基于SciVal數(shù)據(jù)的農(nóng)業(yè)工程學(xué)科發(fā)展報告（2015—2020）

楊睿 王寶濟(jì)

摘要：本文基于SciVal平臺新推出的基于文章級別的教育部一級學(xué)科分類功能（China SCADC Subject Categories），對全球及我國農(nóng)業(yè)工程領(lǐng)域研究成果進(jìn)行計量分析。研究發(fā)現(xiàn)，2015-2020年間，全球農(nóng)業(yè)工程學(xué)科研究成果總量已達(dá)22萬，生物炭、生物柴油、溫室、干旱、黃土等是全球農(nóng)業(yè)工程研究的熱點主題詞，國內(nèi)跨機(jī)構(gòu)合作與機(jī)構(gòu)內(nèi)合作是主要的成果產(chǎn)出模式；中國農(nóng)業(yè)工程學(xué)科研究成果總量已達(dá)15萬，中國科學(xué)院、西北農(nóng)林科技大學(xué)、中國農(nóng)業(yè)大學(xué)等學(xué)術(shù)機(jī)構(gòu)在該領(lǐng)域的科研實力雄厚，生物炭是目前我國最熱門的研究主題。

關(guān)鍵詞：SciVal；農(nóng)業(yè)工程；文獻(xiàn)計量；分析報告

引言

習(xí)近平總書記在2020年12月召開的中央農(nóng)村工作會議做出的重要指示中強(qiáng)調(diào)，堅持把解決好“三農(nóng)”問題作為全黨工作重中之重，舉全黨全社會之力推動鄉(xiāng)村振興，促進(jìn)農(nóng)業(yè)高質(zhì)高效、鄉(xiāng)村宜居宜業(yè)、農(nóng)民富裕富足。構(gòu)建新發(fā)展格局，把戰(zhàn)略基點放在擴(kuò)大內(nèi)需上，農(nóng)村有巨大空間，可以大有作為[1]。我國要通過深化農(nóng)業(yè)供給側(cè)改革提高農(nóng)業(yè)生產(chǎn)水平，實現(xiàn)農(nóng)業(yè)現(xiàn)代化，依靠農(nóng)業(yè)工程技術(shù)提升和改造傳統(tǒng)農(nóng)業(yè)是其關(guān)鍵所在[2]。

通過文獻(xiàn)計量方法可以對科研成果的特征進(jìn)行分析，在一定程度上可以反映相應(yīng)學(xué)科發(fā)展的狀況。SciVal是愛思唯爾旗下的科研管理工具，分析數(shù)據(jù)來源于Scopus的研究成果及其使用數(shù)據(jù)，包括5個主要功能模塊：Overview（概覽）、Benchmarking（比較分析）、Collaboration（合作分析）、Trend（分析研究趨勢）、Reporting（定制研究報告）。Scopus自身的學(xué)科分類體系——全學(xué)科期刊分類系統(tǒng)（All Science Journal Classification，ASJC）中并沒有“農(nóng)業(yè)工程”精準(zhǔn)對應(yīng)的學(xué)科類別，但在2020年12月SciVal新推出了基于文章級別的教育部一級學(xué)科分類功能（China SCADC Subject Categories），包括97個子學(xué)科，其中0828為農(nóng)業(yè)工程。SciVal平臺通過機(jī)器學(xué)習(xí)算法，利用基于Fast Text算法訓(xùn)練的文章級別分類器，將研究成果直接映射到該分類體系的相應(yīng)學(xué)科，而非粗粒度地通過文獻(xiàn)來源出版物進(jìn)行映射。

本文基于這一新功能，對全球以及我國農(nóng)業(yè)工程領(lǐng)域研究成果進(jìn)行計量分析，可以從一個側(cè)面反映國內(nèi)外農(nóng)業(yè)工程領(lǐng)域研究及發(fā)展?fàn)顩r。

1 數(shù)據(jù)來源

在SciVal的Research Area（研究領(lǐng)域）選擇China SCADC Subject Categories--China SCADC：0828 Agricultural Engineering （農(nóng)業(yè)工程），時間范圍選擇2015-2020年，數(shù)據(jù)庫最近一次更新時間為2021年1月20日，結(jié)合SciVal的Overview以及Trend等功能模塊進(jìn)行國內(nèi)外農(nóng)業(yè)工程學(xué)科科研成果的分析。截至目前，數(shù)據(jù)庫中2020年的數(shù)據(jù)還并不完整，因此在統(tǒng)計數(shù)據(jù)中顯示2020年不完整數(shù)據(jù)年，根據(jù)Scopus信息顯示，直到2021年5-6月，2020年的數(shù)據(jù)才會達(dá)到95%的完整度，從而成為完整的數(shù)據(jù)年份[3]。

