基于CiteSpace和VOSviewer的農(nóng)業(yè)氣象災(zāi)害熱點(diǎn)分析

張?bào)沅?，?蕊，單鳳君，張婷婷，王藝霖

基于CiteSpace和VOSviewer的農(nóng)業(yè)氣象災(zāi)害熱點(diǎn)分析

張?bào)沅?，?蕊，單鳳君，張婷婷，王藝霖

（遼寧工業(yè)大學(xué) 化學(xué)與環(huán)境工程學(xué)院，遼寧 錦州 121001）

利用CiteSpace和VOSviewer軟件對1977—2022年中國知網(wǎng)(CNKI)和科技文獻(xiàn)數(shù)據(jù)庫(WOS)中有關(guān)農(nóng)業(yè)氣象災(zāi)害研究的2 964篇文章進(jìn)行文獻(xiàn)可視化分析，總結(jié)出國內(nèi)外該領(lǐng)域的研究現(xiàn)狀、研究熱點(diǎn)和前沿。結(jié)果表明：發(fā)文量呈現(xiàn)上升趨勢且外文成果高于中文成果；著重關(guān)注發(fā)文量>3篇以上的作者，國內(nèi)作者合作較國外作者緊密；中文研究成果趨向于關(guān)注氣象災(zāi)害的機(jī)理與應(yīng)對措施，而外文研究更加關(guān)注于氣候變化的影響與災(zāi)難，針對近10年的關(guān)鍵詞突現(xiàn)可以看出霜凍和強(qiáng)降水引起的洪澇災(zāi)害為目前氣象災(zāi)害研究的重點(diǎn)。同時(shí)對未來發(fā)展進(jìn)行了展望。

知識圖譜；農(nóng)業(yè)氣象干旱；CiteSpace；VOSviewer；熱點(diǎn)分析；趨勢展望

我國是農(nóng)業(yè)大國，農(nóng)業(yè)是國民經(jīng)濟(jì)發(fā)展的基礎(chǔ)產(chǎn)業(yè)[1]。農(nóng)業(yè)也是氣候影響最敏感的領(lǐng)域之一。氣象災(zāi)害的發(fā)生，直接影響到糧食作物產(chǎn)量和質(zhì)量的下降、農(nóng)業(yè)設(shè)施的破壞和農(nóng)業(yè)從業(yè)者的經(jīng)濟(jì)損失。據(jù)國家應(yīng)急管理部統(tǒng)計(jì)，2019年以洪澇、臺風(fēng)、干旱為主的各種氣象災(zāi)害，造成全國130萬人受災(zāi)，其中農(nóng)作物受災(zāi)面積19 256 900公頃，農(nóng)作物損失2 802 000公頃，造成直接經(jīng)濟(jì)損失327億元[2]。農(nóng)業(yè)氣象災(zāi)害是指農(nóng)業(yè)生產(chǎn)過程中，農(nóng)業(yè)生物和設(shè)施造成農(nóng)作物生長發(fā)育受阻、破壞和經(jīng)濟(jì)損失的不利天氣或氣候的總稱，包括洪澇、干旱、凍害、風(fēng)雹災(zāi)害等[3-4]。有研究表明，1978—2018年間干旱災(zāi)害發(fā)生最為嚴(yán)重，平均覆蓋面積為2 220萬公頃，其次是洪水、冰雹等[5]。

在全球氣候變暖的背景下，極端天氣事件頻繁發(fā)生，極端天氣災(zāi)害的研究也日益成為國際研究的熱點(diǎn)[6-8]。旱澇災(zāi)害作為發(fā)生頻率高且對農(nóng)業(yè)生產(chǎn)威脅最大的自然災(zāi)害之一，它嚴(yán)重的威脅到人類的生存和發(fā)展。旱澇災(zāi)害最主要的原因是降水季節(jié)分配不均勻，年降水量變化大。我國頻繁發(fā)生旱澇災(zāi)害的原因是我國大部分地區(qū)位于東亞季風(fēng)氣候區(qū)，季風(fēng)氣候的特點(diǎn)是季風(fēng)不穩(wěn)定，降水集中在夏季。季節(jié)變化和年際變化大。

