全球智慧農(nóng)業(yè)領(lǐng)域研究態(tài)勢分析

任 妮，郭 婷，孫藝偉，戴紅君，張琤琤

（江蘇省農(nóng)業(yè)科學(xué)院信息中心，南京 210014）

1 引言

智慧農(nóng)業(yè)是以信息和知識為核心要素，通過將互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能等現(xiàn)代信息技術(shù)與農(nóng)業(yè)深度融合，實現(xiàn)農(nóng)業(yè)信息感知、定量決策、智能控制、精準(zhǔn)投入、個性化服務(wù)的全新農(nóng)業(yè)生產(chǎn)方式，是農(nóng)業(yè)信息化發(fā)展從數(shù)字化到網(wǎng)絡(luò)化再到智能化的高級階段[1]。智慧農(nóng)業(yè)不僅可以提高農(nóng)業(yè)的生產(chǎn)效率，還可以促進(jìn)農(nóng)業(yè)現(xiàn)代化的發(fā)展，使傳統(tǒng)農(nóng)業(yè)更加 “智慧”[2]。

20 世紀(jì)六七十年代以來，歐美主要發(fā)達(dá)國家和地區(qū)就先后將計算機(jī)技術(shù)運用到農(nóng)業(yè)領(lǐng)域，并先后出臺了精確農(nóng)業(yè)、數(shù)字農(nóng)業(yè)、智能農(nóng)業(yè)等發(fā)展計劃；自2012 年以來中國 《中央一號文件》 《數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃（2019—2025 年）》 《推進(jìn)農(nóng)業(yè)農(nóng)村大數(shù)據(jù)發(fā)展的實施意見》 等一系列政策文件均強(qiáng)調(diào)了現(xiàn)代信息技術(shù)在農(nóng)業(yè)領(lǐng)域應(yīng)用的重要性，可以看出，智慧農(nóng)業(yè)作為一種全新的農(nóng)業(yè)生產(chǎn)方式，已然是現(xiàn)代農(nóng)業(yè)發(fā)展的新業(yè)態(tài)和未來農(nóng)業(yè)發(fā)展的必然方向。發(fā)展智慧農(nóng)業(yè)，依靠知識更新、技術(shù)創(chuàng)新、數(shù)據(jù)驅(qū)動打造現(xiàn)代農(nóng)業(yè)科技創(chuàng)新的新范式，是 “十四五”全國各地農(nóng)業(yè)科技創(chuàng)新研究實踐的重點領(lǐng)域和戰(zhàn)略工程[3]。

基于文獻(xiàn)計量和知識圖譜的研究態(tài)勢分析基于情報學(xué)的研究思路，可以深入揭示某一研究領(lǐng)域的發(fā)展歷程、研究現(xiàn)狀、前沿分布、發(fā)展態(tài)勢等，被廣泛應(yīng)用于化學(xué)、農(nóng)業(yè)、醫(yī)藥等數(shù)十個學(xué)科領(lǐng)域[4,5]。在農(nóng)業(yè)領(lǐng)域，任妮等[6]利用文獻(xiàn)計量學(xué)方法對國內(nèi)外信息感知與精細(xì)農(nóng)業(yè)研究的現(xiàn)狀、趨勢、熱點等問題進(jìn)行綜合分析和可視化展示；陳林等[7]采用Web of Science 核心合集數(shù)據(jù)庫中1986—2016 年間收錄的有關(guān)蒿屬植物研究的相關(guān)文獻(xiàn)，基于信息計量學(xué)分析方法進(jìn)行了統(tǒng)計分析。

本研究基于Web of Science 數(shù)據(jù)庫，利用文獻(xiàn)計量和知識圖譜等方法，針對全球范圍內(nèi)智慧農(nóng)業(yè)的研究概況、研究群體的競爭力、研究重點與熱點等進(jìn)行深入分析及可視化展示，以期為該領(lǐng)域的科技創(chuàng)新和管理決策提供數(shù)據(jù)參考和情報支撐。