2 全球農(nóng)業(yè)工程學(xué)科發(fā)展

2.1 年度發(fā)文量

2015-2020年全球農(nóng)業(yè)工程學(xué)科研究成果產(chǎn)出數(shù)量分別為32 786、33 943、36 136、41 459、46 757、30 623（圖1）。由于2020年的統(tǒng)計數(shù)據(jù)并不完整，在圖中以虛線的形式顯示（下同）。除去數(shù)據(jù)不完整的2020年，可以看到，近幾年全球農(nóng)業(yè)工程學(xué)科科研成果產(chǎn)出數(shù)量呈現(xiàn)增長態(tài)勢，學(xué)科內(nèi)研究活躍度高。中國的科研成果數(shù)量最多，其次是美國、印度等國家（圖2），各個國家的成果總數(shù)、瀏覽量等指標(biāo)見表1。

2.2 學(xué)科分布

ASJC是Scopus的學(xué)科分類體系，包括27個一級學(xué)科領(lǐng)域和334個二級學(xué)科領(lǐng)域[4]。研究成果根據(jù)其來源（Scopus Source）被劃分入ASJC體系下不同的類別中，但由于來源（Scopus Source）可能被同時映射到多個學(xué)科，對應(yīng)的研究成果也會被映射到多個學(xué)科。因此從圖3可以看出，各學(xué)科成果產(chǎn)出比例之和要大于100%。利用ASJC學(xué)科分類功能進(jìn)行研究成果學(xué)科層面的分析。從一級學(xué)科來看，Engineering（工程）是最大的學(xué)科類別，包含成果數(shù)量最多，為92 541，占比22.1%。其次是Agricultural and Biological Sciences（農(nóng)業(yè)與生物科學(xué)），成果數(shù)量為55 638，占比13.3%，以及Environmental Science（環(huán)境科學(xué)），成果數(shù)量為46 844，占比11.2%。深入分析以上包含文章數(shù)量最多的3個一級學(xué)科（圖4-6）：

Engineering（工程）學(xué)科中主要的二級學(xué)科為Mechanical Engineering（機(jī)械工程）、Electrical and Electronic Engineering（電氣電子工程）、General Engineering（工程綜合）、Industrial and Manufacturing Engineering（工業(yè)與制造工程）；

Agricultural and Biological Sciences（農(nóng)業(yè)與生物科學(xué)）中主要的二級學(xué)科為General Agricultural and Biological Sciences（農(nóng)業(yè)與生物科學(xué)綜合）、Agronomy and Crop Science（農(nóng)藝學(xué)及作物科學(xué)）、Food Science（食品科學(xué)）；

Environmental Science（環(huán)境科學(xué)）中主要的二級學(xué)科為General Environmental Science（環(huán)境科學(xué)綜合）、Water Science and Technology（水科學(xué)與技術(shù)）、Pollution（環(huán)境污染）。

除此之外，從二級學(xué)科來看，Materials Science（材料科學(xué)）學(xué)科下屬的General Materials Science（材料科學(xué)綜合）、Energy（能源）學(xué)科下屬的Energy Engineering and Power Technology（能源工程與動力技術(shù)）、Computer Science（計算機(jī)科學(xué)）學(xué)科下屬的Computer Science Applications（計算機(jī)科學(xué)應(yīng)用）、Chemical Engineering（化學(xué)工程）學(xué)科下屬的General Chemical Engineering（化學(xué)工程綜合）等領(lǐng)域的成果數(shù)量也較多。

2.3 主題和主題簇

為了解全球農(nóng)業(yè)工程研究的熱點所在，利用SciVal的主題（Topic）和主題簇（Topic Cluster）功能進(jìn)行研究成果主題層面的分析。

主題基于直接引用分析算法（direct citation analysis）對成果進(jìn)行聚類，同一類即被歸為同一主題。主題簇同樣基于直接引用分析算法，將相近的主題進(jìn)行聚類，主題簇比主題層級更高、范圍更廣[5]。與ASJC學(xué)科分類不同，每個研究成果只能映射到唯一的主題或主題簇。目前，SciVal中大約有96 000個主題和1 500個主題簇。