本文采用文獻(xiàn)計(jì)量的方法進(jìn)行客觀統(tǒng)計(jì)分析，借助CiteSpace和VOSviewer軟件中可視化表達(dá)的知識圖譜探尋我國氣象災(zāi)害對農(nóng)作物研究領(lǐng)域的研究現(xiàn)狀，深入挖掘該研究領(lǐng)域的研究態(tài)勢，揭示氣象災(zāi)害對農(nóng)作物研究領(lǐng)域的前沿與熱點(diǎn)。

1 方法與數(shù)據(jù)

1.1 研究方法及分析工具

文獻(xiàn)計(jì)量分析是一種有價(jià)值的信息可視化工具，被研究人員用來捕捉全球科學(xué)文獻(xiàn)在特定領(lǐng)域或主題中的增長趨勢[9]。VOSviewer和CiteSpace分別由美國德雷塞爾大學(xué)陳超美教授和荷蘭萊頓大學(xué)科技研究中心開發(fā)的文獻(xiàn)計(jì)量可視化工具。VOSviewer最早開發(fā)于2009年，目前仍處于不斷更新和完善。其通過文獻(xiàn)計(jì)量數(shù)據(jù)的連接和集群中顯示的圖形地圖，幫助不同的知識領(lǐng)域創(chuàng)建清晰的可視化信息[10]。兩款軟件各有優(yōu)勢，VOSviewer可以提供網(wǎng)絡(luò)可視化、疊加可視化和密度可視化而CiteSpace有共被引分析、共詞分析、突現(xiàn)分析、聚類分析、合作網(wǎng)絡(luò)分析等功能。兩款軟件皆是基于Java語言開發(fā)的，用于可視化分析科學(xué)領(lǐng)域的文獻(xiàn)。

VOSviewer和CiteSpace是近些年來新興的研究軟件，主要通過可視化圖譜清晰的展示出某一科學(xué)領(lǐng)域的發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系[10]，方便使用者更加直觀的理解。本文主要運(yùn)用CiteSpace6.1.R3和VOSviewer可視化軟件對篩選的文獻(xiàn)數(shù)據(jù)進(jìn)行處理，進(jìn)行可視化分析。

使用EndNoteX9軟件對CNKI數(shù)據(jù)庫中檢索的文獻(xiàn)進(jìn)行轉(zhuǎn)化后導(dǎo)入VOSviewer軟件進(jìn)行可視化處理。

1.2 數(shù)據(jù)來源

本研究以中國知網(wǎng)(CNKI)數(shù)據(jù)庫和科學(xué)引文索引(WOS)數(shù)據(jù)庫為文獻(xiàn)檢索來源，檢索時(shí)間為2022年10月25日。主題詞定位農(nóng)業(yè)氣象災(zāi)害和Impact of meteorological disasters on agriculture。檢索到CNKI數(shù)據(jù)庫中1977—2022年間有1 973篇，WOS數(shù)據(jù)庫中1991—2022年間有1 178篇。為保證數(shù)據(jù)的準(zhǔn)確性和唯一性，通過人工篩查，剔除會議論文等可能重復(fù)的數(shù)據(jù)，最終得到有效文獻(xiàn)量為1 942和1 022篇。

2 數(shù)據(jù)結(jié)果與計(jì)量分析

2.1 發(fā)文量分析

利用CiteSpace對CNKI和WOS數(shù)據(jù)庫中的文獻(xiàn)進(jìn)行可視化功能分析，導(dǎo)出文獻(xiàn)產(chǎn)出時(shí)間。年份分布特征如圖1所示。研究發(fā)文量趨勢可以體現(xiàn)出該領(lǐng)域的研究趨勢，圖1中柱狀圖部分為發(fā)文量，點(diǎn)線圖部分為發(fā)文量占比。

圖1 農(nóng)業(yè)氣象災(zāi)害領(lǐng)域年度發(fā)文數(shù)量與占比

關(guān)于農(nóng)業(yè)氣象災(zāi)害相關(guān)的中文文獻(xiàn)最早于1977年發(fā)表，僅1篇。該文章主要探究華北地區(qū)小麥生育后期的農(nóng)業(yè)氣象條件[11]。1977—1993年間年發(fā)文量小于10篇，該段時(shí)間是國內(nèi)人員研究的萌芽階段。1994年出現(xiàn)了全球性的氣候異常，致使中國經(jīng)歷了幾十年罕見的洪澇、干旱、高溫酷暑和熱帶氣旋的襲擊，遭受了極為嚴(yán)重的損失[12]后，中文文獻(xiàn)年發(fā)文量逐步遞增，并于2015年首次突破100篇，迎來飛速增長期，這可能與中央財(cái)政于2015年實(shí)施的農(nóng)業(yè)生產(chǎn)救災(zāi)政策息息相關(guān)。在國家的大力扶助下農(nóng)業(yè)自然氣象災(zāi)害漸漸受到大眾重視，“十三五”期間，防震減災(zāi)使自然氣象災(zāi)害再一次成為學(xué)者們討論的焦點(diǎn)，并于2018年達(dá)到峰值。

