng)競(jìng)爭(zhēng)的行為,定期、不定期對(duì)跨境電商企

業(yè)進(jìn)行抽查測(cè)評(píng),以實(shí)現(xiàn)對(duì)企業(yè)經(jīng)營(yíng)行為的規(guī)范,并有效凈化跨境電商市場(chǎng)營(yíng)銷環(huán)境。另外,針對(duì)跨境

電商市場(chǎng)營(yíng)銷實(shí)踐層面存在的因信息多樣化導(dǎo)致營(yíng)銷效果不佳的問題,可以通過深層次市場(chǎng)調(diào)研、與域

外知名電商平臺(tái)合作直播,以及在小紅書、微博、微信公眾號(hào)等社交媒體發(fā)布商品廣告等,密切企業(yè)同

消費(fèi)者之間的互動(dòng),如此企業(yè)既可以及時(shí)了解并收集消費(fèi)者對(duì)產(chǎn)品的意見和建議,也能強(qiáng)化產(chǎn)品品牌營(yíng)

銷的影響力,提升消費(fèi)者對(duì)產(chǎn)品的認(rèn)可度[9]。

3.3 構(gòu)建系統(tǒng)完善的物流體系

目前來(lái)看,中國(guó)跨境電商的物流體系稍顯不成熟,跨境電商的發(fā)展迫切需要物流時(shí)效更短、成本更

低、服務(wù)更優(yōu)質(zhì)的物流體系的支持。為了促進(jìn)中國(guó)跨境電商的全球發(fā)展,有必要構(gòu)建系統(tǒng)完善的物流體

系。一方面,針對(duì)當(dāng)前跨境電商交易種類較為復(fù)雜,傳統(tǒng)物流運(yùn)輸時(shí)間長(zhǎng)、過程復(fù)雜的問題,便需要通

過多種跨境物流運(yùn)輸模式的同步運(yùn)用,實(shí)現(xiàn)多個(gè)物流公司的共同協(xié)作,根據(jù)商品的差異性以及交易地區(qū)

的相應(yīng)情況選擇最優(yōu)的物流模式,在展現(xiàn)跨境物流聚合效應(yīng)的同時(shí)[10],提升跨境物流的運(yùn)輸速度以及

運(yùn)輸質(zhì)量,最終在物流層面提升跨境電商的市場(chǎng)營(yíng)銷效果。同時(shí),為了進(jìn)一步提升消費(fèi)者對(duì)跨境物流的

滿意程度,可以推行物流倉(cāng)儲(chǔ)配送一體化,即通過提前在海外倉(cāng)內(nèi)備貨,在消費(fèi)者下單后,海外倉(cāng)便可

以進(jìn)行分揀、送貨,縮短配送時(shí)間,減少跨境運(yùn)輸風(fēng)險(xiǎn),提高轉(zhuǎn)運(yùn)效率。另一方面,為了進(jìn)一步提升跨

境物流的便捷程度,應(yīng)推進(jìn)通關(guān)的便利化水平,即通過出臺(tái)系統(tǒng)性政策,建設(shè)聯(lián)網(wǎng)監(jiān)管平臺(tái),以推進(jìn)海

關(guān)“經(jīng)認(rèn)證的經(jīng)營(yíng)者”(Authorized Economic Operator,簡(jiǎn)稱 AEO)互認(rèn)合作。同時(shí),優(yōu)化口岸通關(guān)環(huán)

境、提高口岸的智能化水平,簡(jiǎn)化通關(guān)流程,在有效提升通關(guān)效率的同時(shí),提升跨境物流效率,減少物

流風(fēng)險(xiǎn)。

3.4 優(yōu)化跨境電商市場(chǎng)營(yíng)銷人才培養(yǎng)

在電子商務(wù)時(shí)代,針對(duì)當(dāng)前實(shí)踐中出現(xiàn)的跨境電商市場(chǎng)營(yíng)銷人才培養(yǎng)速度落后于跨境電商行業(yè)發(fā)展

速度,人才缺口進(jìn)一步影響跨境電商市場(chǎng)營(yíng)銷發(fā)展的問題,有必要優(yōu)化跨境電商市場(chǎng)營(yíng)銷人才培養(yǎng)。首

先,針對(duì)當(dāng)前部分高校的跨境電商市場(chǎng)營(yíng)銷課程缺少專業(yè)敏感度,不具備專業(yè)特征,使得所培養(yǎng)的人才