2 數(shù)據(jù)來源及處理方法

2.1 數(shù)據(jù)來源及獲取

本研究選擇Web of Science 的SCI-EXPANDED 數(shù)據(jù)庫作為全球智慧農(nóng)業(yè)領(lǐng)域研究態(tài)勢的數(shù)據(jù)源。通過文獻(xiàn)調(diào)研發(fā)現(xiàn)，智慧農(nóng)業(yè)是將云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、移動互聯(lián)、區(qū)塊鏈、無人機(jī)等一系列現(xiàn)代信息技術(shù)與農(nóng)業(yè)深度融合，以數(shù)據(jù)為核心、以智能為驅(qū)動，實現(xiàn)農(nóng)業(yè)生產(chǎn)經(jīng)營的精準(zhǔn)感知、定量決策、智能控制與個性化服務(wù)[8]，因此，本研究檢索用核心關(guān)鍵詞包含智慧農(nóng)業(yè)及云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、移動互聯(lián)、區(qū)塊鏈、無人機(jī)等核心技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用，通過專家確認(rèn)最終確定檢索關(guān)鍵詞為IntelligenceAgriculture、SmartAgriculture、WisdomAgriculture、Cloud Computing、Internet of Things、Big Data、Artificial Intelligence 等；經(jīng)過多次預(yù)檢索和抽樣分析后，構(gòu)建檢索式TI=((Intelligence-griculture or Smart-agriculture or Wisdom-agriculture or Internet-of-Things or Cloud-Comput*or Agricultural-cloud* or Big-data or Artificial-intelligence or computer-vision or machine-vision or machine-learning or natural-language-processing or Deep-learning or ……) AND (agricultur* or farming or crop* or cereal* or vegetable* or fruit* or orchard* or poultry or livestock or fishery or aquatic-product* or aquaticproduct*or ….)。檢索過程中，將文獻(xiàn)類型限定為 “ARTICLE”和 “REVIEW”，時間范圍限定為1970—2020 年，檢索時間為2020 年8 月1 日，共獲取23 811 篇文獻(xiàn)。另外，為了提高檢準(zhǔn)率，對標(biāo)題和摘要進(jìn)行人工判斷、篩選，最終獲取6 645 篇文獻(xiàn)作為最終的數(shù)據(jù)集。

2.2 數(shù)據(jù)清洗

本研究以Derwent Data Analyzer（DDA）為數(shù)據(jù)清洗工具，采用敘詞表與人工判斷相結(jié)合的方式，對國家、機(jī)構(gòu)、作者、學(xué)科、主題等字段進(jìn)行識別、判斷、歸類等數(shù)據(jù)清洗和結(jié)構(gòu)化處理；在此基礎(chǔ)上，利用Python 為編程語言，以PyCharm 為數(shù)據(jù)編程工具，以WOS 入藏號等為匹配對象，用清洗過的字段替換原始記錄數(shù)據(jù)中的字段，構(gòu)建所需的最終數(shù)據(jù)集。

2.3 數(shù)據(jù)分析

本研究首先借助Excel 和Tableau 軟件對智慧農(nóng)業(yè)領(lǐng)域相關(guān)文獻(xiàn)的年度分布、國家、機(jī)構(gòu)、學(xué)者、學(xué)科、期刊等競爭力進(jìn)行文獻(xiàn)計量分析。然后，借助VOSviewer、Ucinet、Netdraw 等軟件工具，利用共詞分析、聚類分析等技術(shù)構(gòu)建全球智慧農(nóng)業(yè)領(lǐng)域的主題聚類圖、主題布局圖，對全球智慧農(nóng)業(yè)領(lǐng)域的研究重點、研究熱點進(jìn)行挖掘與可視化分析。最后，基于全球智慧農(nóng)業(yè)領(lǐng)域研究態(tài)勢的綜合分析，對相關(guān)研究提出參考建議。

3 研究趨勢分析

本研究統(tǒng)計了全球與中國智慧農(nóng)業(yè)領(lǐng)域文獻(xiàn)量的年度變化趨勢，以揭示全球與中國在智慧農(nóng)業(yè)領(lǐng)域的研究發(fā)展趨勢（圖1）。

圖1 全球與中國智慧農(nóng)業(yè)文獻(xiàn)量年度分布圖Fig.1 Annual distribution of publicatons in the field of global and domestic smart agriculture

智慧農(nóng)業(yè)起源于農(nóng)業(yè)信息化[3]，早期農(nóng)業(yè)領(lǐng)域信息技術(shù)方面的研究是智慧農(nóng)業(yè)研究的基礎(chǔ)。全球關(guān)于智慧農(nóng)業(yè)領(lǐng)域的研究始于1973 年，并從1996 年開始相關(guān)研究逐步增多；中國關(guān)于智慧農(nóng)業(yè)領(lǐng)域的研究始于1998 年，并從2007 年開始相關(guān)研究逐步增多；相關(guān)研究至今大體可以分為萌芽期（1973—1995 年）、緩慢發(fā)展期（1996—2006 年）、平穩(wěn)發(fā)展期（2007—2015年）、快速發(fā)展期（2016 年至今）4 個發(fā)展階段，目前已經(jīng)到達(dá)快速增長狀態(tài)。對比發(fā)現(xiàn)，中國關(guān)于智慧農(nóng)業(yè)領(lǐng)域的研究比國外晚了26 年，起步較晚，但經(jīng)過短暫的萌芽期后，發(fā)展步伐加速，與全球同步進(jìn)入平穩(wěn)發(fā)展期和快速發(fā)展期。

