基于CiteSpace 的作物長勢遙感監(jiān)測研究現(xiàn)狀可視化分析

徐新宇， 杜 崇， 張德權(quán)

（黑龍江大學(xué)水利電力學(xué)院，黑龍江哈爾濱 150080）

0 引言

作物長勢即指作物的生長狀況與變化趨勢[1]，是最重要的農(nóng)情要素之一。 通過作物長勢監(jiān)測可以實時獲取作物的長勢信息， 以便準(zhǔn)確判斷把控長勢狀況， 為早期的作物產(chǎn)量預(yù)測與糧食質(zhì)量評判提供直觀現(xiàn)實依據(jù)。

農(nóng)業(yè)是遙感最先投入應(yīng)用和收益顯著的領(lǐng)域[2]。 遙感技術(shù)具有獲取信息量大、多平臺和分辨率（時間和空間） 、快速、覆蓋面積大等特點，是及時掌握農(nóng)業(yè)資源、作物長勢、農(nóng)業(yè)災(zāi)害等信息的最佳手段[3]。 1974 年起美國最先將遙感技術(shù)應(yīng)用于作物長勢監(jiān)測和糧食估產(chǎn)方面的研究，并建成美國農(nóng)業(yè)部的遙感監(jiān)測業(yè)務(wù)系統(tǒng)， 1983 年后歐洲國家開始建立歐盟區(qū)域的農(nóng)作物估產(chǎn)系統(tǒng)。2000 年以后聯(lián)合國糧農(nóng)組織（FAO）建立了全球糧食情報預(yù)警體系，2003 年俄羅斯農(nóng)業(yè)部以MODIS為主要數(shù)據(jù)源建設(shè)了全國農(nóng)業(yè)監(jiān)測系統(tǒng)[4]。 遙感監(jiān)測主要利用衛(wèi)星遙感反演的農(nóng)作物參數(shù)，如歸一化植被指數(shù)（normal difference vegetation index，NDVI）和葉面積指數(shù)（leaf area index，LAI），從而實現(xiàn)對作物生長狀況、 動態(tài)變化及最終產(chǎn)量的大范圍宏觀、快速監(jiān)測[5]。 中國農(nóng)業(yè)遙感起步較晚，近30 年各相關(guān)研究機構(gòu)根究不同需求建立了各自的農(nóng)情遙感監(jiān)測業(yè)務(wù)系統(tǒng)[6]，如中國農(nóng)情遙感速報系統(tǒng)、中國氣象局農(nóng)作物監(jiān)測系統(tǒng)和農(nóng)業(yè)部遙感估產(chǎn)運行系統(tǒng)等。 與此同時，拓展了全球估產(chǎn)數(shù)據(jù)處理技術(shù)、全球農(nóng)作物長勢綜合監(jiān)測技術(shù)和全球作物產(chǎn)量估算技術(shù)，力求逐步推進“中國農(nóng)情遙感速報系統(tǒng)”向全球尺度下監(jiān)測范圍的拓展。

農(nóng)業(yè)遙感興起的50 多年中，基于遙感技術(shù)進行的長勢監(jiān)測研究已經(jīng)取得了一系列成果。 如黃青等[7]基于MODIS NDVI 數(shù)據(jù)，對東北地區(qū)主要作物種植結(jié)構(gòu)提取及長勢監(jiān)測；鄒文濤等[8]進行的作物長勢綜合監(jiān)測， 優(yōu)化了Crop-watch 作物長勢監(jiān)測方法；Esquerdo 等[9]、Duveiller[10]和Becker—Reshef等[11]利用SPOT—VGT、NOAA—AVHRR 和MODIS影像進行的大范圍作物長勢監(jiān)測；宋曉宇等[12]基于QuickBird 遙感影像進行的冬小麥長勢監(jiān)測及品質(zhì)變異研究。尤其近年來各類國產(chǎn)民用高分系列衛(wèi)星的增加，當(dāng)前中國農(nóng)情遙感作物長勢業(yè)務(wù)化監(jiān)測的主要數(shù)據(jù)源由國外MODIS 等中低分辨率數(shù)據(jù)向GF-1 等國產(chǎn)高分辨率衛(wèi)星數(shù)據(jù)變更[13]，數(shù)據(jù)處理能力的增強促使可監(jiān)測范圍也實現(xiàn)了從小尺度[14]向大尺度轉(zhuǎn)變[15]。借助遙感技術(shù)進行作物長勢監(jiān)測是精準(zhǔn)農(nóng)業(yè)的重要內(nèi)容之一， 遙感監(jiān)測未來在用于小麥等主要農(nóng)作物的大范圍精準(zhǔn)監(jiān)測應(yīng)用業(yè)務(wù)中仍有廣闊的發(fā)展前景。