難以適應(yīng)跨境電商市場(chǎng)營(yíng)銷需求的問題,便需要在鼓勵(lì)院校針對(duì)跨境電商開設(shè)市場(chǎng)營(yíng)銷專業(yè)課程的基礎(chǔ)

上[11],結(jié)合當(dāng)前跨境電商所需市場(chǎng)營(yíng)銷人才,及時(shí)更新培養(yǎng)目標(biāo),除了開展傳統(tǒng)市場(chǎng)營(yíng)銷理論課程之

外,還需開設(shè)市場(chǎng)調(diào)查與預(yù)測(cè)、企業(yè)經(jīng)營(yíng)管理實(shí)訓(xùn)、虛擬商業(yè)社會(huì)環(huán)節(jié)模擬實(shí)訓(xùn)、跨境電商網(wǎng)站建設(shè)與

運(yùn)營(yíng)實(shí)訓(xùn)、直播與短視頻營(yíng)銷、跨境電商平臺(tái)實(shí)戰(zhàn)、跨境電子商務(wù)綜合實(shí)訓(xùn)等課程,以實(shí)現(xiàn)學(xué)生對(duì)市場(chǎng)

第47頁(yè)

36 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

營(yíng)銷實(shí)踐操作技能的拓展,進(jìn)而幫助學(xué)生更快地適應(yīng)跨境電商市場(chǎng)營(yíng)銷環(huán)境,破解制約跨境電商市場(chǎng)營(yíng)

銷人才短缺難題。其次,針對(duì)當(dāng)前市場(chǎng)營(yíng)銷實(shí)訓(xùn)基地建設(shè)效果不理想而導(dǎo)致實(shí)訓(xùn)教學(xué)流于形式,最終阻

礙跨境電商市場(chǎng)營(yíng)銷人才實(shí)踐經(jīng)驗(yàn)積累的問題,需要優(yōu)化校外實(shí)訓(xùn)基地。具體應(yīng)加大相應(yīng)的經(jīng)費(fèi)投入力

度,加強(qiáng)院校與跨境電商企業(yè)之間的合作,通過校企共建營(yíng)造真實(shí)的實(shí)訓(xùn)環(huán)境,使學(xué)生能體驗(yàn)跨境電商

營(yíng)銷推廣、營(yíng)銷策劃、產(chǎn)品促銷、線上線下推廣、客戶關(guān)系管理等流程,切實(shí)提升跨境營(yíng)銷實(shí)踐技能。

總之,跨境電商作為電子商務(wù)發(fā)展的新方向,已經(jīng)成為中國(guó)對(duì)外貿(mào)易增長(zhǎng)最新和最快的領(lǐng)域。要想

促進(jìn)跨境電商的持續(xù)發(fā)展,提升其涵蓋范圍,就需要?jiǎng)?chuàng)新市場(chǎng)營(yíng)銷策略,提升跨境電商服務(wù)質(zhì)量,增強(qiáng)

跨境電商應(yīng)對(duì)網(wǎng)絡(luò)負(fù)面消息的能力,構(gòu)建完善的物流體系,優(yōu)化人才培養(yǎng)策略。同時(shí)需要注意的是,跨

境電商市場(chǎng)營(yíng)銷作為市場(chǎng)行為,當(dāng)然需要政府層面的積極引導(dǎo),以使跨境電商在創(chuàng)新發(fā)展的過程中有效

規(guī)避風(fēng)險(xiǎn),最終實(shí)現(xiàn)跨越式發(fā)展。

參考文獻(xiàn):

[1] 張夏恒,馬天山.中國(guó)跨境電商物流困境及對(duì)策建議[J].當(dāng)代經(jīng)濟(jì)管理,2015(5):51-54.

[2] 張其林,汪旭暉.跨境電商平臺(tái)交易糾紛的治理模式研究——基于治理需求和治理供給匹配的視角[J].中國(guó)工

業(yè)經(jīng)濟(jì),2021(12):166-184.

[3] 呂雪晴,周梅華.我國(guó)跨境電商平臺(tái)發(fā)展存在的問題與路徑[J].經(jīng)濟(jì)縱橫,2016(3):81-84.

