基于Web of Science的遙感數(shù)據(jù)融合文獻計量分析

劉相娟，陳萌，李西兵*，陳學永

基于Web of Science的遙感數(shù)據(jù)融合文獻計量分析

劉相娟1,2，陳萌1，李西兵1*，陳學永1

（1.福建農林大學 機電工程學院，福州 350100；2.齊齊哈爾大學 計算機與控制工程學院，黑龍江 齊齊哈爾 161000）

基于Web of Science引文數(shù)據(jù)庫，對2000～2020年關于遙感數(shù)據(jù)融合領域發(fā)表的研究文獻中，針對發(fā)文量居世界前10位的國家、科學研究機構、基金項目資助機構、期刊指數(shù)、發(fā)表作者、高被引及共引論文指數(shù)等通過相關軟件進行文獻計量分析。檢索有效范圍內發(fā)表的遙感數(shù)據(jù)融合研究文獻2153篇，綜合發(fā)文量、總被引頻次62657、篇均被引次數(shù)為29.1、h指數(shù)為118等指標，中、美、德和意大利為該研究領域的四大強國。在世界排名前10位的科研機構和作者中，中、美和法國占據(jù)明顯的優(yōu)勢。《遙感和IEEE地球科學》和《遙感學報》是該領域研究的高關注度期刊。通過Web of Science檢索平臺與世界同期發(fā)展水平相比，美國和歐盟在該領域具有較高發(fā)展水平，中國雖然在發(fā)文量上具有較快速的發(fā)展，但整體研究的競爭力有待進一步提高。中國在遙感數(shù)據(jù)融合研究領域中起步較晚，近21年來，雖然發(fā)文量占據(jù)世界第3位，但總被引頻次、篇均被引次數(shù)均落后于發(fā)達國家。

遙感；數(shù)據(jù)融合；Web of Science；文獻計量分析

近年來，遙感作為探測和識別地球資源、環(huán)境信息的關鍵核心技術，在全球變化、資源環(huán)境調查、農情監(jiān)測等領域的應用越來越廣泛，從而導致對遙感數(shù)據(jù)的需求也逐步加大[1]。由于傳感器硬件技術水平的限制，任何單一傳感器都無法同時滿足長時間、大尺度、高精度等多重獲取要求。遙感與非遙感觀測數(shù)據(jù)融合技術因具有互補、合作特性，并能實現(xiàn)更精準、全面地獲取快速變化的地表信息功能被廣泛應用于獲取高標準時空光分辨率數(shù)據(jù)領域[2-5]，因其對解決傳感器對遙感數(shù)據(jù)參數(shù)瓶頸的限制問題提供了一定的技術和理論參考，從而受到了廣泛關注。

1 數(shù)據(jù)采集與分析方法

為深入了解目前遙感數(shù)據(jù)融合技術的綜合研究進展情況，以“Remote sensing data fusion”作為主題檢索詞，既包含“遙感”，又與“融合”相結合，選用Web of Science數(shù)據(jù)庫，選擇檢索2000～2020年間發(fā)表的相關文獻。通過文獻計量學法[6-7]將檢索到的所有文獻進行數(shù)據(jù)去重、清洗等預處理，并通過對文獻進行相關性與緊密指數(shù)分析，最終保留2153篇文獻記錄作為分析的基礎數(shù)據(jù)來源。利用Bibexcel軟件進行共詞分析、Pajek進行可視化分析，Anaconda Navigator軟件繪制共詞網絡云圖，對檢索結果進行綜合熱點追蹤和未來發(fā)展趨勢分析。

2 結果與分析

2.1 文獻產出量的時間分布分析

文獻數(shù)目發(fā)表總量是衡量科研活動的一個重要指示因子，它既能反映該主題的研究熱度和時間周期，也是一定時期內科研活動的絕對產出量[8]。近年來，與遙感數(shù)據(jù)融合領域相關文獻的發(fā)表數(shù)目呈明顯增加態(tài)勢，可見此領域在理論及技術層面重要性的不斷提升。通過對檢索文獻進行數(shù)據(jù)分析，2000～2004年報道較少，年發(fā)文量在20篇上下，之后呈穩(wěn)中上升持續(xù)增長態(tài)勢，2014年發(fā)文113篇，至此開始進入快速發(fā)展階段，呈遞增狀快速增長趨勢，發(fā)文量顯著提高，2019年進入飛躍發(fā)展階段，體現(xiàn)出世界各國在遙感數(shù)據(jù)融合相關研究領域的關注度和科研力量逐漸加強。從被引頻次趨勢看，2007年始被引頻次迅速增加，這與當時幾位專家所提出的新融合算法時間前后相吻合，說明利用遙感數(shù)據(jù)融合的相關技術和方法具有很高的可行性和很強的可操作性，并逐漸將其技術應用于民用領域。從整體趨勢可以看出，遙感數(shù)據(jù)融合相關研究領域在未來一段時間內仍具有十足的前沿性和研究價值。