英文文獻(xiàn)關(guān)于農(nóng)業(yè)氣象災(zāi)害主題的研究于1991年開始出現(xiàn)，較中文研究慢一些，在2007年以前英文文獻(xiàn)年發(fā)文量小于10篇，總體呈現(xiàn)增長態(tài)勢。比較中英文文獻(xiàn)數(shù)量，2019年之前中文研究成果明顯多于英文研究成果，這也說明該時(shí)期中文作者對這一領(lǐng)域關(guān)注更多。2020—2022年英文文獻(xiàn)發(fā)文數(shù)量皆多于150篇，均高于同期中文文獻(xiàn)，這個(gè)階段國外研究熱度高，且發(fā)表的成果多。截止至2022年10月，農(nóng)業(yè)氣象災(zāi)害的研究在世界范圍內(nèi)還是呈現(xiàn)上升趨勢，說明該主題具有良好的研究基礎(chǔ)和發(fā)展前景。

2.2 發(fā)文作者分析

將國內(nèi)外數(shù)據(jù)分別導(dǎo)入VOSviewer提取出現(xiàn)頻次>3次的作者進(jìn)行圖譜分析，時(shí)間結(jié)果如圖2和圖3所示。

圖2 國內(nèi)領(lǐng)域作者合作網(wǎng)絡(luò)時(shí)間圖

圖2中共有58個(gè)節(jié)點(diǎn)157個(gè)鏈接，圖3中共有43個(gè)節(jié)點(diǎn)66個(gè)鏈接。節(jié)點(diǎn)大小表示發(fā)文量的多少，節(jié)點(diǎn)越大，發(fā)文量越多，連線表示作者之間的合作關(guān)系。結(jié)合表1看，次數(shù)最多的作者分別是王春乙和Shen feifei最多，分別是16篇和12篇，另外還有楊太明和Xu dongmei等作者發(fā)文次數(shù)在10篇以上。

圖3 國外領(lǐng)域作者合作網(wǎng)絡(luò)時(shí)間圖

從圖2中可以看出國內(nèi)研究學(xué)者關(guān)系緊密，從作者合作角度來看，王春乙同霍治國和張繼權(quán)等作者合作發(fā)文，主要研究干旱風(fēng)險(xiǎn)評估和農(nóng)作物的干旱脆弱性[13-16]。從時(shí)間上看，2000年左右主要由張愛民和盛紹學(xué)等人為代表的合作團(tuán)隊(duì)，應(yīng)用GIS研究關(guān)于安徽省的農(nóng)業(yè)氣象災(zāi)害[17-19]。近期由李軒和鄭昌玲等人為代表的團(tuán)隊(duì)發(fā)文量也逐漸變多，主要利用大數(shù)據(jù)和智能分析搭建共享平臺實(shí)現(xiàn)農(nóng)業(yè)氣象數(shù)據(jù)的存儲及可視化展示[20-22]。而國外作者的緊密聯(lián)系相對較弱，作者群與作者群之間的聯(lián)系不夠緊密。發(fā)文時(shí)間也是從2014年開始才逐漸增多，開始由Kumar和Singh等人合作發(fā)文較多，主要研究利用氣象數(shù)據(jù)識別農(nóng)業(yè)干旱[23-24]。近些年，Zhang Lei等作者專注研究2019—2022年共發(fā)表6篇文章。綜合以上可以看出，國內(nèi)作者文章的產(chǎn)出量遠(yuǎn)高于國外作者，而國外作者在農(nóng)業(yè)氣象災(zāi)害相關(guān)的研究合作較少。

