基于文獻(xiàn)計(jì)量的草地生物量遙感監(jiān)測(cè)研究進(jìn)展

楊 東，楊秀春，金云翔，徐 斌

（1.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室 / 中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081；2.北京林業(yè)大學(xué)草業(yè)與草原學(xué)院 / 草地資源與生態(tài)研究中心，北京 100083）

草地生態(tài)系統(tǒng)是全球重要的生態(tài)系統(tǒng)之一，占全球陸地面積的25%[1]；草原也是我國(guó)面積最大的陸地生態(tài)系統(tǒng)，占國(guó)土陸地面積的41.7%[2]。草地生態(tài)系統(tǒng)在氣候調(diào)節(jié)、土壤保持、生物多樣性維護(hù)和碳固定等[3-6]方面均有著不可替代的功能。準(zhǔn)確及時(shí)地估算草地生物量，對(duì)草地保護(hù)修復(fù)、草畜平衡分析、草地生態(tài)狀況監(jiān)測(cè)評(píng)估、資源動(dòng)態(tài)監(jiān)測(cè)等方面具有重要意義[7-10]。遙感技術(shù)由于具有宏觀(guān)、高效、重復(fù)觀(guān)測(cè)和受地面限制少等優(yōu)勢(shì)，自20 世紀(jì)60年代開(kāi)始興起，并于20 世紀(jì)80年代末應(yīng)用于草地領(lǐng)域，通過(guò)遙感數(shù)據(jù)和地面調(diào)查資料等信息的綜合分析與研究，明顯提升了草地宏觀(guān)調(diào)查的效率，極大提高了草地生物量監(jiān)測(cè)的準(zhǔn)確性和時(shí)效性[11]，促進(jìn)了草地遙感學(xué)科的快速發(fā)展。

草地生物量是草地生態(tài)系統(tǒng)最重要的度量指標(biāo)之一，可直接反映草地的初級(jí)生產(chǎn)能力，是草地生態(tài)系統(tǒng)中動(dòng)物、微生物生存的物質(zhì)基礎(chǔ)，也是反映草地生態(tài)狀況的重要指標(biāo)。草地生物量分為地上生物量和地下生物量，遙感方法監(jiān)測(cè)草地生物量通常指地上生物量，地下生物量目前研究較少。利用草地地面調(diào)查數(shù)據(jù)與衛(wèi)星影像數(shù)據(jù)，采用光譜、熱感等遙感技術(shù)及數(shù)理統(tǒng)計(jì)、機(jī)器學(xué)習(xí)等方法，構(gòu)建草地地上生物量反演模型，通過(guò)模型定量反演草地地上生物量。地下生物量可通過(guò)草地地上/地下生物量比值，在估算地上生物量之后，通過(guò)比值進(jìn)行地下生物量的估算。草地生物量作為一個(gè)具有重要研究?jī)r(jià)值和潛力的研究方向，將遙感技術(shù)應(yīng)用于草地生物量研究已成為一種普遍手段，相關(guān)研究結(jié)果也受到了學(xué)者們的廣泛關(guān)注。