統(tǒng)計得出，全球農(nóng)業(yè)工程研究總共包含23 713個主題和1 374個主題簇。主題或主題簇可以用氣泡圖的形式展現(xiàn)，某主題或主題簇越靠近圈中心，一定程度上說明該主題或主題簇越具有跨學(xué)科性質(zhì)[6]。由于主題數(shù)量較多，為了更加清晰地展示關(guān)鍵研究主題的分布，選擇Prominence指標(biāo)[7]排名前1%的主題、排名前5%的主題簇進(jìn)行可視化展示。Prominence指標(biāo)綜合了3個方面的數(shù)據(jù)：第n年和第n-1年發(fā)表的文獻(xiàn)在第n年的被引總數(shù)；第n年和第n-1年發(fā)表的文獻(xiàn)在第n年的瀏覽量；第n年CiteScore的平均值，因此，Prominence指標(biāo)可以用來探測主題影響力的發(fā)展趨勢。從這個角度看，Prominence指標(biāo)排名高且成果數(shù)量多的主題在一定程度上可以看作是該領(lǐng)域的熱點主題。

從氣泡圖（圖7、8）中可以看出，全球農(nóng)業(yè)工程研究的熱點主題包括：Biochar；Soil Amendments；Black Carbon（生物炭；土壤改良劑；黑炭）、Fuel Tests；Diesel Engines；Exhaust Emission（燃料測試；柴油發(fā)動機(jī)；廢氣排放）、Anaerobic Digestion；Digester；Methane Production（厭氧消化；消化；甲烷制造）、Centrifugal Pumps；Axial Flow Pumps；Rotating Stalls（離心泵、軸流泵、旋轉(zhuǎn)失速）、Vegetation Index；Leaf Area Index；Hyperspectral Data（植被指數(shù)；葉面積指數(shù)；高光譜數(shù)據(jù)）等。

研究熱點主題簇包括：Soil；Biochar；Soil Organic Carbon（土壤；生物炭；土壤有機(jī)碳）、Microbial Fuel Cells；Anaerobic Digestion；Bioreactors（微生物燃料電池；厭氧消化；生物反應(yīng)器）、Climate Models；Model；Rainfall（氣候模型；模型；降雨）、Remote Sensing；Image Classification；Satellite Imagery（遙感；圖像識別；衛(wèi)星圖像）等。

2.4 關(guān)鍵詞

SciVal通過Elsevier指紋引擎對特定研究領(lǐng)域提取關(guān)鍵詞語，通過自然語言處理技術(shù)對研究成果的標(biāo)題、摘要以及作者關(guān)鍵詞進(jìn)行文本挖掘，從而發(fā)現(xiàn)具有重要意義的關(guān)鍵詞。這些關(guān)鍵詞與全學(xué)科主題詞表相匹配，從而將關(guān)鍵詞標(biāo)準(zhǔn)化處理?；陉P(guān)鍵詞詞頻與IDF算法，每個關(guān)鍵詞會被賦予一個Relevance值，取值范圍為0-1。利用SciVal的關(guān)鍵詞分析功能進(jìn)行研究成果主題詞層面的分析可以了解學(xué)科研究趨勢。

圖9展示了全球農(nóng)業(yè)工程研究領(lǐng)域Relevance值排名前50的關(guān)鍵詞。Relevance值越高，關(guān)鍵詞的字體越大；關(guān)鍵詞顯示的顏色代表在數(shù)據(jù)完整的統(tǒng)計年份范圍內(nèi)（2015-2019年），該詞相關(guān)成果產(chǎn)出數(shù)量的變化趨勢，藍(lán)色代表下降，灰色代表不變，綠色代表上升。由圖9可知，Relevance值排名前50的關(guān)鍵詞的相關(guān)成果的產(chǎn)出數(shù)量都呈現(xiàn)上升的趨勢，以上領(lǐng)域的相關(guān)研究均較為活躍。生物炭、生物柴油、溫室、干旱、黃土等是全球農(nóng)業(yè)工程研究的熱點主題詞（表2）。

2.5 合作

利用Collaboration功能分析科研合作情況。SciVal將成果產(chǎn)出模式分為4種類型，包括國際合作、國內(nèi)跨機(jī)構(gòu)合作、機(jī)構(gòu)內(nèi)合作以及無合作?？梢钥闯觯谌蜣r(nóng)業(yè)工程學(xué)科研究中，國內(nèi)跨機(jī)構(gòu)合作與機(jī)構(gòu)內(nèi)合作已經(jīng)成為主要的產(chǎn)出模式（表3），符合目前的“大科學(xué)”背景。合作文獻(xiàn)的增多是科研合作日益廣泛的重要標(biāo)志[8]。國際合作占比為10.1%，國際合作成果的篇均被引數(shù)（9）與FWCI值（1.27）要高于其他的產(chǎn)出模式，在一定程度上可以驗證國際合作對成果的影響力有正向作用。