[4] 史如玉,劉瀅.電子商務(wù)時(shí)代跨境電商市場(chǎng)營(yíng)銷的新途徑分析[J].中國(guó)市場(chǎng),2020(6):183-185.

[5] 黃哲,杜斐燁.跨境電商對(duì)“雙循環(huán)”新發(fā)展格局的影響——以外貿(mào)增長(zhǎng)為中介變量的實(shí)證[J].商業(yè)經(jīng)濟(jì)研究,

2022(17):164-167.

[6] 韋詩(shī)麓.基于跨境電商的市場(chǎng)營(yíng)銷人才培養(yǎng)與開發(fā)策略探討[J].企業(yè)改革與管理,2022(14):87-89.

[7] 曲亞琳.雙循環(huán)視角下我國(guó)數(shù)字貿(mào)易發(fā)展對(duì)跨境電商的影響[J].商業(yè)經(jīng)濟(jì)研究,2022(21):146-149.

[8] 張艷.新發(fā)展格局下跨境電商驅(qū)動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的動(dòng)力機(jī)制與路徑優(yōu)化[J].商業(yè)經(jīng)濟(jì)研究,2021(22):84-88.

[9] 徐芃.談跨境電商背景下傳統(tǒng)零售企業(yè)轉(zhuǎn)型發(fā)展問題[J].商業(yè)經(jīng)濟(jì)研究,2022(14):124-128.

[10] 昝金淼.跨境電子商務(wù)物流模式創(chuàng)新與發(fā)展趨勢(shì)[J].商場(chǎng)現(xiàn)代化,2022(17):34-36.

[11] 孟濤,王春娟,范鵬輝.數(shù)字經(jīng)濟(jì)視域下跨境電商高質(zhì)量發(fā)展對(duì)策研究[J].國(guó)際貿(mào)易,2022(10):60-67.

Cross-border E-commerce Marketing in the E-commerce Era

HE Jiarong

(College of Business, Hefei College of Economics and Applied Sciences, Hefei, Anhui 230001, China)

Abstract: As an important enterprise type in the e-commerce era, cross-border e-commerce is characterized by globalization,

multilateralism, intangibility and immediacy. It is not only a new channel for China to explore overseas markets, but also an

important channel to enhance the international image of Chinese brands. At present, China’s cross-border e-commerce marketing

faces the problems of low service quality, vulnerability to network information, immature logistics system and talent shortage.

In order to promote the innovative development of cross-border e-commerce marketing, it is necessary to combine the problems

existing in the marketing practice to improve the service quality of cross-border e-commerce, enhance the ability of cross-border

e-commerce to deal with negative network information, build a systematic and perfect logistics system, and optimize the training

model of cross-border e-commerce talents, so as to ultimately enhance the marketing value of cross-border e-commerce.

Key words: e-commerce era; cross border e-commerce; marketing; innovation path

(責(zé)任編校:李建明 英文校對(duì):吳秀蘭)

第48頁(yè)

第 25 卷 第 4 期 衡水學(xué)院學(xué)報(bào) Vol. 25, No.4

2023 年 8 月 Journal of Hengshui University Aug. 2023

財(cái)稅扶持政策能否提升大學(xué)生創(chuàng)業(yè)企業(yè)績(jī)效

——基于創(chuàng)業(yè)資源的中介效應(yīng)

王艷紅 a,楊月君 b

(河北經(jīng)貿(mào)大學(xué) a. 公共管理學(xué)院;b. 文化與傳播學(xué)院,河北 石家莊 050067)

摘 要:創(chuàng)業(yè)財(cái)稅扶持政策不僅為企業(yè)營(yíng)造有利環(huán)境,而且對(duì)新創(chuàng)企業(yè)績(jī)效具有重大影響。根據(jù)返鄉(xiāng)創(chuàng)

業(yè)企業(yè)調(diào)查一手?jǐn)?shù)據(jù),采用 AMOS 軟件,利用 SEM 結(jié)構(gòu)方程模型與鏈?zhǔn)街薪樾?yīng)模型研究財(cái)稅扶持政策

對(duì)大學(xué)生創(chuàng)業(yè)企業(yè)績(jī)效的影響。研究發(fā)現(xiàn),財(cái)稅扶持政策與企業(yè)經(jīng)營(yíng)、企業(yè)績(jī)效皆呈正向關(guān)系,政府扶