CiteSpace 是由美國(guó)德雷塞爾大學(xué)陳超美教授基于Java 平臺(tái)開(kāi)發(fā)的文獻(xiàn)計(jì)量可視化分析軟件。CiteSpace 軟件具有強(qiáng)大的對(duì)發(fā)表論文的國(guó)家、機(jī)構(gòu)、文獻(xiàn)共被引等方面的分析能力，是近年來(lái)信息分析領(lǐng)域中最具影響力的信息可視化分析軟件之一。CiteSpace 可免費(fèi)下載使用，且隨著不斷的發(fā)展完善，分析功能不斷優(yōu)化。當(dāng)前CiteSpace 軟件已經(jīng)被廣泛應(yīng)用于計(jì)算機(jī)科學(xué)、信息科學(xué)以及醫(yī)學(xué)等60 多個(gè)領(lǐng)域[12]，支持包括中國(guó)知網(wǎng)(CNKI)、科學(xué)網(wǎng)(Web of Science)、PubMed、Scopus、Dimensions 等文獻(xiàn)數(shù)據(jù)庫(kù)。CiteSpace 較傳統(tǒng)文獻(xiàn)綜述可以通過(guò)圖片可視化的方法更加直觀(guān)地對(duì)所研究領(lǐng)域的發(fā)展脈絡(luò)、研究熱點(diǎn)等進(jìn)行梳理。目前已有學(xué)者利用CiteSpace 對(duì)草地保護(hù)、草地碳匯等[13-14]方向進(jìn)行計(jì)量可視化分析。其中鄭海朋等[15]利用CiteSpace 對(duì)草地遙感進(jìn)行了較全面的文獻(xiàn)計(jì)量研究，具體包括草地災(zāi)害監(jiān)測(cè)、蓋度和葉面積指數(shù)估算、草地退化和碳儲(chǔ)量估算等方面，是對(duì)整個(gè)草地遙感領(lǐng)域展開(kāi)的計(jì)量分析，但草地生物量遙感僅為其部分內(nèi)容，由于篇幅原因未充分展開(kāi)，相關(guān)梳理略顯不足。為了更加系統(tǒng)地對(duì)草地生物量遙感監(jiān)測(cè)進(jìn)展進(jìn)行整理歸納、分析總結(jié)和展望，本文利用CiteSpace 軟件針對(duì)1995 – 2020年發(fā)表的相關(guān)論文更加全面詳盡地展開(kāi)文獻(xiàn)計(jì)量分析。

1 材料與方法

1.1 研究方法

本研究通過(guò)使用CiteSpace 軟件對(duì)ISI Web of Science (WOS)核心數(shù)據(jù)庫(kù)中檢索到的草地生物量遙感監(jiān)測(cè)文獻(xiàn)從國(guó)家、機(jī)構(gòu)，以及關(guān)鍵詞進(jìn)行共現(xiàn)、共被引、聚類(lèi)等相關(guān)分析并繪制相關(guān)知識(shí)圖譜，以梳理其發(fā)展進(jìn)程和研究熱點(diǎn)，為草地生物量遙感監(jiān)測(cè)的研究提供參考。

1.2 數(shù)據(jù)來(lái)源

為了更加直觀(guān)地展示草地生物量遙感監(jiān)測(cè)研究的發(fā)展階段，利用CiteSpace 軟件，并根據(jù)Web of Science 核心合集數(shù)據(jù)庫(kù)中的Science Citation Index Expanded(SCIE)和Conference Proceedings Citation Index-Science (CPCI-S)數(shù)據(jù)庫(kù)，在高級(jí)檢索模塊下，選取主題式為：TI = (grassland biomass* or rangeland biomass* or meadow biomass* or meadow load biomass*or campo grassland biomass*or pampas grassland biomass* or savanna biomass* or steppe biomass* or prairie biomass* or semi-arid grassland*) AND TS=(Remote Sensing* or RS or SPOT or NOAA/NVHRR or Landsat* or TM or ETM or MSS or GIMSS or SAR or MODIS or RADASAT or ALOS or QuickBird or TRMM or Hyperin or IKONOS or CBERS or ATSER ENVISAT or microwave remote sensing or radar remote sensing or hyperspectral* or estimate* or monitor* or NDVI* or predict*)進(jìn)行高級(jí)檢索。文獻(xiàn)語(yǔ)言為英語(yǔ)，時(shí)間跨度為1995 ? 2020年。根據(jù)2021年1月20日檢索結(jié)果，得到文獻(xiàn)共計(jì)600 篇。再將文獻(xiàn)類(lèi)型進(jìn)行篩選，僅保留研究論文(Article)和綜述論文(Review)，最終得到用于本研究分析的文獻(xiàn)為557 篇，利用Web of Science 和CiteSpace 對(duì)檢索結(jié)果進(jìn)行計(jì)量分析。

2 結(jié)果與分析

2.1 發(fā)表趨勢(shì)