利用Academic-Corporate Collaboration功能可以分析校企合作情況。農(nóng)業(yè)工程是一個應(yīng)用性強(qiáng)的學(xué)科，其主要目標(biāo)就是農(nóng)業(yè)持續(xù)、穩(wěn)定的增產(chǎn)以及農(nóng)業(yè)產(chǎn)品質(zhì)量的改進(jìn)和經(jīng)濟(jì)效益的提高[9]，因此農(nóng)業(yè)工程領(lǐng)域的成果轉(zhuǎn)化有著重要的現(xiàn)實意義。由表4可知，該領(lǐng)域的校企合作成果占比較低，僅有2.0%，在一定程度上顯示出農(nóng)業(yè)工程領(lǐng)域的產(chǎn)學(xué)研結(jié)合發(fā)展還不夠深入，目前較多地開展校企合作研究的企業(yè)有中國國家電網(wǎng)公司、中國石化公司、中國石油天然氣集團(tuán)公司等。

2.6 經(jīng)濟(jì)影響力

2015年出版的研究成果中，有118件成果被224件專利引用，共有226次專利引用；2016年出版的研究成果中，有99件成果被214件專利引用，共有216次專利引用；2017年出版的研究成果中，有53件成果被87件專利引用，共有88次專利引用；2018年出版的研究成果中，有31件成果被40件專利引用，共有40次專利引用；2019年出版的研究成果中，有7件成果被15件專利引用，共有15次專利引用；2020年出版的研究成果中，有2件成果被3件專利引用，共有3次專利引用（圖10-12）。

獲得專利引用數(shù)最高的研究成果為Matikainen，L.（2016）[10]，是一篇關(guān)于遙感技術(shù)在輸電線路走廊勘測中應(yīng)用的調(diào)研，目前共獲得43次專利引用。其次是Elliott，D.C.（2015）[11]，綜述了生物質(zhì)水熱液化從間歇式反應(yīng)器處理到持續(xù)式的發(fā)展，目前共有10次專利引用。

2.7 主要來源出版物

由表5可知，Transactions of the Chinese Society of Agricultural Engineering、IOP Conference Series：Earth and Environmental Science、Transactions of the Chinese Society of Agricultural Machinery等出版物的來源文獻(xiàn)最多。表6總結(jié)了JCR和EI中的農(nóng)業(yè)工程學(xué)科期刊，對比發(fā)現(xiàn)，一些在JCR和EI中公認(rèn)的農(nóng)業(yè)工程學(xué)科核心期刊并沒有出現(xiàn)在SciVal來源出版物前列，如Transactions of the ASABE。

圖13展示了成果總量Top5的來源出版物在2015-2020年間被收錄成果的數(shù)量變化情況，可以看到，近年來IOP Conference Series：Earth and Environmental Science被收錄的成果數(shù)量迅速增長，這是一本由英國物理學(xué)會（The Institute of Physics，IOP）出版的會議論文，IOP為作者提供快速且經(jīng)濟(jì)實惠的會議出版服務(wù)，論文全部開放獲取。

3 中國農(nóng)業(yè)工程學(xué)科發(fā)展

3.1 年度發(fā)文量

2015-2020年中國農(nóng)業(yè)工程學(xué)科研究成果產(chǎn)出數(shù)量分別為22 129、23 365、24 701、28 605、32 009、21 517，除去數(shù)據(jù)不完整的2020年，近幾年我國農(nóng)業(yè)工程學(xué)科研究成果數(shù)量呈現(xiàn)上升態(tài)勢（圖14）。國際合作成果占比也呈現(xiàn)上升趨勢，2020年國際合作占比已超過10%，表明國際交流不斷加深（圖15）。成果的文獻(xiàn)類型多樣，以Article（研究論文）為主（表7）。

3.2 研究機(jī)構(gòu)