2.2 前10位國家文獻產出分析

依據(jù)統(tǒng)計數(shù)據(jù)，以發(fā)表文獻所屬國家為分類依據(jù)，利用HistCite進行統(tǒng)計發(fā)文數(shù)位于前10名的國家，以中國和美國為首，如圖1所示。隨著各國在遙感領域的重視，參與的科研人員和資金投入逐步增多，比例逐步增大。以美國為例，由2018年達到的17.3%上升至2020年25.9%，漲幅較大，足見其國家對本領域深入研究的重視。從整體比例而言，中國整體所占比例遙遙領先，在遙感數(shù)據(jù)融合領域具有相當大的文獻貢獻。但盡管如此，總引頻次與均篇被引頻次與其他國家相差有一定距離，說明被國際引用的國內文獻，整體上在認可度、前沿科技創(chuàng)新能力、國際影響力等方面還有待提高。

圖1 2000～2020年度不同國家發(fā)文比例分布圖

2.3 國際機構及基金資助機構對比分析

各研究機構發(fā)表的論文年際變動比較大，前10位中，以中國居首，5位來自于中國，所占比例最大，2位來自于德國，1位來自美國，1位來自于馬里蘭大學，1位來自于冰島大學，如表1所示。與此領域相關的中國機構占據(jù)比例最高，但從時間上來看，發(fā)文較晚，諸如中國科學院等前沿機構在2012年后的發(fā)文量才呈明顯上升趨勢，檢索數(shù)量遠超NASA，充分表明中國相關科學研究機構已經具備一定的科學實力和研究價值。

表1 遙感數(shù)據(jù)融合發(fā)文量前10位國際機構

作為科學研究工作的重要保障和經濟支撐，科研資助在一定程度上能夠反映出科研論文產出量與科研資助的總體關系。中國機構對此領域的重視力度，投入科研的支撐力度也很大，這也說明在項目的申報中遙感研究領域所處前沿地位，展現(xiàn)了學科或專業(yè)的先進研究成果，具有很大的研究價值。整體來看，體現(xiàn)出各國國家比較關注運用遙感手段進行數(shù)據(jù)融合的領域研究和實際應用。

2.4 作者共引分析

依據(jù)文獻作者進行分類統(tǒng)計，結果表明發(fā)文量最多的前10位作者共發(fā)文214篇，占全部作者發(fā)文總統(tǒng)計量的12.1%，累計被引頻次最高的3位作者分別是CHANUSSOT J[9]、GAO F[10]、張良培[11]，篇均被引次數(shù)最高的為法國的CHANUSSOT J，高達97.8%，其h指數(shù)也最高，說明其學術影響力達到最高。對參考文獻作者進行共引分析，可以揭示專業(yè)人員之間的聯(lián)系和特點，并追蹤專家或學者的核心研究成果，分析領軍人物前沿研究領域的廣度和深度。另外，學科的興衰、滲透、分化等趨勢也體現(xiàn)在作者數(shù)量和結構變化上。經過簡化處理共引數(shù)據(jù)來看，CHANUSSOT J, ZHANG LP, BENEDIKTSSON JA, GAO F, SHEN HF, LI J, BRUZZONE L, HUANG B等幾位作者被引用頻次比較多，而以個人單位所引頻次為主，CHANUSSOT J為最多，明顯CHANUSSOT J為核心代表人物。中國作者共引分析中，SHEN HF和ZHANG LP被共引頻次最多，共引強度最高，研究主題的概念，理論或者方法是相關，如圖所示2。通過分析作者單位，可以看到，SHEN HF和ZHANG LP同處武漢大學，共同研究同、異質遙感數(shù)據(jù)融合、遙感-站點、遙感-非觀測數(shù)據(jù)融合。這與他們共同研究同一主題，及共同合作研究同一領域相關內容有很大關系。另外需要特別補充的是，本文在統(tǒng)計的過程中，由于有些文獻屬于自引或者非第一作者，此等均作為有效數(shù)據(jù)，因此，統(tǒng)計結果會有一定的偏頗。