草地生物量遙感監(jiān)測(cè)文獻(xiàn)在1995 ? 2002年發(fā)表論文的數(shù)量很少，直到2003 ? 2008年每年發(fā)表的相關(guān)文獻(xiàn)穩(wěn)定在10 篇左右，2009年開(kāi)始發(fā)表的文獻(xiàn)數(shù)量快速增加，到2015年發(fā)表數(shù)量達(dá)到高峰，全年共計(jì)發(fā)表52 篇，2015年之后便稍有回落和波動(dòng)，但隨時(shí)間推移總體呈增長(zhǎng)趨勢(shì)。引用數(shù)量在2009年之前增長(zhǎng)較慢，2009年之后開(kāi)始快速增長(zhǎng)(圖1)。

圖1 研究文獻(xiàn)發(fā)表數(shù)量及被引數(shù)量的時(shí)間分布圖Figure 1 Distribution of the number of research articles published over time and the change in the number of citations for these papers over the same period

2.2 發(fā)文國(guó)家、機(jī)構(gòu)及學(xué)科分布

國(guó)家合作共現(xiàn)圖譜可以直白地反映國(guó)家發(fā)文量和國(guó)家之間的合作強(qiáng)度。利用CiteSpace 的國(guó)家合作分析功能，對(duì)發(fā)文國(guó)家進(jìn)行合作分析，得到時(shí)間區(qū)間為1995 – 2020年，時(shí)間切片為2，有36 個(gè)節(jié)點(diǎn)、38 條連線(xiàn)，網(wǎng)絡(luò)密度為0.0603 的國(guó)家合作共現(xiàn)圖譜（圖2）。圖譜中每一個(gè)節(jié)點(diǎn)代表一個(gè)國(guó)家，國(guó)家發(fā)文量與節(jié)點(diǎn)大小呈正相關(guān)關(guān)系，發(fā)文量越多，則節(jié)點(diǎn)越大，節(jié)點(diǎn)內(nèi)圈中不同年輪環(huán)的顏色代表該國(guó)家不同時(shí)間段的發(fā)文量，年輪環(huán)越粗則該段時(shí)間發(fā)文量越多，節(jié)點(diǎn)之間的連線(xiàn)粗細(xì)則與國(guó)家間共現(xiàn)的強(qiáng)度呈正相關(guān)關(guān)系。如圖2 所示，發(fā)文數(shù)量最多的國(guó)家依次為美國(guó)(32.48%)、中國(guó)(29.53%)、德國(guó)(15.16%)、澳大利亞(7.68%)、加拿大(6.3%)、南非(5.7%)、法國(guó)(5.32%)等。中心性是測(cè)度節(jié)點(diǎn)在網(wǎng)絡(luò)中重要性的一個(gè)指標(biāo)，CiteSpace 中使用中心性來(lái)發(fā)現(xiàn)和衡量節(jié)點(diǎn)的重要性。就中心性而言，大于0.2的國(guó)家依次為英國(guó)(0.99)、加拿大(0.76)、中國(guó)(0.47)、德國(guó)(0.46)、丹麥(0.44)、愛(ài)爾蘭(0.44)、美國(guó)(0.41)、蘇格蘭(0.41)、瑞典(0.38)、比利時(shí)(0.36)、西班牙(0.32)、南非(0.22)、荷蘭(0.22)。通過(guò)比較各節(jié)點(diǎn)的中心性與發(fā)文數(shù)量，可見(jiàn)大部分發(fā)文量高的國(guó)家間國(guó)際合作程度較強(qiáng)，交流較多。