2015 年，日本啟動基于 “智能機(jī)械+現(xiàn)代信息”技術(shù)的 “下一代農(nóng)林水產(chǎn)業(yè)創(chuàng)造技術(shù)”，重點發(fā)展以農(nóng)業(yè)機(jī)器人為核心的無人農(nóng)場[9]；2017 年，歐洲農(nóng)機(jī)峰會提出未來農(nóng)業(yè)發(fā)展方向是以現(xiàn)代信息技術(shù)與先進(jìn)農(nóng)機(jī)裝備應(yīng)用為特征的農(nóng)業(yè)4.0——智慧農(nóng)業(yè)[10]；2018年，加拿大明確土壤與作物傳感器、家畜生物識別、農(nóng)業(yè)機(jī)器人等技術(shù)將在未來5～10 年進(jìn)入生產(chǎn)實際，顛覆傳統(tǒng)農(nóng)業(yè)生產(chǎn)方式[11]；2020 年，美國科學(xué)院公布未來10 年美國將圍繞系統(tǒng)認(rèn)知分析、精準(zhǔn)動態(tài)感知、數(shù)據(jù)科學(xué)、基因編輯、微生物組五大關(guān)鍵技術(shù)尋求農(nóng)業(yè)領(lǐng)域的科技突破[12]，而其中前3 項與智慧農(nóng)業(yè)息息相關(guān)。

2016 年以來，中國越來越重視信息技術(shù)在現(xiàn)代農(nóng)業(yè)發(fā)展中發(fā)揮的作用。2016 年提出要重點突破智能農(nóng)業(yè)等領(lǐng)域關(guān)鍵技術(shù)，大力推進(jìn) “互聯(lián)網(wǎng)+”現(xiàn)代農(nóng)業(yè)，應(yīng)用物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、移動互聯(lián)等現(xiàn)代信息技術(shù)，推動農(nóng)業(yè)全產(chǎn)業(yè)鏈改造升級；2017 年提出加強(qiáng)智慧農(nóng)業(yè)等科技研發(fā)，實施智慧農(nóng)業(yè)工程，推進(jìn)農(nóng)業(yè)物聯(lián)網(wǎng)試驗示范和農(nóng)業(yè)裝備智能化；2018 年提出大力發(fā)展數(shù)字農(nóng)業(yè)，實施智慧農(nóng)業(yè)林業(yè)水利工程，推進(jìn)物聯(lián)網(wǎng)試驗示范和遙感技術(shù)應(yīng)用；2019 年提出要著力在智慧農(nóng)業(yè)等領(lǐng)域，加快關(guān)鍵核心技術(shù)攻關(guān)與裝備創(chuàng)制應(yīng)用，深入推進(jìn) “互聯(lián)網(wǎng)+農(nóng)業(yè)”，擴(kuò)大農(nóng)業(yè)物聯(lián)網(wǎng)示范應(yīng)用，實施數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略；2020 年提出加快物聯(lián)網(wǎng)、大數(shù)據(jù)、區(qū)塊鏈、人工智能、第五代移動通信網(wǎng)絡(luò)、智慧氣象等現(xiàn)代信息技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用；2021 年提出發(fā)展智慧農(nóng)業(yè)，建立農(nóng)業(yè)農(nóng)村大數(shù)據(jù)體系，推動新一代信息技術(shù)與農(nóng)業(yè)生產(chǎn)經(jīng)營深度融合；可見，發(fā)展智慧農(nóng)業(yè)，探索信息技術(shù)與農(nóng)業(yè)融合發(fā)展路徑，攻關(guān)核心關(guān)鍵信息技術(shù)創(chuàng)新應(yīng)用，推動 “創(chuàng)新鏈+產(chǎn)業(yè)鏈”雙向融合，是中國實施鄉(xiāng)村振興戰(zhàn)略、推進(jìn)農(nóng)業(yè)農(nóng)村現(xiàn)代化的關(guān)鍵舉措[3]。一系列重大戰(zhàn)略部署、政策文件、任務(wù)舉措的出臺促進(jìn)了近年來智慧農(nóng)業(yè)研究的快速發(fā)展。

4 研究競爭力分析

4.1 國家競爭力分析

全球共有107 個國家在智慧農(nóng)業(yè)領(lǐng)域開展相關(guān)研究，高生產(chǎn)力國家主要集中在東亞、北美、南歐、西歐、西亞、中歐、南亞、南美洲等地區(qū)；高影響力國家廣泛分布在北美、東亞、南歐、西歐、中歐、西亞、南美洲、大洋洲、南亞、北歐等地區(qū)。

本研究選擇發(fā)文量大于70 篇且總被引頻次大于1 400 次的20 個國家作為高競爭力國家進(jìn)行分析，以挖掘全球智慧農(nóng)業(yè)領(lǐng)域的重點國家（圖2）。研究發(fā)現(xiàn)，全球智慧農(nóng)業(yè)領(lǐng)域，中美兩國具有絕對的生產(chǎn)力和影響力優(yōu)勢，加拿大、丹麥、荷蘭、比利時、西班牙具有較高的論文質(zhì)量優(yōu)勢。