貧補(bǔ)貼(風(fēng)險(xiǎn)補(bǔ)償)、創(chuàng)業(yè)基金、稅收優(yōu)惠、貸款貼息等政策直接正向影響企業(yè)績(jī)效,而產(chǎn)業(yè)幫扶、用

地優(yōu)惠、試點(diǎn)等間接正向影響績(jī)效,企業(yè)經(jīng)營(yíng)存在中介作用。建議從加大財(cái)稅政策扶持力度、增強(qiáng)財(cái)稅

政策匹配度、提高財(cái)稅政策實(shí)施效率、優(yōu)化財(cái)稅政策路徑機(jī)制等多種策略提升新創(chuàng)企業(yè)績(jī)效。

關(guān)鍵詞:大學(xué)生;財(cái)稅扶持政策;創(chuàng)業(yè)企業(yè)績(jī)效;SEM 結(jié)構(gòu)方程;中介效應(yīng)

DOI:10.3969/j.issn.1673-2065.2023.04.007

作者簡(jiǎn)介:王艷紅,女,河北滄州人,副教授;

楊月君,女,河北臨城人,副教授。

基金項(xiàng)目:河北省社會(huì)科學(xué)發(fā)展研究項(xiàng)目(20220505012);河北省高等教育教學(xué)改革研究與實(shí)踐項(xiàng)目階

段性成果(2022GJJG167);河北省高校輔導(dǎo)員領(lǐng)航工作室(云梯網(wǎng)絡(luò)文化工作室)建設(shè)成果

中圖分類號(hào):F812.42; F279.2 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1673-2065(2023)04-0037-07

收稿日期:2023-01-06

黨的十九大報(bào)告提出,實(shí)施鄉(xiāng)村振興戰(zhàn)略,堅(jiān)持農(nóng)業(yè)農(nóng)村優(yōu)先發(fā)展,加快推進(jìn)農(nóng)業(yè)農(nóng)村現(xiàn)代化要建

立多層次多樣化的返鄉(xiāng)創(chuàng)業(yè)格局,激發(fā)返鄉(xiāng)創(chuàng)業(yè)熱情,創(chuàng)造更多就近就業(yè)機(jī)會(huì),為鄉(xiāng)村振興培養(yǎng)生力

軍;2018 年中央一號(hào)文件對(duì)此作了全面部署,提出“實(shí)施鄉(xiāng)村振興戰(zhàn)略,必須破解人才瓶頸制約”,充

分體現(xiàn)了鄉(xiāng)村振興要把人力資本開發(fā)放在首要位置。作為既熟悉農(nóng)村情況又有一定城市現(xiàn)代化經(jīng)驗(yàn)的大

學(xué)生,其返鄉(xiāng)創(chuàng)業(yè)是實(shí)現(xiàn)鄉(xiāng)村振興戰(zhàn)略目標(biāo)的重要主體和支點(diǎn)。根據(jù)國(guó)家發(fā)展改革委員會(huì)統(tǒng)計(jì),截至

2018 年 7 月我國(guó)返鄉(xiāng)創(chuàng)業(yè)人數(shù)已達(dá) 740 萬(wàn),然而與如火如荼的返鄉(xiāng)創(chuàng)業(yè)浪潮相比,中國(guó)創(chuàng)業(yè)者目前普遍

具有“創(chuàng)業(yè)意愿強(qiáng)、創(chuàng)業(yè)績(jī)效低”的特點(diǎn),五成企業(yè)生存年齡在 5 年以下[1]。大學(xué)生等群體返鄉(xiāng)創(chuàng)業(yè)依舊

困難重重,少數(shù)成功的新企業(yè)實(shí)現(xiàn)了財(cái)富的快速積累,而大量失敗的新企業(yè)卻要付出沉重的代價(jià)[2]。盡管

政府近幾年采取多種措施構(gòu)建良好的外部環(huán)境促進(jìn)新創(chuàng)企業(yè)發(fā)展壯大,但新創(chuàng)企業(yè)生存發(fā)展是一個(gè)受多

因素影響的復(fù)雜結(jié)果變量[3]。鑒于此,創(chuàng)業(yè)績(jī)效影響因素問題吸引了大批學(xué)者進(jìn)行探討,學(xué)者們一般從