圖2 國(guó)家合作共現(xiàn)圖譜Figure 2 Country co-operation map

利用CiteSpace 的機(jī)構(gòu)合作分析功能，對(duì)發(fā)文機(jī)構(gòu)進(jìn)行合作分析，得到時(shí)間區(qū)間為1995 – 2020年，時(shí)間切片為2，有124 個(gè)節(jié)點(diǎn)、432 條連線(xiàn)，網(wǎng)絡(luò)密度為0.056 6 的機(jī)構(gòu)合作共現(xiàn)圖譜（圖3）。圖譜每一個(gè)節(jié)點(diǎn)代表一個(gè)機(jī)構(gòu)，機(jī)構(gòu)發(fā)文量與節(jié)點(diǎn)大小呈正相關(guān)關(guān)系，機(jī)構(gòu)發(fā)文量越多，則節(jié)點(diǎn)越大。節(jié)點(diǎn)內(nèi)圈中不同年輪環(huán)的顏色代表該機(jī)構(gòu)不同時(shí)間段的發(fā)文量，年輪環(huán)越粗則該段時(shí)間發(fā)文量越多，節(jié)點(diǎn)之間的連線(xiàn)粗細(xì)則與機(jī)構(gòu)間共現(xiàn)的強(qiáng)度呈正相關(guān)關(guān)系。草地生物量遙感監(jiān)測(cè)相關(guān)機(jī)構(gòu)共現(xiàn)圖譜(圖3)顯示，1995 – 2020年，中國(guó)科學(xué)院的發(fā)文量遠(yuǎn)超過(guò)其他機(jī)構(gòu)，出現(xiàn)頻次為93 次(表1)。除中國(guó)科學(xué)院外，其他出現(xiàn)頻次大于10 次的機(jī)構(gòu)還有中國(guó)科學(xué)院大學(xué)(27 次)、科羅拉多州立大學(xué)(19 次)、美國(guó)農(nóng)業(yè)部農(nóng)業(yè)研究所(14 次)、明尼蘇達(dá)大學(xué)(13 次)、北京師范大學(xué)(12 次)。從中心性上看，中心性較高的機(jī)構(gòu)有科羅拉多州立大學(xué)(0.46)、明尼蘇達(dá)大學(xué)(0.33)、中國(guó)科學(xué)院(0.22)、懷俄明大學(xué)(0.22)、美國(guó)農(nóng)業(yè)部農(nóng)業(yè)研究所(0.18)等。

表1 出現(xiàn)頻次大于10 的機(jī)構(gòu)Table 1 Organizations with a publication frequency of > 10

圖3 機(jī)構(gòu)合作共現(xiàn)圖譜Figure 3 Institutional co-occurrence map

從Web of Science 學(xué)科類(lèi)別分布情況來(lái)看(表2)，發(fā)文主要集中在生態(tài)學(xué)(35.548%) 和環(huán)境科學(xué)(29.084%)，二者占據(jù)一半以上的發(fā)文量，其次還有遙感(14.901%)、植物科學(xué)(14.363%)、林學(xué)(10.054%)、土壤科學(xué)(10.054%)、農(nóng)學(xué)(9.156%)、影像科學(xué)與攝影技術(shù)(8.259%)、地質(zhì)科學(xué)(5.386%)、大氣科學(xué)(5.206%)等其他學(xué)科領(lǐng)域，總體上呈現(xiàn)出多種學(xué)科領(lǐng)域相交叉融合的趨勢(shì)。因部分文章涉及交叉學(xué)科，在學(xué)科類(lèi)別分布中可能同屬于不同學(xué)科，故表2中數(shù)量總數(shù)大于前文所敘的用于文章分析的文獻(xiàn)數(shù)量，占比之和也大于100%。

表2 已發(fā)表文獻(xiàn)前10 學(xué)科分布Table 2 Top 10 disciplines in the published literature

2.3 被引期刊分析

學(xué)術(shù)期刊展示了研究領(lǐng)域的成果，并起到了傳播的作用，期刊間的共被引分析可以幫助研究人員更加快速地找到該領(lǐng)域中具有較高影響力的期刊，并發(fā)現(xiàn)期刊間的相互聯(lián)系。利用CiteSpace 內(nèi)置的被引期刊分析功能繪制共被引期刊圖譜，通過(guò)分析被引期刊出現(xiàn)的頻次和中心性，對(duì)草地生物量遙感監(jiān)測(cè)領(lǐng)域相關(guān)期刊進(jìn)行可視化分析。表3 出現(xiàn)頻次最高的期刊為《Ecology》，共出現(xiàn)307 次；其次是《Oecologia》，出現(xiàn)260 次，同時(shí)也是中心性最高的期刊，中心性達(dá)0.34，說(shuō)明此期刊在該領(lǐng)域中具有較大的影響力并且與其他期刊聯(lián)系較緊密。其他具有較高影響力的期刊還有《Global Change Biology》、《Nature》、《Science》、《Ecological Applications》等。

