基于DEA-TOBIT模型的我国港口业 上市公司经营效率研究

文章利用DEA-TOBIT两阶段法,对我国17家港口业上市公司2011—2016年经营效率及影响因素进行了测算和分析,并运用Malmquist指数对我国港口业上市公司的经营效率变化进行动态分析。研究结果表明:从静态效率分析,17家港口上市公司综合效率值相对较高,但维持在产出不变的情况下,港口公司投入仍有相对的节能空间;从动态效率上看,在研究期内17家港口上市公司的全要素生产率总体呈下降趋势,技术水平下降和规模效率的降低是造成全要素生产率降低的主要原因;从效率影响因素研究来看,总资产周转率、资产收益率、股权集中度和上市时间与港口经营效率呈正相关,企业的资产负债率对港口经营效率呈负向影响,企业的规模大小对港口经营效率的影响不明显。最后,根据实证结果,提出了科学合理的融资渠道组合,提高港口企业资产周转率;不断提升企业自身管理水平,科学控制企业规模;积极把握时代发展需求,加大企业技术创新,实现港口创新型驱动发展;大力建设港口组合,合作共享,协调发展等对策建议。     

波浪溢流作用下海堤内坡高性能加筋草皮护坡防侵蚀特征研究

基于1∶1的大型水槽试验结果,分析了波浪溢流过程中位于海堤内坡的高性能加筋草皮护面的侵蚀特征。试验观察表明试验期间有一定土壤的损失,但护坡无明显的破坏;土面高度测量表明,当土壤流失发展到一定深度后,如果水动力强度变化不大,侵蚀趋于逐渐停止,这种现象称为侵蚀上限;结合试验现象对侵蚀上限进行了初步解释,并讨论了侵蚀上限达到前的侵蚀速率特征;植株密度监测表明,试验期间的草茎密度基本不变,草叶密度在开始几次试验期间持续减小,而后达到一个稳定值,这对于海堤的可持续防护有重要意义。研究成果能够为波浪溢流期间海堤内坡防御的相关研究和工程措施提供参考依据。     

赤道东印度洋和孟加拉湾障碍层厚度的季节内和准半年变化

利用2002—2015年ARGO网格化的温度、盐度数据, 结合卫星资料揭示了赤道东印度洋和孟加拉湾障碍层厚度的季节内和准半年变化特征, 探讨了其变化机制。结果表明, 障碍层厚度变化的两个高值区域出现在赤道东印度洋和孟加拉湾北部。在赤道区域, 障碍层同时受到等温层和混合层变化的影响, 5—7月和11—1月受西风驱动, Wyrtki急流携带阿拉伯海的高盐水与表层的淡水形成盐度层结, 同时西风驱动的下沉Kelvin波加深了等温层, 混合层与等温层分离, 障碍层形成。在湾内, 充沛的降雨和径流带来的大量淡水产生很强的盐度层结, 混合层全年都非常浅, 障碍层季节内变化和准半年变化主要受等温层深度变化的影响。上述两个区域障碍层变化存在关联, 季节内和准半年周期的赤道纬向风驱动的波动过程是它们存在联系的根本原因。赤道东印度洋地区的西风(东风)强迫出向东传的下沉(上升)的Kelvin波, 在苏门答腊岛西岸转变为沿岸Kelvin波向北传到孟加拉湾的东边界和北边界, 并且在缅甸的伊洛瓦底江三角洲顶部(95°E, 16°N)激发出向西的Rossby波, 造成湾内等温层深度的正(负)异常, 波动传播的速度决定了湾内的变化过程滞后于赤道区域1~2个月。     

北半球热带中太平洋与印度洋海表温度梯度对夏季西北太平洋热带气旋生成频数变化的影响

基于1951—2018年哈德里中心海温资料、美国气象环境预报中心和美国国家大气研究中心再分析资料和第四代欧洲中心汉堡模式, 针对1994年、2018年等西北太平洋热带气旋(TC)生成异常多的年份, 研究了引起TC增加的海表温度异常(SSTA)模态及其影响机制。结果表明, 北半球热带中太平洋增暖与印度洋变冷是夏季西北太平洋TC生成频数增加的主要原因, 北大西洋负三极型式SSTA促使TC生成的进一步增加。热带中太平洋增暖与印度洋冷却在菲律宾以东激发出西风异常和气旋性环流异常。北大西洋负三极型式SSTA在我国南海、菲律宾至东南沿岸激发出气旋性环流异常。前者在西北太平洋中部, 后者在南海产生有利于TC生成的局地环境。1994年和2018年夏季热带中太平洋出现暖SSTA、印度洋为冷SSTA、北大西洋呈现负三极型式SSTA, 西北太平洋TC生成频数极端增多。近30年来, 当出现热带中太平洋增暖和印度洋冷却时, 北大西洋表现出比1989年以前更强的负三极型式SSTA, 使西北太平洋TC生成频数和北半球热带印度洋-太平洋SSTA梯度的线性相关更显著。     