圖2 全球智慧農(nóng)業(yè)領(lǐng)域重點國家競爭力對比圖Fig.2 Comparison of competitiveness of key countries in the field of global smart agriculture

4.2 機(jī)構(gòu)競爭力分析

本研究根據(jù)發(fā)文量選擇Top35 的機(jī)構(gòu)進(jìn)行分析，以挖掘全球智慧農(nóng)業(yè)領(lǐng)域的重點研究機(jī)構(gòu)（圖3）。35家機(jī)構(gòu)分別來自13 個國家，其中，中國和美國分別有11 家和10 家機(jī)構(gòu)上榜，優(yōu)勢明顯。

圖3 全球智慧農(nóng)業(yè)領(lǐng)域重點機(jī)構(gòu)競爭力對比圖Fig.3 Comparison of competitiveness of key institutions in the field of global smart agriculture

研究發(fā)現(xiàn)，全球智慧農(nóng)業(yè)領(lǐng)域，中國農(nóng)業(yè)大學(xué)、浙江大學(xué)、美國農(nóng)業(yè)部的生產(chǎn)力和影響力均排在前5位，研究優(yōu)勢明顯；加拿大農(nóng)業(yè)和農(nóng)業(yè)食品部、西班牙國家研究委員會、密歇根州立大學(xué)具有絕對的論文質(zhì)量優(yōu)勢，中國機(jī)構(gòu)的論文質(zhì)量普遍不高。

4.3 學(xué)者競爭力分析

本研究根據(jù)發(fā)文量選擇Top30 的學(xué)者進(jìn)行分析，以挖掘全球智慧農(nóng)業(yè)領(lǐng)域的重點研究學(xué)者（表1，見54 頁）。30位學(xué)者分別來自7 個國家20 家機(jī)構(gòu)，中國有12 位學(xué)者上榜，優(yōu)勢明顯；其中，北京市農(nóng)林科學(xué)院、浙江大學(xué)、西班牙國家研究委員會分別有3 位學(xué)者上榜，優(yōu)勢較明顯。

表1 全球智慧農(nóng)業(yè)領(lǐng)域重學(xué)者競爭力對比表Table 1 The comparison of competitiveness of keys cholars in the field of global smart agriculture

研究發(fā)現(xiàn)，全球智慧農(nóng)業(yè)領(lǐng)域，HE Y、JAYAS D S、BLASCO J 的生產(chǎn)力和影響力均排在前五位，研究優(yōu)勢明顯；JAYAS D S 具有絕對的論文質(zhì)量優(yōu)勢，中國學(xué)者的論文質(zhì)量普遍不高。

4.4 學(xué)科競爭力分析

全球智慧農(nóng)業(yè)研究論文共分布在93 個學(xué)科類別中，學(xué)科交叉融合明顯。本研究對所涉及學(xué)科的文獻(xiàn)量和總被引頻次進(jìn)行統(tǒng)計分析，以揭示全球智慧農(nóng)業(yè)領(lǐng)域的重點學(xué)科領(lǐng)域（圖4、圖5，見55 頁）。

圖4 全球智慧農(nóng)業(yè)領(lǐng)域?qū)W科文獻(xiàn)量對比圖Fig.4 Comparison of the amount of subject literature in the field of global smart agriculture

圖5 全球智慧農(nóng)業(yè)領(lǐng)域?qū)W科總被引頻次對比圖Fig.5 Comparison of the total cited frequency of subject literature in the field of global smart agriculture

農(nóng)學(xué)以2 784 篇的文獻(xiàn)量和54 517 的總被引頻次排在首位，遠(yuǎn)遠(yuǎn)高于其他學(xué)科，是研究智慧農(nóng)業(yè)的基礎(chǔ)和重點學(xué)科領(lǐng)域，學(xué)科競爭力最強(qiáng)；計算機(jī)科學(xué)、工程學(xué)、食品科學(xué)技術(shù)、化學(xué)的文獻(xiàn)量和總被引頻次均排在前5 位，是研究智慧農(nóng)業(yè)的重點學(xué)科領(lǐng)域，學(xué)科競爭力相對較高；另外，儀器及儀表學(xué)、遙感、植物科學(xué)、環(huán)境科學(xué)與生態(tài)學(xué)、電信等學(xué)科也對智慧農(nóng)業(yè)領(lǐng)域開展了大量研究。

4.5 期刊競爭力分析

全球智慧農(nóng)業(yè)研究論文共分布在1 120 種期刊中，期刊分布廣泛。本研究選擇文獻(xiàn)量大于25 篇同時總被引頻次大于500 次的20 種期刊進(jìn)行分析，以揭示全球智慧農(nóng)業(yè)領(lǐng)域的重點期刊分布（表2，見56 頁）。其 中，Computers and Electronics in Agriculture 以775篇的文獻(xiàn)量和19 739 次的總被引頻次排在首位，遠(yuǎn)遠(yuǎn)超過其他期刊，是收錄智慧農(nóng)業(yè)領(lǐng)域相關(guān)論文的重點期刊，期刊競爭力最強(qiáng)。