圖2 作者共引圖

2.5 文獻產出期刊及文獻分析

研究統(tǒng)計文獻所涉及的國際期刊類別中，發(fā)文量前10名的期刊總數(shù)為1226篇，所占比例為全部文獻的56.94%，平均影響因子為4.97。《地球科學與遙感學報》和《地球科學與遙感雜志》排名靠前，可見期刊影響力較大。但居于第四位的《攝影測量與遙感學報》和第五位的《環(huán)境遙感》相對影響因子較高，而居于前三位的卻相對較低些，這說明大多數(shù)投稿者對于頂端期刊還是有些望而卻步，退而求其次選擇投刊，雖然關注或者研究遙感數(shù)據(jù)融合領域的科研人員越來越多，但影響力度較高和處于權威的科研人員還是居于少數(shù)。

針對文獻的統(tǒng)計結果如表2所示，7篇屬于技術與方法論文，3篇屬于文獻綜述，比例符合發(fā)展趨勢。高被引頻次位居前10位的論文中，有4篇來自于中國，足以證明中國在近數(shù)十年的時間內，對遙感數(shù)據(jù)融合領域的研究地位已經絕對居世界前列。其中總被引次數(shù)最高的是由Gao F等發(fā)表的一篇相關領域論文，截止本文匯總數(shù)據(jù)為止，單篇被引次數(shù)已達819次，其研究成果為高時空間分辨率數(shù)據(jù)融合奠定了基礎。另有香港中文大學等多家研究機構基于最大后驗估計理論對時-空-譜關聯(lián)模型進行了進一步探索，提出新時空譜一體融合方法[12]，盡管有所進展，但仍沒有在技術上突破對于兩個傳感器數(shù)據(jù)的融合。Wu[13]等經過不斷嘗試，在三個傳感器融合方面取得了重要進展，但并沒有全面考慮時空譜特征，仍需要進一步深入研究。綜上所述，在遙感數(shù)據(jù)融合領域在理論和技術層面的研究，還有待于科學技術的進一步發(fā)展及在應用領域不斷探索和實踐，才能突破瓶頸，不斷的發(fā)展。

表2 文獻類型分析表

2.6 關鍵字詞頻統(tǒng)計及研究熱點態(tài)勢分析

2.6.1 文獻關鍵字詞頻統(tǒng)計

對WOS數(shù)據(jù)庫所檢索的文獻，中心度越高的詞語，其圖標越大, 顯示越突出。分析檢索結果如表3所示，頻率最高的是“image“or“imagery“，這與遙感數(shù)據(jù)融合技術對圖像進行輻射校正、幾何糾正、投影變換、特征提取、繼而進行“classifiction“、“fusion“以及各種專題處理操作相一致，說明國內外學者在上述領域具有共同的關注點和研究熱情。本文統(tǒng)計數(shù)據(jù)中，可以總結出“forest“、“neural network reflectance“為兩大主要算法，應用較廣。世界范圍內廣泛使用的方法檢索關鍵詞共3399個，累計頻次13233，平均詞頻5.0，詞頻前10名的關鍵詞占總詞頻百分比為29.8%。因此，本文設置的搜索關鍵字在一定程度上很好地代表了發(fā)展領域中主要的題目和要點。如表3所示，高頻關鍵詞主要為“fusion“ or “datafusion“ 、“image“or“imagery“、“Classification“、“algorithm“、“remote-sensing“、“time-series“、“forest“、“cover“、“model“、“neural network reflectance“等，關鍵詞詞頻都超過了90，熱點突出、明確，通過Anoconda軟件對WOS檢索文獻關鍵詞進行合并、去重操作后，所生成的云圖，實現(xiàn)了對可匯總數(shù)據(jù)的定量化驗證和清晰化呈現(xiàn)，如圖3所示。