基于ERA-20C再分析数据的中国近海波候研究

基于ERA-20C再分析数据,综合分析了1950—2010年间中国近海的海表风速、风浪、涌浪和混合浪的分布特点。结果表明,中国近海的风场主要受东亚季风控制,在南海南部靠近越南的海域夏季形成7 m/s的风速大值中心,冬季风速则可达9 m/s。风浪场的空间分布特点与风场相似,而受传播效应和浅水效应的影响,涌浪场四季均在吕宋海峡和东海东南部出现波高的大值中心。春夏季节中国近海大部分海域涌浪占优,与风速大值中心对应,夏冬季节南海南部10°N附近存在风浪池。趋势分析结果显示,风速和混合浪有效波高的线性趋势呈现相似的空间分布,南海的风速和波高分别以0.27 cm·s^-1/a和0.74 cm/a的速率显着增加。而渤海分别以-0.49 cm·s^-1/a和-0.85 cm/a的速率显著降低,黄海的变化率分别为-0.43 cm·s^-1/a和-0.79 cm/a。将中国近海风速和波高的年际变化分别与气候指数尼诺3.4进行相关分析,结果显示,冬季大部分海域的相关系数为负,而夏季在南海和东海海域则为正。     

中国区域MuSyQ叶面积指数产品验证与分析

对多源遥感数据协同生产的2010年—2015年中国区域1 km空间分辨率5天合成的MuSyQ（Multi-source data Synergized Quantitative remote sensing production system）叶面积指数LAI产品进行验证。参考现有的LAI产品（MODIS c5,GLASS LAI）和中国生态系统研究网络部分农田和森林站点可用的LAI地面测量数据,从时空连续性、时空一致性、精度和准确性等方面对中国区域的MuSyQ LAI产品进行定性和定量分析与评价。结果表明：（1） MuSyQ LAI产品在保证精度优于MODIS产品的情况下,时间分辨率和时空连续性均有提高。MuSyQ LAI与其他LAI产品（MODIS c5,GLASS LAI）在整体上有很好的一致性（RMSE=1.0,RMSE=0.81）,但对常绿阔叶林高值处的描述不稳定;（2） 与LAI地面测量数据相比,MuSyQ LAI产品与地面参考图对比结果较好（最高相关性（R²=0.54）和较低总体误差（RMSE=0.96））,其在阔叶作物生长季高值处有些许低估且在某些阔叶林站点有些高估。整体上,MuSyQ LAI产品呈现出较高的精度,可靠的空间分布和连续稳定的时间分布,且对森林LAI的描述具有更可靠的动态范围。     

基于时间序列叶面积指数稀疏表示的作物种植区域提取

以华北平原黄河以北地区为研究区域,以时间序列叶面积指数LAI(Leaf Area Index)傅里叶变换的谐波特征作为不同作物识别的数据源,利用稀疏表示的分类方法识别2007年—2016年冬小麦、春玉米、夏玉米等主要农作物种植区域。首先利用上包络线Savitzky-Golay滤波分别对2007年—2016年的时间序列MODIS LAI曲线进行重构,进而对重构的年时间序列LAI进行傅里叶变换,以0—5级谐波振幅、1—5级谐波相位作为作物识别的依据,基于各类地物的训练样本,通过在线字典学习算法构建稀疏表示方法的判别字典,对每个待测样本利用正交匹配追踪算法求解稀疏系数,从而计算对应于各类地物的重构误差,根据最小重构误差判定待测样本的作物类型,并对作物识别结果的位置精度进行验证。结果表明,2007年—2016年作物识别的总体精度为77.97%,Kappa系数为0.74,表明本文提出的方法可以用于研究区域主要作物种植区域的提取。     

GPS/GLONASS/BDS组合的RTK模型与精度分析

针对RTK技术在观测条件不佳的情况下定位精度和可靠性问题,该文对GPS/GLONASS/BDS三系统组合RTK模型进行了探讨并给出了观测值域与法方程域组合RTK模型。其具体实现过程为:观测值域组合RTK模型即是对多系统的双差观测值直接进行叠加求解得到组合系统的位置参数和模糊度等信息;而法方程域组合RTK模型首先是对单系统的双差观测值进行求解得到单系统的法方程,并对多个系统的法方程叠加后求解得到组合系统的位置参数和模糊度等信息。实验结果表明,观测值域组合模型比法方程域组合模型更严密,其定位结果更稳定;组合RTK比单系统RTK精度更优,稳定性更好。     

一种土壤修复工程的智能监管方法

针对当前土壤污染修复工程在实施过程中存在技术人员及管理人员需要现场指导和监督、实时在线监管功能缺乏、在线交互性差等问题,该文研究了网络三维地理场景构建、修复区环境智能化实时监测和预警、土壤采样数据与网络三维地理场景融合的方法。研发了基于3D WebGIS的土壤修复工程智能监管系统,将各类感知数据与三维地理场景结合,实现了在网络三维地理场景中土壤修复环境在线感知和远程监控、土壤现状分析、健康风险评估和修复效果的可视化表达等功能。工程实践表明,此方法便于管理者在线监管工程的现场环境和修复现状,有效提高了土壤修复工程监管的信息化和智能化水平。     

顾及周期性误差修正的加权平均温度模型构建

针对目前多数大气加权平均温度(Tm)模型没有考虑季节性影响这一问题,该文首先利用IGRA 2005-2010年全球探空数据,分别建立了各探空站点与地表温度有关的线性Tm模型、与地表水汽压有关的指数Tm模型以及与地表温度和水汽压均有关的混合Tm模型。然后以探空站积分Tm值为参考,对上述3类模型的误差时间序列进行了分析,发现这3种模型均存在周期性误差,并在此基础上构建了考虑周期性误差修正的3类Tm新模型。利用2011-2014年全球探空数据对3类新模型进行精度验证,结果表明:3类Tm新模型的精度相比于原模型均有所提升,模型的周期性误差影响基本得以消除,且3类Tm新模型的精度基本一致。