表2 全球智慧農(nóng)業(yè)領(lǐng)域重點期刊競爭力對比表Table 2 The comparison of competitiveness of key journals in the field of global smart agriculture

5 研究重點與熱點分析

5.1 研究重點分析

本研究分別以全球文獻(xiàn)量5 以上的1 216 個主題詞、中國文獻(xiàn)量4 以上的482 個主題詞，利用共詞分析、聚類分析等技術(shù)構(gòu)建全球及中國智慧農(nóng)業(yè)領(lǐng)域的主題聚類圖，以挖掘全球和中國智慧農(nóng)業(yè)領(lǐng)域的研究重點。

5.1.1 全球研究重點分析

全球智慧農(nóng)業(yè)領(lǐng)域的研究分為三大類，分別為“以農(nóng)業(yè)物聯(lián)網(wǎng)為代表的信息感知、分析與調(diào)控技術(shù)”“以機(jī)器視覺為代表的影像分析與利用技術(shù)”“以農(nóng)業(yè)遙感為代表的作物識別與生長監(jiān)測技術(shù)”（圖6，見57 頁）。

圖6 全球智慧農(nóng)業(yè)領(lǐng)域主題聚類圖Fig.6 The topic clustering map of in the field of global smart agriculture

（1）“以物聯(lián)網(wǎng)為代表的信息感知與調(diào)控技術(shù)”中大量聚集了物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計算、移動互聯(lián)、區(qū)塊鏈等熱門信息技術(shù)，是信息技術(shù)在農(nóng)業(yè)領(lǐng)域研究應(yīng)用的充分體現(xiàn)，主要分為 “智慧種植管理與決策，智慧養(yǎng)殖管理與決策，數(shù)據(jù)采集、傳輸與處理技術(shù)，農(nóng)業(yè)機(jī)器人技術(shù)”等4 個研究方向。相關(guān)研究有：利用人工神經(jīng)網(wǎng)絡(luò)估算蒸散量[13]；使用無線傳感器網(wǎng)絡(luò)和GPRS 模塊構(gòu)建自動灌溉系統(tǒng)[14]；基于深度神經(jīng)網(wǎng)絡(luò)的葉片圖像分類識別植物病害研究[15]；牲畜運動傳感器中項圈數(shù)據(jù)的行為分類[16]；使用無線傳感器網(wǎng)絡(luò)監(jiān)控農(nóng)業(yè)中的環(huán)境參數(shù)[17]；具有基于視覺的機(jī)械除草控制的農(nóng)業(yè)移動機(jī)器人[18]等。

（2）“以機(jī)器視覺為代表的影像分析與利用技術(shù)”重點圍繞可見光圖像以及高光譜、多光譜、紅外光譜、近紅外光譜等光譜圖像，開展圖像采集、處理、分析、利用等研究，主要分為 “基于高光譜的綜合品質(zhì)檢測技術(shù)、基于近紅外光譜的內(nèi)在品質(zhì)檢測技術(shù)、基于影像分析的外在品質(zhì)檢測技術(shù)、基于可見光圖像的特征識別技術(shù)”等4 個研究方向。相關(guān)研究有：基于高光譜成像和神經(jīng)網(wǎng)絡(luò)的紅鮮蘋果冷害檢測[19]；水果果實硬度和可溶性固形物含量的多光譜成像預(yù)測[20]；基于顏色紋理特征和判別分析的柑橘病害識別[21]；應(yīng)用圖像處理技術(shù)確定核桃品種的大小和形狀特征[22]；基于神經(jīng)網(wǎng)絡(luò)分類器的玉米籽粒破損機(jī)器視覺分類[23]等。

（3）“以農(nóng)業(yè)遙感為代表的作物識別與生長監(jiān)測技術(shù)”中以衛(wèi)星、無人機(jī)、雷達(dá)等遙感數(shù)據(jù)為主，重點利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能技術(shù)和統(tǒng)計學(xué)方法開展作物識別與作物生長模擬、監(jiān)測、評估等系列研究，主要分為 “作物生長監(jiān)測與評估、無人機(jī)影像分析與應(yīng)用、衛(wèi)星影像特征提取與分類”3 個研究方向。相關(guān)研究有：基于遙感數(shù)據(jù)的土地覆蓋和作物類型深度學(xué)習(xí)分類[24]；基于隨機(jī)森林回歸算法和遙感數(shù)據(jù)的小麥生物量估算[25]；利用無人機(jī)可見光和熱紅外圖像估算水稻倒伏指數(shù)[26]；利用Landsat-ETM+影像估算玉米和大豆葉面積指數(shù)的經(jīng)驗方法和神經(jīng)網(wǎng)絡(luò)方法比較研究[27]等。