表1 國內(nèi)外農(nóng)業(yè)氣象災(zāi)害作者信息表

序號CNKI作者發(fā)文量Total link strenthWOS作者發(fā)文量Total link strenth 1王春乙1621Shen feifei1242 2霍治國1323Xu dongmei1242 3鮑文112Zhang jiquan1132 4郭建平1115Li hong932 5楊太明1121Li ying812

2.3 發(fā)文期刊分析

統(tǒng)計(jì)1991—2022年WOS數(shù)據(jù)庫中發(fā)出的與主題相關(guān)的文獻(xiàn)中，其中載文超過20篇以上的期刊和類別如表2所示，均為中科院四區(qū)以上刊物。共發(fā)文277篇，占樣本總量的27.1%。發(fā)文期刊大部分為環(huán)境與氣象類等類別的期刊。其中SCI刊物數(shù)量為5家，說明有關(guān)農(nóng)業(yè)氣象災(zāi)害的研究的文獻(xiàn)數(shù)量多，國外對于這方面的影響非常重視。

2.4 研究機(jī)構(gòu)分析

分別針對國內(nèi)外期刊中的發(fā)文機(jī)構(gòu)進(jìn)行統(tǒng)計(jì)分析，結(jié)果如圖4所示?？梢钥闯鰣D中節(jié)點(diǎn)最大的為中國氣象科學(xué)研究院和Chinese acad sci，分別發(fā)文43和124篇與主題相關(guān)的文獻(xiàn)，排名靠前的機(jī)構(gòu)皆為國內(nèi)的各機(jī)構(gòu)，這也表明我國對于農(nóng)業(yè)氣象災(zāi)害的重視。在2021年FAO的報(bào)告中也指出亞洲是報(bào)告分析期間受災(zāi)最嚴(yán)重的區(qū)域，總體經(jīng)濟(jì)損失達(dá)490億美元，其次是遭受300億美元損失的非洲，拉丁美洲和加勒比地區(qū)則以290億美元緊隨其后。univ venda，univ burdwan，monash univ等均處于非洲地區(qū)的機(jī)構(gòu)平均發(fā)文3篇以上，univ lisbon和univ fed rio de janeiro等機(jī)構(gòu)均處于拉丁美洲地區(qū)且平均發(fā)文4篇以上。

表2 發(fā)表農(nóng)業(yè)氣象災(zāi)害論文的國際主要刊物

農(nóng)業(yè)自然災(zāi)害的國際主要期刊篇數(shù)類別 Natural hazards61環(huán)境科學(xué)與生態(tài)學(xué)類 Remote sensing39遙感技術(shù)科學(xué)及應(yīng)用類 Water31水資源類 Atmosphere28大氣科學(xué)研究類 International joural of climatology26地學(xué)-氣象與大氣科學(xué)類 Sustainability25可持續(xù)性科學(xué)和發(fā)展類 Theoretical and applied climatology24氣候類 Bulletin of the Americanmeteorological society22氣象與大氣科學(xué) International journal of disaster riskreduction21地球科學(xué)與災(zāi)難預(yù)警類

2.5 研究熱點(diǎn)分析

關(guān)鍵詞是文獻(xiàn)主題的核心概括，分析關(guān)鍵詞有助于挖掘某領(lǐng)域的研究熱點(diǎn)[25]。詞頻是關(guān)鍵詞出現(xiàn)在文獻(xiàn)中的次數(shù)，中心性值大于0.1的關(guān)鍵詞是研究的熱點(diǎn)，聚類標(biāo)簽越小，聚類規(guī)模越大[26]。最強(qiáng)的簇表示為#0。

運(yùn)用CiteSpace軟件對國內(nèi)外網(wǎng)絡(luò)統(tǒng)計(jì)的文獻(xiàn)進(jìn)行分析，在CiteSpace軟件進(jìn)行關(guān)鍵詞共現(xiàn)分析的基礎(chǔ)上，采用LLR算法對熱點(diǎn)詞進(jìn)行聚類[25]。選取聚類前9的關(guān)鍵詞繪制時(shí)間線圖譜，由圖5中左上角數(shù)據(jù)可以看出，CNKI文獻(xiàn)成果的網(wǎng)絡(luò)密度為0.006，小于WOS文獻(xiàn)成果的網(wǎng)絡(luò)密度0.018 6，說明CNKI文獻(xiàn)中所涉及的領(lǐng)域比WOS文獻(xiàn)更具有交叉性。