宏、微觀兩個(gè)角度對(duì)該問題進(jìn)行分析,微觀因素主要考察創(chuàng)業(yè)者的個(gè)人及家庭特征,如社會(huì)資本、心理

資本、人力資本[4-5]、創(chuàng)業(yè)激情[6]、創(chuàng)業(yè)經(jīng)歷[7];宏觀因素主要從創(chuàng)業(yè)環(huán)境入手考慮經(jīng)濟(jì)、政策制度方面的

因素,如經(jīng)濟(jì)發(fā)展水平、金融政策、互聯(lián)網(wǎng)設(shè)施、公共支持政策[8-9]。

在新創(chuàng)企業(yè)績(jī)效的眾多影響因素中,財(cái)稅扶持政策一直備受學(xué)者關(guān)注,部分學(xué)者將政府財(cái)稅政策作

為一種資源,對(duì)企業(yè)的成功有著正向影響,可以降低新創(chuàng)企業(yè)劣勢(shì),提高企業(yè)生存率[10],盡管創(chuàng)業(yè)財(cái)稅

政策影響創(chuàng)業(yè)績(jī)效受到大部分學(xué)者的認(rèn)可,但是從廣義的角度探討,學(xué)者并沒有在此問題上達(dá)成一致,

第49頁(yè)

38 衡水學(xué)院學(xué)報(bào)投稿平臺(tái):https://hssz.cbpt.cnki.net/ 第 25 卷

存在積極影響論、消極影響論、不相關(guān)論。

通過對(duì)現(xiàn)有文獻(xiàn)的整理和現(xiàn)有研究的歸納,多角度、多方法探討創(chuàng)業(yè)財(cái)稅政策對(duì)創(chuàng)業(yè)企業(yè)績(jī)效的影

響,對(duì)后續(xù)產(chǎn)生了積極的指導(dǎo)意義,但以往創(chuàng)業(yè)財(cái)稅支持政策研究局限于從單一角度靜態(tài)解讀創(chuàng)業(yè)扶持政

策對(duì)企業(yè)績(jī)效的影響,較少涉及創(chuàng)業(yè)扶持政策影響創(chuàng)業(yè)企業(yè)績(jī)效的內(nèi)部機(jī)理;財(cái)稅政策對(duì)企業(yè)異質(zhì)性的影

響更多關(guān)注創(chuàng)業(yè)者的個(gè)體特質(zhì)、經(jīng)歷,較少關(guān)注創(chuàng)業(yè)扶持政策多維度有效性。鑒于此,本研究將財(cái)稅創(chuàng)業(yè)

扶持政策分為稅收減免、貸款擔(dān)保、用地優(yōu)惠、風(fēng)險(xiǎn)補(bǔ)償四個(gè)方面,并根據(jù)大學(xué)生創(chuàng)業(yè)企業(yè)調(diào)查問卷獲取

相關(guān)營(yíng)商環(huán)境、企業(yè)基本面等相關(guān)一手調(diào)查數(shù)據(jù),運(yùn)用 SEM 結(jié)構(gòu)方程模型研究財(cái)稅政策對(duì)于大學(xué)生創(chuàng)業(yè)企

業(yè)績(jī)效的影響,并探究其內(nèi)在的優(yōu)化路徑,以此完善相關(guān)財(cái)稅扶持政策,助力鄉(xiāng)村振興。

1 創(chuàng)業(yè)財(cái)稅政策、創(chuàng)業(yè)環(huán)境、企業(yè)經(jīng)營(yíng)、企業(yè)創(chuàng)新對(duì)企業(yè)績(jī)效影響的理論分析及研究假設(shè)

1.1 財(cái)稅扶持政策對(duì)大學(xué)生創(chuàng)業(yè)企業(yè)績(jī)效的影響

在本研究中財(cái)稅扶持政策指的是稅收的減免政策、專項(xiàng)資金資助、財(cái)政補(bǔ)貼、貸款擔(dān)保。作為大學(xué)

生創(chuàng)業(yè)企業(yè),資金問題一直是制約企業(yè)發(fā)展的巨大障礙。創(chuàng)業(yè)的財(cái)稅扶持政策中,稅收減免政策、財(cái)政

補(bǔ)貼、專項(xiàng)資金資助,減少了資金支出。對(duì)于新創(chuàng)企業(yè)可以降低經(jīng)營(yíng)成本,有利于企業(yè)研發(fā)和設(shè)備的更