5.1.2 中國研究重點分析

中國智慧農(nóng)業(yè)領(lǐng)域的研究與全球有所差異，主要分為 “基于數(shù)據(jù)與圖像的智慧種植、養(yǎng)殖管理與決策技術(shù)”“以機(jī)器視覺為代表的影像分析與利用技術(shù)”“以農(nóng)業(yè)遙感為代表的作物識別與生長監(jiān)測技術(shù)”三大類，其中，每一大類的具體研究重點也有所不同（圖7，見58 頁）。

圖7 中國智慧農(nóng)業(yè)領(lǐng)域主題聚類圖Fig.7 The topic clustering map of in the field of China's smart agriculture

（1）“基于數(shù)據(jù)與圖像的智慧種植、養(yǎng)殖管理與決策技術(shù)”主要分為 “智慧種植管理與決策，智慧養(yǎng)殖管理與決策，數(shù)據(jù)采集、傳輸與處理技術(shù)”等3 個研究方向，側(cè)重于機(jī)器視覺、圖像分析、卷積神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、圖像處理、物聯(lián)網(wǎng)、大數(shù)據(jù)等多種現(xiàn)代信息技術(shù)在農(nóng)業(yè)種植、養(yǎng)殖管理決策中的綜合分析與利用。相關(guān)研究有：基于信息共享的無線傳感器網(wǎng)絡(luò)土壤水分檢測標(biāo)定方法[28]；基于圖像處理的稻田稻飛虱自動計數(shù)[29]；自動檢測牛發(fā)情和交配行為的運動圖像分析方法研究[30]；使用Faster R-CNN 識別群養(yǎng)豬的進(jìn)食行為[31]；基于無線傳感器網(wǎng)絡(luò)的蔬菜大棚監(jiān)測系統(tǒng)構(gòu)建[32]等。

（2）“以光譜成像為代表的影像分析與利用技術(shù)”主要分為 “基于高光譜的綜合品質(zhì)檢測技術(shù)、基于近紅外光譜的內(nèi)在品質(zhì)檢測技術(shù)、基于可見光圖像的特征識別技術(shù)”等3 個研究方向，側(cè)重于人工神經(jīng)網(wǎng)絡(luò)及統(tǒng)計分析方法對可見光圖像、光譜圖像的分析利用及對作物或農(nóng)產(chǎn)品品質(zhì)的分類、識別及預(yù)測。相關(guān)研究有：高光譜成像和化學(xué)計量學(xué)定標(biāo)在玉米種子品種鑒別中的應(yīng)用研究[33]；利用激光背散射圖像分析預(yù)測蘋果果實可溶性固形物含量和硬度[34]；基于圖像處理的草莓自動分級系統(tǒng)構(gòu)建[35]等。

（3）“以農(nóng)業(yè)遙感為代表的作物識別與生長監(jiān)測技術(shù)”主要分為 “作物生長監(jiān)測與評估、遙感影像特征提取與分類”兩個研究方向，側(cè)重于支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等人工智能技術(shù)對植被指數(shù)、葉面積指數(shù)、葉綠素含量等遙感數(shù)據(jù)的分析利用及對作物生長模擬與檢測、產(chǎn)量預(yù)測、作物與土地覆蓋分類等方面的研究。相關(guān)研究有：利用高光譜反射率和人工神經(jīng)網(wǎng)絡(luò)監(jiān)測水稻氮素狀況[36]；三維卷積神經(jīng)網(wǎng)絡(luò)在多時相遙感影像作物分類中的應(yīng)用[37]；利用高分辨率航空和衛(wèi)星圖像評估精確農(nóng)業(yè)作物生長和產(chǎn)量變異[38]等。

5.2 研究發(fā)展趨勢分析

按照智慧農(nóng)業(yè)研究論文聚類得到三大主題領(lǐng)域，統(tǒng)計了各主題文獻(xiàn)量隨時間的發(fā)展變化趨勢（圖8）?？梢?，三大主題領(lǐng)域的研究趨勢基本一致，文獻(xiàn)量總體均呈波動上升的趨勢；三大主題領(lǐng)域的研究均始于20 世紀(jì)90 年代初期，1990—2006 年文獻(xiàn)量緩慢波動增長，2007—1013 年文獻(xiàn)量增長速度加快并保持穩(wěn)定態(tài)勢，2014 年之后文獻(xiàn)量增長速度顯著加快且呈爆發(fā)式增長趨勢。

圖8 全球智慧農(nóng)業(yè)三大主題文獻(xiàn)量年度變化圖Fig.8 The annual change of three themes'publications in the field of global smart agriculture