3.2.1 科研生產(chǎn)力——機(jī)構(gòu)發(fā)文量

對我國各機(jī)構(gòu)成果產(chǎn)出的數(shù)量進(jìn)行統(tǒng)計，為了保證數(shù)據(jù)的可比性，只統(tǒng)計了高校以及科研院所兩類學(xué)術(shù)機(jī)構(gòu)的產(chǎn)出?？蒲挟a(chǎn)出數(shù)量Top10的機(jī)構(gòu)為中國科學(xué)院、中國科學(xué)院大學(xué)、中國農(nóng)業(yè)大學(xué)、浙江大學(xué)等（圖16）。在我國農(nóng)業(yè)工程領(lǐng)域內(nèi)，科研生產(chǎn)力最強(qiáng)的機(jī)構(gòu)是中國科學(xué)院，6年間的研究產(chǎn)出數(shù)量為12 583，發(fā)文量明顯高于其他機(jī)構(gòu)。

3.2.2 科研影響力——總被引頻次與FWCI值

統(tǒng)計以上Top10機(jī)構(gòu)科研產(chǎn)出的總體被引次數(shù)和FWCI值（圖17）。從總被引次數(shù)來看，被引次數(shù)最高的機(jī)構(gòu)為中國科學(xué)院，被引總數(shù)高達(dá)82 486。整體來看，各機(jī)構(gòu)成果的總體被引次數(shù)與其產(chǎn)出數(shù)量的分布基本保持一致。

FWCI指的是某學(xué)者或機(jī)構(gòu)等的研究成果的被引次數(shù)與其他相似研究成果平均被引次數(shù)的比值，相似研究成果是指需要符合同一年出版、同一文章類型、同一學(xué)科領(lǐng)域，由于排除了出版年、文章類型、學(xué)科等因素的影響，因此FWCI也被稱為歸一化影響因子。從FWCI指標(biāo)來看，F(xiàn)WCI指數(shù)超過1的只有一個機(jī)構(gòu)，即西北農(nóng)林科技大學(xué)，F(xiàn)WCI值為1.06，影響力要高于其他機(jī)構(gòu)。

3.2.3 科研發(fā)展力——高被引論文

統(tǒng)計Top10機(jī)構(gòu)的高被引成果數(shù)量、高被引成果占比、高被引成果年度趨勢變化等指標(biāo)（表8），從而明確各機(jī)構(gòu)在農(nóng)業(yè)工程學(xué)科領(lǐng)域的科研發(fā)展力，其中高被引成果選擇的是前10%的高被引文獻(xiàn)。高被引成果總數(shù)最多的機(jī)構(gòu)是中國科學(xué)院，其高被引文獻(xiàn)有1 443篇。西北農(nóng)林科技大學(xué)高被引論文占比最高，為15.1%。從高被引成果年度趨勢變化來看，除天津大學(xué)外，其他機(jī)構(gòu)發(fā)文的趨勢變化均為正值，與2015年相比，江蘇大學(xué)2019年高被引論文的增長比例高達(dá)300%。

3.2.4 科研合作——國際合作、國內(nèi)跨機(jī)構(gòu)合作與校企合作

統(tǒng)計Top10機(jī)構(gòu)的國際合作、國內(nèi)跨機(jī)構(gòu)合作與校企合作成果等數(shù)據(jù)（表9）。國際合作方面，Top10機(jī)構(gòu)中，中國科學(xué)院對國際合作成果數(shù)量最多；西北農(nóng)林科技大學(xué)、中國農(nóng)業(yè)大學(xué)國際合作成果占比最大。國內(nèi)跨機(jī)構(gòu)合作方面，中國科學(xué)院的國內(nèi)跨機(jī)構(gòu)合作成果數(shù)量最多，中國科學(xué)院大學(xué)的國內(nèi)跨機(jī)構(gòu)合作成果占比最大。2015-2019年間，Top10所有機(jī)構(gòu)的國際合作以及國內(nèi)跨機(jī)構(gòu)合作產(chǎn)出數(shù)量均呈現(xiàn)增長趨勢。中國科學(xué)院、中國科學(xué)院大學(xué)的國際合作和國內(nèi)跨機(jī)構(gòu)合作總占比均高于96%，中國農(nóng)業(yè)科學(xué)院的總占比也較高，達(dá)到了85.6%。

校企合作方面，中國科學(xué)院的合作成果數(shù)量最多，同濟(jì)大學(xué)對合作成果占比最大。與2015年相比，2019年中國農(nóng)業(yè)大學(xué)的校企合作成果數(shù)量突增，增長率高達(dá)350%。