新?lián)Q代;財(cái)政補(bǔ)貼及專項(xiàng)資金資助可以增加企業(yè)收入,減少債務(wù)融資,降低新創(chuàng)企業(yè)融資風(fēng)險(xiǎn)[11]。對(duì)于

政府的貸款擔(dān)保,大學(xué)生的初創(chuàng)企業(yè)信用低,資金需求大,由于信貸擔(dān)保的逆向選擇,銀行往往選擇大

企業(yè)作為信貸對(duì)象,而忽略新創(chuàng)企業(yè)的信貸需求,加之初創(chuàng)企業(yè)貸款抵押物匱乏,導(dǎo)致大學(xué)生創(chuàng)業(yè)企業(yè)

資金籌集困難,在很大程度上制約了企業(yè)發(fā)展。政府政策介入貸款擔(dān)保,有利于引導(dǎo)資金流向新創(chuàng)企

業(yè),緩解企業(yè)“融資難”困境,降低融資成本,助力企業(yè)發(fā)展?;谝陨戏治?,提出研究假設(shè) 1。

H1:財(cái)稅扶持政策有利于提升大學(xué)生創(chuàng)業(yè)企業(yè)績(jī)效。

1.2 創(chuàng)業(yè)環(huán)境對(duì)大學(xué)生創(chuàng)業(yè)企業(yè)績(jī)效的影響

創(chuàng)業(yè)績(jī)效是企業(yè)發(fā)展的目標(biāo),也是企業(yè)持續(xù)進(jìn)步的基礎(chǔ)。良好的創(chuàng)業(yè)環(huán)境對(duì)企業(yè)的績(jī)效有著正向影

響,而且經(jīng)濟(jì)越發(fā)達(dá)地區(qū),創(chuàng)業(yè)環(huán)境同企業(yè)績(jī)效相關(guān)度越高。具體來(lái)說(shuō),良好的融資渠道,網(wǎng)絡(luò)信貸平臺(tái)

的多樣性可以緩解新創(chuàng)企業(yè)的資金壓力,多渠道的融資手段使資金“卡脖子”問題得到緩解;完善的交通

運(yùn)輸、通信設(shè)備等基礎(chǔ)設(shè)施的便利性,可以進(jìn)一步降低企業(yè)的物流,通信成本,提高企業(yè)利潤(rùn)及績(jī)效;信

息資源的豐富性、行業(yè)互動(dòng)有序可以降低由于信息不對(duì)稱帶來(lái)的利潤(rùn)損失;初創(chuàng)企業(yè)往往由于創(chuàng)業(yè)人員能

力低下引致企業(yè)績(jī)效水平低下[12]。行業(yè)環(huán)境中的技能培訓(xùn),可以提高大學(xué)生的人力資本,增強(qiáng)其創(chuàng)業(yè)管理

能力、創(chuàng)新能力、判斷能力等實(shí)際的運(yùn)營(yíng)企業(yè)技能,將直接促進(jìn)企業(yè)績(jī)效的提高?;谝陨戏治觯岢鲅?/p>

究假設(shè) 2。

H2:創(chuàng)業(yè)環(huán)境對(duì)大學(xué)生創(chuàng)業(yè)企業(yè)績(jī)效有正向影響。

1.3 企業(yè)創(chuàng)新對(duì)創(chuàng)業(yè)企業(yè)績(jī)效的影響分析

財(cái)稅扶持政策是吸引勞動(dòng)力返鄉(xiāng)創(chuàng)業(yè)的重要政策工具,研究和提升財(cái)稅扶持政策的實(shí)施效果對(duì)推進(jìn)

返鄉(xiāng)創(chuàng)業(yè)企業(yè)高質(zhì)量發(fā)展至關(guān)重要[13]?!吨猩饺?qǐng)?bào)》早在多年前就明確指出等待國(guó)家政策扶持的同時(shí),

要清醒地意識(shí)到:企業(yè)經(jīng)營(yíng)思路必須變革,必須走知識(shí)創(chuàng)新型發(fā)展道路,這不僅強(qiáng)調(diào)了企業(yè)創(chuàng)新的重要

性,同時(shí)也間接說(shuō)明財(cái)政扶持政策在一定程度上可以促進(jìn)企業(yè)創(chuàng)新進(jìn)而優(yōu)化企業(yè)經(jīng)營(yíng)。此外,研究發(fā)