表3 遙感數(shù)據(jù)融合關鍵字排名前10位

圖3 關鍵詞云圖

2.6.2 研究熱點態(tài)勢分析

本文在閱讀大量相關文獻與綜述基礎上，結合運用文獻計量和共詞分析法，對于遙感數(shù)據(jù)融合領域進行研究分析已知，經過數(shù)十年的深入研究，數(shù)據(jù)融合作為遙感信息處理與數(shù)據(jù)應用的重要手段，已取得巨大成就，全色-多光譜融合技術等，已形成標準處理流程且被廣泛應用，空-天-地觀測數(shù)據(jù)具有天然的跨尺度融合互補優(yōu)勢，但在耦合觀測技術處理等方面還尚未成熟，目前仍是國內外的研究難點，也是熱點課題之一。尤其是在人工智能環(huán)境下，結合深度學習，將圖像融合技術與成像系統(tǒng)設計、遙感應用問題相結合是多源遙感圖像融合未來的發(fā)展趨勢。例如：謝登峰[14]以Landsat 8 和 MODIS 融合生成高時空分辨率數(shù)據(jù)集，驗證不同維度下分類數(shù)據(jù)集對秋糧作物識別的適用，此方法已經被越來越多的專家學者所采納，并沿用至今。

目前的研究中，在改進的時空數(shù)據(jù)融合模型實施過程中，受不同地區(qū)異質性的影響對參數(shù)影響的研究相對匱乏，需對比分析參考影像與融合影像之間的差異，尋找最優(yōu)的參數(shù)組合，以提高參數(shù)敏感性分析度。在時空數(shù)據(jù)融合方法的應用創(chuàng)新與實踐應用層面，國內外專家、學者結合自身研究區(qū)域，對提出的新方法或者優(yōu)化算法進行了應用，但僅局限在對時空數(shù)據(jù)融合方法的應用改進與方法的應用研究，在實際應用中，對于融合結果的評價存在主觀的影響因素較大，且融合結果需要與實際需求進行契合，很大程度上需要加強，期待在未來有待更深入一步的全方位系統(tǒng)研究。另外，運用遙感數(shù)據(jù)融合技術，在區(qū)域大尺度土壤侵蝕研究區(qū)進行技術定量信息提取，以解決土地利用問題，尤其是針對零碎地塊的處理尚處于技術受限時段，仍屬于難題之一。

3 結論

本文基于2000～2020時段WOS數(shù)據(jù)庫，設置代表性關鍵字，檢索了世界范圍內與遙感數(shù)據(jù)融合相關的研究文獻，結合文獻計量學方法及相關軟件進行分析，結果表明，中國在發(fā)文數(shù)量、基金資助機構、高被引論文方面居于首位，但整體均值偏低，歐盟和美國發(fā)文量不及中國，但文獻代表水平超越中國，有著高度影響力和話語權，綜合研究結論為廣大科研人員在遙感數(shù)據(jù)融合技術領域的學習和研究提供了較為全面、有價值的參考。

遙感數(shù)據(jù)融合綜合不同結構的數(shù)據(jù)優(yōu)勢，不同的融合算法已被學界廣泛使用。其中，基于時間序列的隨機森林算法，作為融合算法的新發(fā)展方向，更是在未來具有可持續(xù)發(fā)展的應用潛力。另外，基于深度學習的算法有某種程度處于起步階段，仍具有很多不足之處，有待進一步的發(fā)展與創(chuàng)新。此外，該研究對符合主題的CSCD/CSSCI中文文獻未納入其他類型文獻，因而分析并不全面。

[1] 張立福，彭明媛，孫雪劍. 遙感數(shù)據(jù)融合研究進展與文獻定量分析(1992-2018)[J]. 遙感學報，2019, 23(04): 603-619.

[2] WU M，ZHANG X，HUANG W. Reconstruction of Daily 30 m Data from HJ CCD,GF-1 WFV，Landsat,and MODIS Data for Crop Monitoring [J]. Remote Sensing, 2015, 7(12): 293-314.

[3] SUN L, GAO F, XIE D. Reconstructing daily 30 m NDVI over complex agricultural landscapes using a crop reference curve approach[J]. Remote Sensing of Environment,2021(253): 1-19.

[4] 蘇偉，朱德海，蘇鳴宇. 基于時序LAI的地塊尺度玉米長勢監(jiān)測方法[J]. 資源科學，2019, 41(03): 601-611.

[5] 成其換. 基于多源遙感數(shù)據(jù)的時空數(shù)據(jù)融合算法研究[D]. 昆明：云南師范大學，2020.