3.3 作者

對我國農(nóng)業(yè)工程領(lǐng)域?qū)W者科研成果產(chǎn)出的數(shù)量進(jìn)行統(tǒng)計（表10）?？蒲挟a(chǎn)出數(shù)量Top10的學(xué)者有何勇、袁壽其等人。何勇教授在成果數(shù)量、成果瀏覽總量以及被引總頻次等方面都處于領(lǐng)先地位，且其FWCI值高于1，不難看出何勇教授是我國農(nóng)業(yè)工程領(lǐng)域的領(lǐng)軍人物，其發(fā)表于2016年的研究論文：基于支持向量機(jī)的草莓成熟度高光譜成像分析[12]，截至目前已經(jīng)獲得82次引用。

3.4 研究熱點

利用SciVal的關(guān)鍵詞分析功能分析我國農(nóng)業(yè)工程領(lǐng)域的研究熱點（表11），可以看出Biochar（生物炭）是目前我國最熱門的研究主題，相關(guān)成果數(shù)量迅速增加。

4 結(jié)語

本篇文章基于SciVal平臺開展研究，有兩個突出特點：第一，利用基于文章級別的教育部一級學(xué)科分類功能（China SCADC Subject Categories）進(jìn)行分析，該分類體系是中國本土的學(xué)科分類體系，因此更適用于中國的學(xué)科分析研究；第二，數(shù)據(jù)源的文獻(xiàn)類型豐富多樣，打破了以往只對期刊論文單一類型數(shù)據(jù)源進(jìn)行分析的局限性，增加了對于會議論文、圖書、快報等多類成果的分析，有助于更加全面地反映學(xué)科領(lǐng)域的發(fā)展?fàn)顩r。

文中所有結(jié)論均基于SciVal數(shù)據(jù)，可能存在偏差。尤其是數(shù)據(jù)源的選取范圍會導(dǎo)致國外農(nóng)業(yè)工程領(lǐng)域的相關(guān)研究成果數(shù)據(jù)不全，國外農(nóng)業(yè)工程學(xué)科的發(fā)展?fàn)顩r可能不能被完全反映。除此之外，盡管SciVal平臺的數(shù)據(jù)每周均進(jìn)行更新，但目前2020年的數(shù)據(jù)仍然不全，因此相應(yīng)的分析可能還不夠全面。

參考文獻(xiàn)

[1] 習(xí)近平出席中央農(nóng)村工作會議并發(fā)表重要講

話[EB/OL]. （2020-12-29） [2021-01-24]. http：//www.gov.cn/xinwen/2020-12/29/ content_5574955.htm.

[2] 張全國.推進(jìn)農(nóng)業(yè)工程科技創(chuàng)新[N].團(tuán)結(jié)報，2017-03-25（002）.

[3] What is an incomplete year？ [EB/OL].（2019-01-24） [2021-01-25].https：//service. elsevier.com/app/answers/detail/a_id/28431/ supporthub/scival/

[4] Can I filter by subject area？ [EB/OL].（2018-06-07） [2021-01-25].https：//service. elsevier.com/app/answers/detail/a_id/27726/ supporthub/scival/kw/Subject+Area/

[5] What is a Topic？ [EB/OL]. （2020-07-30）[2021-01-25].shttps：//service.elsevier.com/ app/answers/detail/a_id/28428/supporthub/ scival/kw/Topic+Cluster/

[6] What do the bubbles on the wheel of science represent？ [EB/OL]. （2020-07-30）[2021-01-25].https：//service.elsevier.com/ app/answers/detail/a_id/28428/supporthub/ scival/kw/topic/

[7] Topic Prominence in Science FAQ [EB/OL].（2020-07-30） [2021-01-25]https：//service. elsevier.com/app/answers/detail/a_id/28428/ supporthub/scival/

[8] 牛奉高，邱均平.基于國家、學(xué)科合作網(wǎng)絡(luò)和期刊分布的中國科研國際合作研究[J].情報科學(xué)，2015，33（5）：111-118.

[9] 農(nóng)業(yè)工程學(xué)科發(fā)展與回顧[EB/OL]. （2013-07-24）[2021-01-26].http：//blog.sciencenet.cn/ blog-328592-710826.html

[10] Karjalainen，Mika，Ahokas，et al. Remote sensing methods for power line corridor surveys[J].Isprs Journal of Photogrammetry& Remote Sensing，2016.

[11] Elliott D C，Biller P，Ross A B，et al. Hydrothermal liquefaction of biomass：Developments from batch to continuous process[J].Bioresource Technology，2015，178：147-156.

[12] Chu，zhang，Chen tong，et al. Hyperspectral imaging analysis for ripeness evaluation of strawberry with support vector machine[J]. Journal of Food Engineering，2016.