現(xiàn):政府財(cái)稅補(bǔ)貼和獎(jiǎng)勵(lì)對(duì)企業(yè)專利數(shù)量有顯著影響[14];為中小企業(yè)的發(fā)展創(chuàng)造融資支持有利于提高企

業(yè)創(chuàng)新能力,從而助力企業(yè)有效發(fā)展[15]。而另一方面,隨著企業(yè)創(chuàng)新能力的提升,可能會(huì)給企業(yè)經(jīng)營(yíng)帶

來(lái)其他助力。例如通過研究領(lǐng)域的開拓,生產(chǎn)規(guī)模也隨著擴(kuò)大,從而產(chǎn)生規(guī)模經(jīng)濟(jì),使得企業(yè)的單位生

產(chǎn)成本大大降低,從而提高經(jīng)營(yíng)效率,另外通過管理與組織創(chuàng)新可以有效激活企業(yè)內(nèi)生動(dòng)力,從而有序

進(jìn)行企業(yè)經(jīng)營(yíng)?;谝陨戏治?,提出研究假設(shè) 3。

H3:企業(yè)創(chuàng)新在財(cái)稅扶持政策與企業(yè)經(jīng)營(yíng)之間具有中介效應(yīng),即政府鼓勵(lì)企業(yè)創(chuàng)新,從而對(duì)企業(yè)經(jīng)

營(yíng)具有正向影響。

第50頁(yè)

第 4 期 王艷紅,等 財(cái)稅扶持政策能否提升大學(xué)生創(chuàng)業(yè)企業(yè)績(jī)效 39

1.4 企業(yè)創(chuàng)新對(duì)于企業(yè)經(jīng)營(yíng)的影響

企業(yè)創(chuàng)新作為企業(yè)競(jìng)爭(zhēng)力提高的關(guān)鍵要素,其一,基于創(chuàng)新理論分析,技術(shù)創(chuàng)新能夠確保企業(yè)內(nèi)部?jī)?yōu)

勢(shì)的發(fā)揮,利用技術(shù)資源優(yōu)勢(shì)提高市場(chǎng)地位。其二,技術(shù)創(chuàng)新能夠使企業(yè)充分掌握核心技術(shù)資源,并發(fā)揮

資源的最大化價(jià)值,對(duì)動(dòng)態(tài)的市場(chǎng)需求做出快速響應(yīng),優(yōu)化企業(yè)經(jīng)營(yíng),以提高自身競(jìng)爭(zhēng)力[16]。研究發(fā)現(xiàn),

研發(fā)投入與企業(yè)績(jī)效之間存在正相關(guān)關(guān)系。研究結(jié)論表明:研發(fā)人員投入力度與企業(yè)營(yíng)業(yè)利潤(rùn)率和總資產(chǎn)

收益率呈顯著正相關(guān)[17];適量增加民營(yíng)企業(yè)的研發(fā)投入能夠在一定程度上提高企業(yè)績(jī)效;專利申請(qǐng)數(shù)在一

定程度上可以增強(qiáng)企業(yè)競(jìng)爭(zhēng)力,獲取更多利潤(rùn)[18];組織創(chuàng)新為企業(yè)良序發(fā)展提供制度架構(gòu)與組織基礎(chǔ),有

效的組織創(chuàng)新可以優(yōu)化企業(yè)經(jīng)營(yíng)?;谝陨戏治觯岢鲅芯考僭O(shè) 4。

H4:企業(yè)創(chuàng)新對(duì)企業(yè)經(jīng)營(yíng)有正向影響。

2 研究設(shè)計(jì)

2.1 數(shù)據(jù)與樣本

問卷調(diào)研是獲取統(tǒng)計(jì)數(shù)據(jù)最常用的方法之一,為了能夠真實(shí)反映大學(xué)生創(chuàng)業(yè)企業(yè)績(jī)效的影響因素,

本研究采用了線上預(yù)調(diào)查,發(fā)放問卷 140 份,共計(jì)回收有效問卷 124 份,有效回答率為 88.57%,且均通

過信效度檢驗(yàn);在修改部分問卷部分存在的歧義、抽象化問題,進(jìn)行一定的調(diào)整。正式調(diào)查中采用多階

段 PPS 抽樣方案抽取樣本發(fā)放問卷 800 份,共計(jì)回收 781 份,在對(duì)問卷質(zhì)量進(jìn)行審核的基礎(chǔ)上,剔除無(wú)