相比較而言，“以物聯(lián)網(wǎng)為代表的信息感知、分析與調(diào)控技術(shù)”“以機(jī)器視覺為代表的影像分析與利用技術(shù)”的文獻(xiàn)量差距不大，2015 年之前 “以機(jī)器視覺為代表的影像分析與利用技術(shù)”每年的文獻(xiàn)量略高于 “以物聯(lián)網(wǎng)為代表的信息感知、分析與調(diào)控技術(shù)”，差距僅在20 篇以內(nèi)，2015 年之后“信息感知、分析與調(diào)控技術(shù)”每年的文獻(xiàn)量超過 “影像分析與利用技術(shù)”，且兩者的文獻(xiàn)量差距越來越明顯；“以農(nóng)業(yè)遙感為代表的作物識別與生長監(jiān)測技術(shù)”的文獻(xiàn)量相對較少，但整體處于上升趨勢且近年來增長速度明顯加快?？梢?，近年來“以物聯(lián)網(wǎng)為代表的信息感知、分析與調(diào)控技術(shù)”的研究發(fā)展態(tài)勢好，今后有較大的發(fā)展空間。

5.3 研究熱點分析

5.3.1 重點國家熱點分析

本研究根據(jù)發(fā)文量選擇Top11 的國家進(jìn)行主題對比分析，以挖掘全球智慧農(nóng)業(yè)領(lǐng)域重點國家的研究熱點（圖9）。

圖9 全球智慧農(nóng)業(yè)Top10 國家主題對比分析Fig.9 The comparative analysis of top 10 countries'themes in the field of global smart agriculture

基于高光譜的綜合品質(zhì)檢測技術(shù)、智慧種植管理與決策、基于可見光圖像的特征識別技術(shù)、無人機(jī)影像分析與應(yīng)用是Top11 國家均側(cè)重研究的主題方向；衛(wèi)星影像特征提取與分類、數(shù)據(jù)采集、傳輸與處理技術(shù)、智慧畜禽養(yǎng)殖管理與決策是部分國家側(cè)重研究的主題方向。

Top11 國家在智慧農(nóng)業(yè)領(lǐng)域的研究優(yōu)勢差異顯著。中國、美國在三大主題領(lǐng)域11 個主題方向的發(fā)文量全部排在前兩位，且發(fā)文量遠(yuǎn)遠(yuǎn)超過其他國家，具有最強(qiáng)的研究優(yōu)勢；西班牙在三大主題領(lǐng)域11 個主題方向的發(fā)文量均排在第三位，研究優(yōu)勢明顯；德國在智慧種植管理與決策、無人機(jī)影像分析與應(yīng)用等方向具有一定的研究優(yōu)勢；意大利在智慧種植管理與決策、基于高光譜的綜合品質(zhì)檢測技術(shù)等方向具有一定的研究優(yōu)勢；伊朗在基于高光譜的綜合品質(zhì)檢測技術(shù)、基于近紅外光譜的內(nèi)在品質(zhì)檢測技術(shù)、基于可見光圖像的特征識別技術(shù)等方向具有一定的研究優(yōu)勢；印度在數(shù)據(jù)采集、傳輸與處理技術(shù)、基于可見光圖像的特征識別技術(shù)等方向具有一定的研究優(yōu)勢；澳大利亞在無人機(jī)影像分析與應(yīng)用、英國在智慧畜禽養(yǎng)殖管理與決策具有一定的研究優(yōu)勢。

5.3.2 重點機(jī)構(gòu)研究熱點分析

本研究根據(jù)發(fā)文量選擇Top15 的機(jī)構(gòu)進(jìn)行主題對比分析，以挖掘全球智慧農(nóng)業(yè)領(lǐng)域重點機(jī)構(gòu)的研究熱點（圖10）。

圖10 全球智慧農(nóng)業(yè)Top15 機(jī)構(gòu)主題對比圖Fig.10 The comparative analysis of top 15 institutions'themes in the field of global smart agriculture

智慧種植管理與決策、無人機(jī)影像分析與應(yīng)用、基于高光譜的綜合品質(zhì)檢測技術(shù)是Top15 機(jī)構(gòu)均側(cè)重研究的主題方向；基于可見光圖像的特征識別技術(shù)、基于近紅外光譜的內(nèi)在品質(zhì)檢測技術(shù)是部分機(jī)構(gòu)側(cè)重研究的主題方向。