[6] 孫晶，王亮，王天天.基于Web of Science數(shù)據(jù)庫對骨質疏松近十年文獻計量分析[J]. 中華骨與關節(jié)外科雜志. 2020, 13(08): 617-23.

[7] 齊亞霄，張飛，王一山. PM_(2.5)遙感研究熱點分析[J]. 新疆大學學報（自然科學版）（中英文），2020, 37(02): 223-233.

[8] 閆晗晗，邢波濤，任璐. 遙感數(shù)據(jù)融合技術文獻綜述[J]. 電子測量技術，2018, 41(9): 26-36.

[9] CHANUSSOT J,CRAWFORD M M,KUO B-C. Foreword to the Special Issue on Hyperspectral Image and Signal Processing[J]. IEEE Trans Geosci Remote Sensing,2010, 48(11): 3871-3876.

[10] GAO F, MASEK J, SCHWALLER M. On the blending of the Landsat and MODIS surface reflectance: Predicting daily Landsat surface reflectance [J]. IEEE Trans Geosci Remote Sensing, 2006, 44(8): 2207-2218.

[11] 張良培，沈煥鋒. 遙感數(shù)據(jù)融合的進展與前瞻[J]. 遙感學報，2016, 20(05): 1050-1061.

[12] 鄔明權，牛錚. 利用遙感數(shù)據(jù)時空融合技術提取水稻種植面積[J]. 農業(yè)工程學報，2010, 26(S2): 48-52.

[13] WU M,WU C, HUANG W. An improved high spatial and temporal data fusion approach for combining Landsat and MODIS data to generate daily synthetic Landsat imagery[J]. Information Fusion, 2016(31): 14-25.

[14] 謝登峰，張錦水，潘耀忠. Landsat8和MODIS融合構建高時空分辨率數(shù)據(jù)識別秋糧作物[J]. 遙感學報，2015,19(05): 791-805.

Bibliometric analysis of remote sensing data fusion based on Web of Science

LIU Xiang-juan1,2，CHEN Meng1，Li Xi-bing*，CHEN Xue-yong1

(1.College of Mechanical and Electrical Engineering, Fujian Agriculture and Forestry University, Fuzhou 350100, China;2.College of Computer and Control Engineering, Qiqihar University, heilongjiang Qiqihar 161000, China)

This paper reviews the literatures published in the field of remote sensing data fusion from 2000 to 2020. Bibliometric analysis was carried out on the top 10 countries, scientific research institutions, funding institutions, journal index, published authors, highly cited and co-cited papers index by using relevant software. A total of 2153 remote sensing data fusion studies published in the effective range were retrieved, and the comprehensive number of articles, total citation frequency, average citation times of articles were 62657, average citation times of articles were 29.1, and H index was 118. China, the United States, Germany and Italy were the four major powers in this field. In the world's top 10 scientific research institutions and authors, China, the United States and France dominate. Remote Sensing and IEEE Geoscience and Journal of Remote Sensing are high profile journals in this field. Compared with the development level of the world at the same time through the Web of Science search platform, the United States and the European Union have a relatively high level of development in this field. Although China has a relatively rapid development in the number of publications, the overall competitiveness of research needs to be further improved. China in the field of remote sensing data fusion research started late, the past 21 years, although the number occupies the world third, but the cited frequency, average cited times are far behind the developed countries.

remote sensing；data fusion；Web of Science；bibliometric analysis

2021-11-08

福建農林大學科技創(chuàng)新專項基金項目“基于數(shù)據(jù)融合的閩農作物種植結構優(yōu)化與策略研究”（CXZX2020132B）；黑龍江省省屬高?；究蒲薪涃M一般項目“農業(yè)氣候數(shù)據(jù)智能分析作物產量變化研究”（145109142）；黑龍江省農業(yè)多維傳感器信息感知工程技術研究中心開放項目“多維智能傳感信息認知田間小氣候的分析研究”（DWCGQKF202101）

劉相娟（1978），女，黑龍江齊齊哈爾人，副教授，在讀博士，主要從事農業(yè)大數(shù)據(jù)、農業(yè)遙感應用研究，634853669@qq.com。

李西兵，福建農林大學機電工程學院，教授，博士生導師，lxbwjj@163.com。

TP751

A

1007-984X(2022)05-0022-06