表3 被引頻數(shù)前10 的期刊Table 3 Top ten most cited journals

2.4 研究熱點(diǎn)關(guān)鍵詞分析

文獻(xiàn)的關(guān)鍵詞可以反映該領(lǐng)域的研究進(jìn)展和前沿變化以及該領(lǐng)域與其他領(lǐng)域的相關(guān)性，高頻率的關(guān)鍵詞是進(jìn)行文獻(xiàn)分析的重點(diǎn)[16]。在CiteSpace 軟件中，設(shè)置時(shí)間切片間隔為2年，時(shí)間跨度為1995 –2020年，節(jié)點(diǎn)類(lèi)型選擇關(guān)鍵詞，繪制關(guān)鍵詞知識(shí)共現(xiàn)圖譜，并使用Pathfinder (尋徑網(wǎng)絡(luò))、Pruning sliced networks (對(duì)每個(gè)切片的網(wǎng)絡(luò)進(jìn)行裁剪)和Pruning the merged network (對(duì)合并后的網(wǎng)絡(luò)進(jìn)行裁剪) 3 種方法對(duì)生成的圖譜進(jìn)行剪枝。運(yùn)行后得到關(guān)鍵詞共現(xiàn)圖譜(圖4)，圖譜包含163 個(gè)節(jié)點(diǎn)、261 條連線(xiàn)，網(wǎng)絡(luò)密度為0.019 8，每一個(gè)節(jié)點(diǎn)代表一個(gè)關(guān)鍵詞，節(jié)點(diǎn)大小與關(guān)鍵詞的出現(xiàn)頻次呈正相關(guān)關(guān)系，頻次越高，則節(jié)點(diǎn)越大，節(jié)點(diǎn)內(nèi)圈中不同年輪環(huán)的顏色代表該關(guān)鍵詞不同時(shí)間段的出現(xiàn)頻次，年輪環(huán)越粗則該段時(shí)間發(fā)文中出現(xiàn)該關(guān)鍵詞次數(shù)越多，節(jié)點(diǎn)之間的連線(xiàn)粗細(xì)則與關(guān)鍵詞間共現(xiàn)的強(qiáng)度呈正相關(guān)關(guān)系，隨后對(duì)所生成的圖譜中相同含義的詞匯(包括英文單復(fù)數(shù)、英式和美式英語(yǔ)，以及同義詞、同義短語(yǔ)等) 進(jìn)行合并處理，例如above-ground biomass 和

圖4 關(guān)鍵詞共現(xiàn)圖譜Figure 4 Keyword co-occurrence map

aboveground biomass、pasture 和rangeland 、remote sensing 和remote sensing data 等，處理后對(duì)關(guān)鍵詞進(jìn)行分類(lèi)(表4)，從關(guān)鍵詞角度來(lái)看，受氣候變化影響和遙感技術(shù)快速發(fā)展，草地生物量作為影響氣候變化的關(guān)鍵參數(shù)之一被廣泛關(guān)注[17]。當(dāng)前，大范圍草地生物量的估測(cè)主要利用遙感植被指數(shù)建立模型并反演。其中，MODIS (Moderate-resolution Imaging Spectroradiometer)衛(wèi)星數(shù)據(jù)，因其免費(fèi)、易獲取、高時(shí)間分辨率、適合大尺度等特點(diǎn)，成為草原研究者最常用的遙感數(shù)據(jù)。此外，草地生物量往往也會(huì)與氮、大氣CO2、群落等其他研究領(lǐng)域相結(jié)合。草原研究區(qū)主要集中在中國(guó)、美國(guó)和非洲，而中國(guó)的內(nèi)蒙古自治區(qū)則更加受到國(guó)內(nèi)外學(xué)者的關(guān)注。

表4 主要關(guān)鍵詞分類(lèi)統(tǒng)計(jì)Table 4 Statistics describing the main keyword classifications