Top15 機(jī)構(gòu)在智慧農(nóng)業(yè)領(lǐng)域的研究優(yōu)勢不同。中國農(nóng)業(yè)大學(xué)、美國農(nóng)業(yè)部在三大主題領(lǐng)域11 個主題方向的發(fā)文量全部排在前五位，且中國農(nóng)業(yè)大學(xué)在數(shù)據(jù)采集、傳輸與處理技術(shù)、農(nóng)業(yè)機(jī)器人技術(shù)、無人機(jī)影像分析與應(yīng)用等方向的研究優(yōu)勢明顯，美國農(nóng)業(yè)部在智慧種植管理與決策、智慧畜禽養(yǎng)殖管理與決策、作物生長監(jiān)測與評估等方向的研究優(yōu)勢明顯；中國科學(xué)院大學(xué)在衛(wèi)星影像特征提取與分類的研究優(yōu)勢明顯，且在作物生長監(jiān)測與評估等方向具有一定的研究優(yōu)勢；浙江大學(xué)在基于高光譜的綜合品質(zhì)檢測技術(shù)、基于近紅外光譜的內(nèi)在品質(zhì)檢測技術(shù)、基于影像分析的外在品質(zhì)檢測技術(shù)、基于可見光圖像的特征識別技術(shù)等方向的研究優(yōu)勢明顯；西班牙國家研究委員會在智慧種植管理與決策、無人機(jī)影像分析與應(yīng)用等方向具有一定的研究優(yōu)勢；南京農(nóng)業(yè)大學(xué)、德黑蘭大學(xué)在基于高光譜的綜合品質(zhì)檢測技術(shù)等方向具有一定的研究優(yōu)勢；江蘇大學(xué)在基于可見光圖像的特征識別技術(shù)等方向具有一定的研究優(yōu)勢。

6 結(jié)語

本研究利用文獻(xiàn)計量和知識圖譜的方法對全球智慧農(nóng)業(yè)的研究概況、研究群體競爭力、研究重點與熱點進(jìn)行了分析，以期為中國智慧農(nóng)業(yè)領(lǐng)域的科技創(chuàng)新和管理決策提供情報支撐和數(shù)據(jù)參考。主要結(jié)論和啟示如下。

（1）全球關(guān)于智慧農(nóng)業(yè)領(lǐng)域的研究始于1973 年，中國關(guān)于智慧農(nóng)業(yè)領(lǐng)域的研究比國外晚了26 年，起步較晚但發(fā)展迅速，2010 年之后全球及中國智慧農(nóng)業(yè)的研究熱度越來越高。

（2）在全球智慧農(nóng)業(yè)領(lǐng)域，中國和美國的生產(chǎn)力和影響力均遙遙領(lǐng)先于世界其他各國；中國農(nóng)業(yè)大學(xué)、浙江大學(xué)、美國農(nóng)業(yè)部的生產(chǎn)力和影響力具有明顯優(yōu)勢；HE Y、JAYAS D S、BLASCO J 的生產(chǎn)力和影響力均較高；中國機(jī)構(gòu)和學(xué)者的論文質(zhì)量普遍不高。農(nóng)學(xué)、計算機(jī)科學(xué)、工程學(xué)、食品科學(xué)技術(shù)、化學(xué)是研究智慧農(nóng)業(yè)的重點學(xué)科領(lǐng)域；Computers and electronics in agriculture 是收錄智慧農(nóng)業(yè)領(lǐng)域相關(guān)論文的重點期刊，期刊競爭力最強(qiáng)。

（4）全球智慧農(nóng)業(yè)領(lǐng)域重點圍繞 “以農(nóng)業(yè)物聯(lián)網(wǎng)為代表的信息感知、分析與調(diào)控技術(shù)”“以機(jī)器視覺為代表的影像分析與利用技術(shù)”“以農(nóng)業(yè)遙感為代表的作物識別與生長監(jiān)測技術(shù)”三大主題展開。中國重點圍繞 “基于數(shù)據(jù)與圖像的智慧種植、養(yǎng)殖管理與決策技術(shù)”“以機(jī)器視覺為代表的影像分析與利用技術(shù)”“以農(nóng)業(yè)遙感為代表的作物識別與生長監(jiān)測技術(shù)”三大主題展開，與全球略有差異。

（5）“以農(nóng)業(yè)物聯(lián)網(wǎng)為代表的信息感知、分析與調(diào)控技術(shù)”是近年來的研究熱點。中國機(jī)構(gòu)在數(shù)據(jù)采集、傳輸與處理技術(shù)、農(nóng)業(yè)機(jī)器人技術(shù)、無人機(jī)影像分析與應(yīng)用、衛(wèi)星影像特征提取與分類、作物品質(zhì)檢測與特征識別等多個技術(shù)領(lǐng)域的研究優(yōu)勢明顯，在智慧種植管理與決策、智慧畜禽養(yǎng)殖管理與決策、作物生長監(jiān)測與評估等技術(shù)領(lǐng)域的研究優(yōu)勢不明顯。農(nóng)用傳感器的自主研發(fā)、數(shù)據(jù)挖掘分析和共享利用的技術(shù)模式、智能控制的算法模型和系統(tǒng)集成、智能化農(nóng)機(jī)裝備和農(nóng)業(yè)機(jī)器人自主研發(fā)、智慧化農(nóng)業(yè)科技服務(wù)模式等是中國智慧農(nóng)業(yè)進(jìn)一步發(fā)展需要突破的重點研究方向。