效問卷,共獲得有效問卷 742 份,問卷有效率為 95.75%。且均通過信效度檢驗(yàn),各題目之間一致性較

好,可靠性較高。

2.2 模型構(gòu)建

利用結(jié)構(gòu)方程模型分析創(chuàng)業(yè)環(huán)境、財(cái)稅扶持政策、企業(yè)經(jīng)營(yíng)、企業(yè)創(chuàng)新和企業(yè)績(jī)效之間的關(guān)系。結(jié)

構(gòu)方程模型包括測(cè)量模型與結(jié)構(gòu)模型,在應(yīng)用前檢測(cè)潛變量與觀察變量之間的關(guān)系,驗(yàn)證量表效度;應(yīng)

用后描述和驗(yàn)證潛變量之間的關(guān)系。根據(jù)理論假設(shè)和變量設(shè)計(jì)構(gòu)建框架模型,將數(shù)據(jù)導(dǎo)入初始模型中試

運(yùn)行,模型可運(yùn)行。該模型的擬合優(yōu)度指數(shù)如下:

GFI = 0.866>0.9,CFI = 0.859>0.8,AGFI = 0.847>0.8。

以上表明模型擬合度較好。但由于 RMSEA = 0.089>0.08,又 CMIN/DF = 6.937>3,不太理想,模

型仍需要進(jìn)一步修正。

2.3 模型修正與優(yōu)化

在初始模型基礎(chǔ)上,繼續(xù)進(jìn)行模型的修正與優(yōu)化,檢查估計(jì)可知,模型無(wú)負(fù)的誤差方差出現(xiàn),見表

1,從表 1 可以看出各項(xiàng)標(biāo)準(zhǔn)化估計(jì)系數(shù)的絕對(duì)值范圍為 0.04 ~ 0.98,此模型并未發(fā)生違犯估計(jì)的現(xiàn)象,

因此可進(jìn)行整體模型擬合度的檢驗(yàn)。修正模型依據(jù)修正指數(shù) MI 值,根據(jù)問題的實(shí)際意義,有取舍地添加

潛變量的相關(guān)約束。通過比較擬合指數(shù)及競(jìng)爭(zhēng)適配指數(shù)的變化來(lái)分析是否可取。從實(shí)際出發(fā),這四條路

徑的增加有意義:1)大學(xué)生創(chuàng)業(yè)企業(yè)領(lǐng)域開拓與企業(yè)組織層決策具有相關(guān)性,組織理念越創(chuàng)新,開拓領(lǐng)

域也相對(duì)廣泛;2)企業(yè)經(jīng)營(yíng)與企業(yè)績(jī)效交互影響,績(jī)效體現(xiàn)企業(yè)經(jīng)營(yíng)成果,也對(duì)企業(yè)經(jīng)營(yíng)決策起著重要

指向作用;3)網(wǎng)絡(luò)信貸平臺(tái)與融資渠道均屬于企業(yè)自籌資金的手段,網(wǎng)絡(luò)信貸平臺(tái)越多樣,企業(yè)經(jīng)營(yíng)者

可選擇的融資渠道越多樣;4)信息數(shù)字時(shí)代下,技能培訓(xùn)主要集中于線上訓(xùn)練營(yíng),不可否認(rèn),二者具有

正向相關(guān)性。

表 1 初始模型與修正模型的競(jìng)爭(zhēng)適配度指標(biāo)值

初始模型 修正模型

ECVI 1.946 0.736

AIC 1459.321 552.113

NCP 1199.321 288.113

CMIN/DF 6.937 2.455

注:競(jìng)爭(zhēng)指標(biāo):ECVI、AIC、NCP 指標(biāo)值越小越適配度越好。

百萬(wàn)用戶使用云展網(wǎng)進(jìn)行電子書籍制作,只要您有文檔,即可一鍵上傳,自動(dòng)生成鏈接和二維碼(獨(dú)立電子書),支持分享到微信和網(wǎng)站!
收藏
轉(zhuǎn)發(fā)
下載
免費(fèi)制作
其他案例
更多案例
免費(fèi)制作
x
{{item.desc}}
下載
{{item.title}}
{{toast}}