學(xué)者們對作物長勢遙感監(jiān)測領(lǐng)域的大量研究在推動我國智慧農(nóng)業(yè)的發(fā)展中起到了重要作用，遙感監(jiān)測手段在采用不同空間分辨率遙感數(shù)據(jù)進行不同監(jiān)測范圍尺度下的作物長勢監(jiān)測方面的實踐應(yīng)用已趨于成熟， 但技術(shù)研究領(lǐng)域更多是注重于不同方法的優(yōu)劣比較研究， 伴隨農(nóng)業(yè)遙感技術(shù)領(lǐng)域的快速發(fā)展衍生出的各種研究熱點值得進一步深入研究與拓展， 對于作物長勢遙感監(jiān)測系統(tǒng)的完善與建設(shè)具有重要實踐意義。 綜上，本文借助CiteSpace 軟件， 對作物長勢遙感監(jiān)測相關(guān)領(lǐng)域的研究現(xiàn)狀、熱點、趨勢進行可視化分析，以更好地為我國作物長勢遙感監(jiān)測系統(tǒng)的建設(shè)發(fā)展提供更科學(xué)的建議。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

本研究使用基于中國知網(wǎng)（CNKI）數(shù)據(jù)庫的數(shù)據(jù)源，采用高級檢索功能，選定檢索主題為“作物長勢”，確定檢索時間范圍為2000—2021 年。 為保證數(shù)據(jù)源的高質(zhì)量與可靠性， 本文篩選來源于EI期刊、核心期刊、北大核心、CSSCI 和CSCD 收錄的論文。 共計檢索學(xué)術(shù)期刊191 篇，以遙感為次要主題， 經(jīng)逐一篩選剔除最終獲得有效文獻162 篇作為數(shù)據(jù)源。

1.2 分析方法

本研究利用Excel 對原始數(shù)據(jù)中2000—2021年的期刊年發(fā)表量進行數(shù)據(jù)統(tǒng)計及圖表繪制，借助可視化工具CiteSpace 軟件進行文獻計量分析。首先將獲取到的數(shù)據(jù)源導(dǎo)入CiteSpace 軟件進行數(shù)據(jù)格式轉(zhuǎn)換，完成后創(chuàng)建新項目文件，以單位1 年為時間切片，確定構(gòu)建圖譜關(guān)鍵詞，最終利用轉(zhuǎn)化數(shù)據(jù)運行軟件進行可視化分析。 對檢索數(shù)據(jù)結(jié)果分別進行作者合作網(wǎng)絡(luò)關(guān)系、 關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)分析、關(guān)鍵詞聚類突現(xiàn)分析，并將分析結(jié)果轉(zhuǎn)化為直觀的可視化圖譜。

1.3 基于CiteSpace 軟件的文獻計量方法

本研究選用文獻計量學(xué)中的科學(xué)知識圖譜方法，利用可視化工具CiteSpace 軟件，對作物長勢遙感監(jiān)測的研究現(xiàn)狀、 研究熱點和研究趨勢進行數(shù)據(jù)圖譜轉(zhuǎn)化的直觀分析。

文獻計量學(xué)分析是應(yīng)用數(shù)學(xué)及統(tǒng)計學(xué)原理對某領(lǐng)域的文獻進行量化分析的方法， 是探究學(xué)科發(fā)展的一種有效途徑[16]。透過文獻計量法一定程度上可以加深了解該學(xué)科的發(fā)展?fàn)顩r、規(guī)律及趨勢，同時透析龐大知識體系中各個領(lǐng)域的結(jié)構(gòu)， 綜合預(yù)測最新熱點，并對領(lǐng)域內(nèi)學(xué)者的基本研究概況、專業(yè)影響力等進行評價[17]，目前已被廣泛應(yīng)用于各個專業(yè)領(lǐng)域?qū)τ谘芯楷F(xiàn)狀及前沿動態(tài)的進展分析。

2 結(jié)果與分析

2.1 近20 年作物長勢遙感監(jiān)測領(lǐng)域相關(guān)研究文獻發(fā)表量

圖1 為2000—2021 年間對國內(nèi)作物長勢遙感監(jiān)測領(lǐng)域相關(guān)研究文獻發(fā)表數(shù)量統(tǒng)計圖。 文獻發(fā)表量一定程度上可以表征學(xué)術(shù)界對本領(lǐng)域的關(guān)注度， 其變化趨勢反映了該領(lǐng)域的發(fā)展速度和發(fā)展程度[18]。 由圖1 可知，2000 年以來作物長勢相關(guān)領(lǐng)域的發(fā)文量整體呈現(xiàn)線性增加的趨勢， 但總量較少并伴有較大幅度的波動，其中2010 年的年發(fā)文量最多為15 篇。