同時(shí)，論文的關(guān)鍵詞也能代表各個(gè)學(xué)者對該領(lǐng)域關(guān)注的問題，出現(xiàn)頻次也能反映出該領(lǐng)域的重要程度[27]。如表3中所示，論文出現(xiàn)頻次高的關(guān)鍵詞關(guān)注范圍廣于中文研究成果，外文研究更加關(guān)注于氣候變化的影響與災(zāi)難，而中文研究則趨向于關(guān)注氣象災(zāi)害的機(jī)理與應(yīng)對措施。

表3 國內(nèi)外農(nóng)業(yè)氣象災(zāi)害領(lǐng)域高頻關(guān)鍵詞

CNKI關(guān)鍵詞頻次中心性WOS關(guān)鍵詞頻次中心性 氣象災(zāi)害2510.34climate change2510.28 農(nóng)業(yè)氣象1200.17impact3200.13 氣象服務(wù)1160.12climate790.13 氣候變化590.11model1070.12 干旱340.11disaster550.12 對策660.10———

圖5中聚類靠前的關(guān)鍵詞基本與表3中對應(yīng)。這也表明了氣象災(zāi)害和農(nóng)業(yè)氣象的討論度很高，體現(xiàn)了氣象災(zāi)害對農(nóng)作物的影響。陳家金等[28]采用GIS對烤煙氣象災(zāi)害進(jìn)行綜合風(fēng)險(xiǎn)區(qū)劃，劉冬輝[29]在分析陽高縣氣象災(zāi)害的基礎(chǔ)上，深入分析了氣象災(zāi)害對農(nóng)業(yè)生產(chǎn)的影響，并從防災(zāi)體系建設(shè)、氣象災(zāi)害認(rèn)識等多個(gè)方面探討了氣象災(zāi)害防御措施，呂曉敏等[30]針對雙季稻在氣象災(zāi)害中受到的影響，提出動態(tài)監(jiān)測其指標(biāo)體系，為其高產(chǎn)提供支撐。

Burst Detection(突變)算法是Kleinberg在2002年提出的，通過對關(guān)鍵詞的突變強(qiáng)度和持續(xù)時(shí)間研究可以探索一個(gè)領(lǐng)域的研究前沿[31]。本文主要選取近10年出現(xiàn)的突現(xiàn)關(guān)鍵詞進(jìn)行分析，了解農(nóng)業(yè)氣象災(zāi)害的前沿動態(tài)。

表4和表5是國內(nèi)外研究的關(guān)鍵詞突現(xiàn)圖譜，圖譜中Begin是關(guān)鍵詞開始突變的時(shí)間，End是結(jié)束的時(shí)間，中間的時(shí)間差值是關(guān)鍵詞突變的持續(xù)時(shí)間，Strength表示突變強(qiáng)度。

表4 近10年中文文獻(xiàn)突現(xiàn)關(guān)鍵詞

關(guān)鍵詞強(qiáng)度起始年結(jié)束年2010—2022年 應(yīng)用520182022▂▂▂▂▂▂▂▂▃▃▃▃▃ 氣象服務(wù)4.9420202022▂▂▂▂▂▂▂▂▂▂▃▃▃ 農(nóng)作物4.8920172019▂▂▂▂▂▂▂▃▃▃▂▂▂ 現(xiàn)狀4.7320142016▂▂▂▂▃▃▃▂▂▂▂▂▂ 評估4.3220112014▂▃▃▃▃▂▂▂▂▂▂▂▂ 問題4.0520162018▂▂▂▂▂▂▃▃▃▂▂▂▂ 氣象4.0220162018▂▂▂▂▂▂▃▃▃▂▂▂▂ 氣候變化3.9820102012▃▃▃▂▂▂▂▂▂▂▂▂▂ 霜凍3.6720112014▂▃▃▃▃▂▂▂▂▂▂▂▂ 服務(wù)3.0820162018▂▂▂▂▂▂▃▃▃▂▂▂▂ 措施3.0720152017▂▂▂▂▂▃▃▃▂▂▂▂▂ 干旱2.9420132014▂▂▂▃▃▂▂▂▂▂▂▂▂ 防災(zāi)減災(zāi)2.8620202022▂▂▂▂▂▂▂▂▂▂▃▃▃ 現(xiàn)代農(nóng)業(yè)2.7320172022▂▂▂▂▂▂▂▃▃▃▃▃▃