2.5 被引文獻(xiàn)聚類(lèi)分析

高中心性節(jié)點(diǎn)文獻(xiàn)與高被引節(jié)點(diǎn)文獻(xiàn)一定程度上可以反映當(dāng)前領(lǐng)域的研究熱點(diǎn)與前沿[18]。利用CiteSpace 進(jìn)行引文分析，繪制文獻(xiàn)共被引關(guān)系圖譜，其中高中心性文獻(xiàn)往往是圖譜中起到鏈接作用的節(jié)點(diǎn)，如Liang 等[19]、JIN 等[20]、Ullah 等[21]。在此基礎(chǔ)上進(jìn)行聚類(lèi)分析，得到的圖譜顯示聚類(lèi)Q 值為0.308 3，平均輪廓S 值為0.945 3。當(dāng)Q 值大于0.3，S 值大于0.5，所得到的聚類(lèi)結(jié)果被認(rèn)為是顯著且合理的[22]。CiteSpace 中生成的聚類(lèi)結(jié)果中使用#代表聚類(lèi)的類(lèi)別，每個(gè)類(lèi)別有一個(gè)聚類(lèi)ID，主要聚類(lèi)信息如表5 所示。

表5 共被引文獻(xiàn)主要聚類(lèi)信息Table 5 Clustering analysis of cited references

#0 的聚類(lèi)標(biāo)簽主要是地上生物量、NDVI、機(jī)器學(xué)習(xí)、多尺度的遙感數(shù)據(jù)等。

#1 聚類(lèi)的標(biāo)簽則是地上生物量、回歸、北方農(nóng)牧交錯(cuò)帶、MODIS 和偏最小二乘法等。二者聚類(lèi)都是關(guān)于草地生物量遙感估測(cè)方法的。草地生物量作為草地關(guān)鍵參數(shù)，早在20 世紀(jì)80年代便開(kāi)始進(jìn)行草地生物量遙感監(jiān)測(cè)，經(jīng)過(guò)幾十年的發(fā)展，遙感因其大尺度、低成本、方便快捷的特性成為生物量監(jiān)測(cè)的基本工具，且遙感數(shù)據(jù)源得到極大提升，多種分辨率遙感數(shù)據(jù)產(chǎn)品應(yīng)用到草地監(jiān)測(cè)中，研究人員在進(jìn)行科研時(shí)可以有更多的選擇。遙感反演生物量則是以構(gòu)建植被指數(shù)與生物量之間的關(guān)系，建立回歸反演模型為主。隨著模型構(gòu)建方法不斷發(fā)展完善，由最初的簡(jiǎn)單一元線(xiàn)性模型或者非線(xiàn)性模型到后面的多元回歸模型如偏最小二乘回歸模型，再到后來(lái)的非參數(shù)機(jī)器學(xué)習(xí)模型，精度得到了大幅提高，模型的應(yīng)用也有了更多的選擇。

#3 聚類(lèi)主要是荒漠草原、野外光譜法、植被指數(shù)、高光譜遙感、地上生物量等。與傳統(tǒng)的多光譜遙感相比，高光譜儀可以把光譜分離成幾十甚至數(shù)百個(gè)很窄的波段來(lái)接收信息，光譜范圍從可見(jiàn)光到熱紅外的電磁輻射波譜，所有波段排列在一起能形成一條連續(xù)的、完整的光譜曲線(xiàn)[23]。高光譜遙感在對(duì)植被特征參數(shù)進(jìn)行計(jì)算方面具有極大的優(yōu)勢(shì)，可以完成紅邊特征、綠峰特征和導(dǎo)數(shù)光譜等運(yùn)用常規(guī)遙感方法所不能完成的某些植被特征的計(jì)算[24]。趙風(fēng)杰等[25]使用地物波譜儀對(duì)放牧區(qū)和禁牧區(qū)的主要草場(chǎng)進(jìn)行植被反射光譜與生物量關(guān)系的研究、Zhang 等[26]利用植被光譜儀測(cè)量植被的歸一化植被指數(shù)(NDVI)，并與地面測(cè)量相結(jié)合構(gòu)建反演草地生物量的光譜模型，對(duì)內(nèi)蒙古自治區(qū)科爾沁草原的地上生物量進(jìn)行了反演。二者均取得了較高的模型反演精度，結(jié)果表明在區(qū)域尺度上，使用高光譜地物光譜儀測(cè)量植被關(guān)鍵參數(shù)可彌補(bǔ)常規(guī)地面生物量調(diào)查缺乏及時(shí)性和全面性的缺點(diǎn)，為區(qū)域尺度草地高精度大面積生產(chǎn)力估算和生態(tài)退化診斷提供技術(shù)支持。