圖1 2000—2021 年作物長勢遙感監(jiān)測領(lǐng)域相關(guān)研究文獻發(fā)表數(shù)量統(tǒng)計

2.2 近20 年作物長勢遙感監(jiān)測領(lǐng)域主要發(fā)文作者及合作關(guān)系分析

圖2 為2000—2021 年作物長勢遙感監(jiān)測研究領(lǐng)域主要發(fā)文作者共現(xiàn)網(wǎng)絡(luò)圖譜。 由圖2 可知，在分析的數(shù)據(jù)源文獻內(nèi)涉及到的發(fā)文作者一共143 位， 其中發(fā)文量前五名的作者分別為吳炳方（13 篇）、王紀(jì)華（12 篇）、蒙繼華（9 篇）、劉煥軍（7篇）、李民贊（6 篇），其余作者發(fā)文量均未超5 篇，發(fā)文量普遍較少。 由作者間合作聯(lián)系方面可知，以劉煥軍和王紀(jì)華分別為中心的作者合作網(wǎng)絡(luò)有少量交叉合作， 其次是以吳炳方為中心的合作體系網(wǎng)絡(luò)和兩個分別由李民贊、 王利民參與的合作體系網(wǎng)絡(luò)，其余作者合作網(wǎng)絡(luò)均未超3 個，聯(lián)系較為分散。 隨著時間的推進，領(lǐng)域內(nèi)合作研究團隊由集中逐漸趨向發(fā)散分布， 表明國內(nèi)長勢監(jiān)測相關(guān)研究方向逐漸呈現(xiàn)多樣化， 研究團隊逐漸趨于多元化，有利于作物長勢遙感監(jiān)測領(lǐng)域的發(fā)展。

圖2 2000—2021 年作物長勢遙感監(jiān)測研究領(lǐng)域主要發(fā)文作者共現(xiàn)網(wǎng)絡(luò)圖譜

表12000 —2021 年作物長勢遙感監(jiān)測研究領(lǐng)域發(fā)文數(shù)量前十的研究機構(gòu)

2.3 近20 年作物長勢遙感監(jiān)測領(lǐng)域主要研究機構(gòu)及發(fā)文量

表1 為2000—2021 年作物長勢遙感監(jiān)測研究領(lǐng)域發(fā)文數(shù)量前十的研究機構(gòu)。 科研機構(gòu)發(fā)文量通常作為其研究力量的體現(xiàn)， 在分析的文獻內(nèi)涉及到的研究機構(gòu)一共145 家。 根據(jù)表1 來看，目前國內(nèi)專注于該領(lǐng)域的研究機構(gòu)比較貧乏， 以中國科學(xué)院遙感應(yīng)用研究所和國家農(nóng)業(yè)信息化工程技術(shù)研究中心為研究主導(dǎo)力量， 顯露出國內(nèi)該領(lǐng)域主要發(fā)文機構(gòu)不夠集中的短板， 并且整體發(fā)文水平有待提升。

2.4 近20 年關(guān)鍵詞共現(xiàn)及聚類分析

2.4.1 關(guān)鍵詞共現(xiàn)分析

圖3 為2000—2021 年作物長勢遙感監(jiān)測研究領(lǐng)域高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖。文獻的關(guān)鍵詞能反映文獻研究的主要核心內(nèi)容，其關(guān)聯(lián)性一定程度上可以解釋學(xué)科領(lǐng)域中知識的內(nèi)在聯(lián)系[19]。 本研究利用CiteSpace 軟件， 選取出現(xiàn)頻次在5 次以上的關(guān)鍵詞進行共現(xiàn)分析，圖譜中出現(xiàn)頻次越高的關(guān)鍵詞其代表節(jié)點越大，節(jié)點間連結(jié)線條越寬密的關(guān)鍵詞聯(lián)系性越強。 在分析的文獻內(nèi)涉及到的關(guān)鍵詞一共264 個，其中高頻關(guān)鍵詞前十名見表2。

圖3 2000—2021 年作物長勢遙感監(jiān)測研究領(lǐng)域高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖

結(jié)果顯示：2000 年以來長勢監(jiān)測領(lǐng)域關(guān)鍵詞主要集中在遙感、冬小麥、作物長勢等方面。 關(guān)鍵詞“遙感”節(jié)點最大，出現(xiàn)頻率最高（45 次），中心性0.47，處于較為核心位置，其次是冬小麥（27 次）、作物長勢（27 次）等關(guān)鍵詞節(jié)點，都與絕大多數(shù)關(guān)鍵詞具有較緊密的相關(guān)性。 表明“遙感”監(jiān)測應(yīng)用以及以冬小麥為典型作物的相關(guān)研究， 作為長勢監(jiān)測研究的核心部分具有不可撼動的地位， 并始終受到學(xué)者們的重點關(guān)注。