#4 聚類(lèi)關(guān)鍵詞是NPP、放牧強(qiáng)度、內(nèi)生核法、遙感等。草地凈初級(jí)生產(chǎn)力作為草地關(guān)鍵參數(shù)之一，與生物量一樣都可反映草地生態(tài)系統(tǒng)的生產(chǎn)力。和生物量一樣，遙感技術(shù)大多只適用于地上NPP 的估算，地下部分根系的NPP 往往需要其他方法進(jìn)行估算，如內(nèi)生核法。

#5 聚類(lèi)是干旱耐受性、短草草原、過(guò)度放牧等。草原在全球范圍內(nèi)分布廣泛，主要集中在非洲、亞洲和拉丁美洲，且草原種類(lèi)繁多，常見(jiàn)的有荒漠草原、草甸草原、典型草原等，受過(guò)度放牧、亂墾亂伐、不當(dāng)管理等影響，全球草原面臨退化的問(wèn)題，所以防止草原退化也就成為研究熱點(diǎn)問(wèn)題。

#6 聚類(lèi)是遙感、無(wú)人機(jī)、RGB 影像、產(chǎn)量預(yù)測(cè)等。近年來(lái)無(wú)人機(jī)領(lǐng)域快速發(fā)展，與衛(wèi)星遙感相比，無(wú)人機(jī)遙感具有高空間分辨率、可自定義航線(xiàn)、數(shù)據(jù)獲取方便等優(yōu)點(diǎn)。在草地監(jiān)測(cè)中可針對(duì)相應(yīng)需求通過(guò)搭載不同的鏡頭進(jìn)行所需數(shù)據(jù)獲取，如搭載RGB 波段鏡頭進(jìn)行草地植被覆蓋度(FVC)的計(jì)算；搭載雷達(dá)鏡頭快速獲取數(shù)字表面模型(DSM)，利用DSM 與數(shù)字高程模型(DEM) 的高度差，可以迅速得出草地灌叢高度并用于灌叢生物量監(jiān)測(cè)；通過(guò)搭載紅外鏡頭進(jìn)行地表溫度監(jiān)測(cè)；搭載高光譜鏡頭進(jìn)行植被分類(lèi)等。無(wú)人機(jī)遙感在草地監(jiān)測(cè)中應(yīng)用方向?qū)拸V、潛力巨大。

#7 聚類(lèi)是生物多樣性、環(huán)境因素、植被覆蓋、分布等。草地生態(tài)系統(tǒng)是全球六大生態(tài)系統(tǒng)之一，其生態(tài)作用獨(dú)一無(wú)二，是地球的天然保護(hù)層，在草地生物量監(jiān)測(cè)過(guò)程中，往往與草地生產(chǎn)力、植被覆蓋度、碳通量等共同研究，探討其與生物量之間的關(guān)系，以更好的達(dá)到保護(hù)草原的作用。

#8 聚類(lèi)平均年份為2001年，是聚類(lèi)中平均年份最早的一類(lèi)，關(guān)鍵詞是美國(guó)、Landsat、碳庫(kù)、碳匯等，可見(jiàn)美國(guó)早在20 世紀(jì)初便利用遙感方法對(duì)草原進(jìn)行了大量的研究，是用遙感法對(duì)草地進(jìn)行研究最早的國(guó)家之一。

#9 聚類(lèi)主要是自然保護(hù)、生物能源潛力、植物等。草地生態(tài)系統(tǒng)約占陸地總面積25%，分布廣泛，可提供大量的生物質(zhì)能源。French 等[27]通過(guò)比較英國(guó)13 個(gè)草原和73 種其他生物質(zhì)能源原料樣品的化學(xué)成分和沼氣產(chǎn)量，發(fā)現(xiàn)經(jīng)過(guò)管理的草原每噸干物質(zhì)產(chǎn)生的沼氣比谷物或農(nóng)作物廢料多出160%，草地在作為生物質(zhì)能源方面的潛力巨大。

3 結(jié)論與展望

本研究通過(guò)CiteSpace 軟件對(duì)從WOS 上所選文獻(xiàn)進(jìn)行計(jì)量可視化分析，較系統(tǒng)地總結(jié)了從1995年到2020年草地生物量遙感監(jiān)測(cè)領(lǐng)域的發(fā)展趨勢(shì)。利用CiteSpace 軟件對(duì)所選文獻(xiàn)從國(guó)家、被引期刊、機(jī)構(gòu)、關(guān)鍵詞等方面進(jìn)行了共現(xiàn)分析和聚類(lèi)分析，并繪制了相關(guān)共現(xiàn)圖譜，通過(guò)研究得出以下結(jié)論：

1)在發(fā)文上，盡管近年來(lái)草地生物量遙感監(jiān)測(cè)發(fā)表論文數(shù)量偶有波動(dòng)，但總體發(fā)文量隨時(shí)間推移仍呈增長(zhǎng)趨勢(shì)；文獻(xiàn)發(fā)表的國(guó)家中，大部分發(fā)文量高的國(guó)家具有國(guó)際間合作程度較強(qiáng)、交流較多的特點(diǎn)；發(fā)文機(jī)構(gòu)中，中國(guó)科學(xué)院以93 次發(fā)文量遠(yuǎn)超其他機(jī)構(gòu)，且中心性較高，與其他機(jī)構(gòu)間合作更緊密；發(fā)文學(xué)科中，主要集中在生態(tài)學(xué)、環(huán)境科學(xué)、遙感和植物科學(xué)等相關(guān)學(xué)科，不同學(xué)科間聯(lián)系密切，交叉性較高。

2)從被引期刊共現(xiàn)上看，《Ecology》和《Oecologia》分別以306 次的頻次和0.34 的中心性在該領(lǐng)域中具有較強(qiáng)的影響力；其他影響力較強(qiáng)的期刊還有《 Global Change Biology》 、 《Nature》 、 《Science》 、《Ecological Applications》等。

3) 根據(jù)關(guān)鍵詞共現(xiàn)結(jié)果，在氣候變化、遙感發(fā)展的背景下，草地生物量研究愈發(fā)受到重視，草地生物量的監(jiān)測(cè)方法主要以遙感植被指數(shù)法為主，并且作為草地關(guān)鍵參數(shù)之一，與其他參數(shù)結(jié)合應(yīng)用較強(qiáng)；草原研究區(qū)最常見(jiàn)的有中國(guó)、美國(guó)和非洲，其中，我國(guó)內(nèi)蒙古自治區(qū)受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。

4)文獻(xiàn)聚類(lèi)結(jié)果表明，草地生物量遙感監(jiān)測(cè)常見(jiàn)方式仍然是利用植被指數(shù)與生物量的相關(guān)關(guān)系構(gòu)建反演模型為主，近年來(lái)，隨著科技發(fā)展，新技術(shù)如無(wú)人機(jī)等成為了草地生物量監(jiān)測(cè)新的熱點(diǎn)。

雖然草地生物量遙感監(jiān)測(cè)起步較晚，但發(fā)展迅猛，往往與其他草地關(guān)鍵參數(shù)一同被學(xué)者進(jìn)行相關(guān)研究。但在遙感監(jiān)測(cè)方法上仍然是以模型法為主，受影像分辨率、影像獲取時(shí)間的影響，存在著模型精度較低、大尺度反演適用性差等問(wèn)題。隨著遙感數(shù)據(jù)源的不斷豐富和監(jiān)測(cè)手段的發(fā)展，包括無(wú)人機(jī)在內(nèi)的更高分辨率的遙感數(shù)據(jù)源和機(jī)器學(xué)習(xí)等更加精確的建模方法將給草地生物量遙感監(jiān)測(cè)帶來(lái)新的發(fā)展機(jī)遇。