表22000 —2021 年作物長勢遙感監(jiān)測研究領(lǐng)域期刊高頻關(guān)鍵詞

2.4.2 關(guān)鍵詞聚類分析

圖4 為2000—2021 年作物長勢遙感監(jiān)測研究領(lǐng)域高頻關(guān)鍵詞聚類時間圖譜。 對所分析文獻中涉及到的關(guān)鍵詞進行篩選剔除與合并同義詞處理， 設(shè)置最大聚類輪廓值為9 進行聚類， 結(jié)果顯示：網(wǎng)絡(luò)模塊化評價指標(biāo)Q=0.45936，網(wǎng)絡(luò)同質(zhì)性平均值S=0.8491，代表聚類結(jié)構(gòu)顯著并令人信服。分析得到8 個聚類詞包括： 模型 （#0）、 冬小麥（#1）、長勢監(jiān)測（#2）、作物長勢（#3）、ndvi（#4）、無人機（#5）、遙感監(jiān)測（#6）和鹽堿地（#7），分別代表長勢監(jiān)測領(lǐng)域的8 類研究重點。

圖4 2000—2021 年作物長勢遙感監(jiān)測研究領(lǐng)域高頻關(guān)鍵詞聚類時間圖譜

2.5 階段性研究熱點演變

圖5 為2000—2021 年作物長勢遙感監(jiān)測研究領(lǐng)域突現(xiàn)關(guān)鍵詞。 利用軟件的突發(fā)性（Burst Term）檢測功能，設(shè)置閾值為0.3，得到突現(xiàn)詞20個。 相對于傳統(tǒng)的高頻主題詞分析，突現(xiàn)主次解析更適用于探索學(xué)科發(fā)展的新興趨勢和突變熱點[20]。結(jié)果顯示： 該領(lǐng)域近幾年的研究熱點已演變?yōu)椋骸拔锖颉薄盁o人機”“農(nóng)業(yè)”“植被指數(shù)”“小麥”“玉米”。

圖5 2000—2021 年作物長勢遙感監(jiān)測研究領(lǐng)域突現(xiàn)關(guān)鍵詞

3 主要結(jié)論

本研究基于借助CiteSpace 軟件，采用文獻計量的方法對CNKI 數(shù)據(jù)庫中與作物長勢遙感監(jiān)測領(lǐng)域相關(guān)的影響力期刊文獻進行可視化計量分析。 以主要研究專家、研究機構(gòu)、重現(xiàn)關(guān)鍵詞等節(jié)點類型為切入點， 對作物長勢遙感監(jiān)測領(lǐng)域的演變規(guī)律與發(fā)展趨勢進行探究，得出以下結(jié)論：

（1）從發(fā)文量變化趨勢來看，自2000 年以來，作物長勢相關(guān)領(lǐng)域的發(fā)文量總量較少并伴有較大幅度的持續(xù)波動，但整體呈現(xiàn)線性上升的趨勢，今后的研究進程中還需進一步提升相關(guān)論文質(zhì)量和數(shù)量；

（2）從研究學(xué)者與研究機構(gòu)分布來看，在分析的文獻內(nèi)涉及到的發(fā)文作者一共143 位，分屬145家研究機構(gòu)。 結(jié)合共現(xiàn)圖譜可知該領(lǐng)域內(nèi)研究學(xué)者彼此之間的合作較分散， 國內(nèi)水平較高的機構(gòu)間合作較少， 且學(xué)術(shù)界對于作物長勢的農(nóng)學(xué)意義沒有明確解析；

（3） 從研究主題來看，“遙感”、“冬小麥”、“作物”、“長勢”、“ndvi”等關(guān)鍵詞都是在作物長勢監(jiān)測研究領(lǐng)域的熱點研究詞， 采用不同空間分辨率遙感數(shù)據(jù)開展對于不同作物種類的監(jiān)測應(yīng)用進行精細(xì)化、業(yè)務(wù)化探索是當(dāng)前階段的重要內(nèi)容；

（4）從熱點演變路徑來看，不同階段內(nèi)長勢監(jiān)測領(lǐng)域的研究熱點不盡相同， 當(dāng)前高光譜遙感技術(shù)和無人機技術(shù)已經(jīng)成為農(nóng)業(yè)遙感監(jiān)測的新研究重點， 進一步助力我國農(nóng)業(yè)遙感技術(shù)對地研究應(yīng)用的發(fā)展， 為遙感技術(shù)與作物長勢的交叉性綜合性研究提供新的技術(shù)支持。

責(zé)任編輯：郝愛君