表5 近10年外文文獻(xiàn)突現(xiàn)關(guān)鍵詞

關(guān)鍵詞強(qiáng)度起始年結(jié)束年2010—2022年 climate change6.9920132014▂▂▂▃▃▂▂▂▂▂▂▂▂ united states4.8820112018▂▃▃▃▃▃▃▃▃▂▂▂▂ food security3.9120142016▂▂▂▂▃▃▃▂▂▂▂▂▂ water resource3.6720132018▂▂▂▃▃▃▃▃▃▂▂▂▂ tropical cyclone3.4420102013▃▃▃▃▂▂▂▂▂▂▂▂▂ standardized precipitation index3.4220152018▂▂▂▂▂▃▃▃▃▂▂▂▂ pattern3.3520152020▂▂▂▂▂▃▃▃▃▃▃▂▂ storm surge3.2720142019▂▂▂▂▃▃▃▃▃▃▂▂▂ adaptive capacity2.8820122017▂▂▃▃▃▃▃▃▂▂▂▂▂ management2.8620122015▂▂▃▃▃▃▂▂▂▂▂▂▂ water2.8420152017▂▂▂▂▂▃▃▃▂▂▂▂▂ return period2.8120182019▂▂▂▂▂▂▂▂▃▃▂▂▂ hurricane2.8120182019▂▂▂▂▂▂▂▂▃▃▂▂▂

圖中可以看出中文成果的研究熱點(diǎn)主要為“應(yīng)用”“氣象服務(wù)”“農(nóng)作物”，其中“應(yīng)用”主要體現(xiàn)在2018—2022年，“氣象服務(wù)”主要體現(xiàn)在2020—2022年，“農(nóng)作物”主要體現(xiàn)在2017—2019年。這在一定程度上說明近10年內(nèi)，中文研究成果聚焦于運(yùn)用科技手段將氣候變化應(yīng)用于農(nóng)作物產(chǎn)量等研究。

外文成果研究熱點(diǎn)集中在“climate change”“united states”“food security”，2013—2014年主要突變詞是“climate change”，2011—2018年主要突變詞是“united states”，2014—2016年主要突變詞是“food security”。由此可以看出近10年外文研究方向與中文稍有不同，外文更側(cè)重于研究氣候變化引起的糧食問題。

3 結(jié)論與展望

本文運(yùn)用CiteSpace和VOSviewer對近45a的CNKI和WOS數(shù)據(jù)庫中關(guān)于農(nóng)業(yè)氣象災(zāi)害的2 964篇文獻(xiàn)分別從年度發(fā)文量、作者合作、研究機(jī)構(gòu)合作、關(guān)鍵詞頻次、關(guān)鍵詞聚類和關(guān)鍵詞突現(xiàn)等方面進(jìn)行分析，研究結(jié)果如下。

(1)農(nóng)業(yè)氣象災(zāi)害相關(guān)的中文研究成果與外文研究成果均隨時(shí)間的變化呈增加趨勢。發(fā)文量變化明顯分為3個(gè)階段，1977—1993年間，發(fā)文量小幅度波動，年發(fā)文量不超過12篇；1993—2014年間，發(fā)文量逐漸增加，年均發(fā)文量達(dá)到43篇；2015—2022年間，發(fā)文量大幅度增加，最高發(fā)文量于2020年達(dá)到峰值，為359篇。

(2)農(nóng)業(yè)氣象災(zāi)害領(lǐng)域發(fā)文作者較多，其中王春乙和shen feifei最多，國內(nèi)作者合作緊密度高于國外；Natural hazards期刊收錄該方向文章最多；Chinese acad sci是本領(lǐng)域研究突出的機(jī)構(gòu)，與其他機(jī)構(gòu)聯(lián)系緊密，且該機(jī)構(gòu)所產(chǎn)出的研究成果具備了一定的國際影響力。

(3)外文研究更加關(guān)注于氣候變化的影響與災(zāi)難，而中文研究則趨向于關(guān)注氣象災(zāi)害的機(jī)理與應(yīng)對措施。

(4)從關(guān)鍵詞頻次來看，關(guān)鍵詞詞頻最高的分別為“氣象災(zāi)害”和“climate change”。除核心詞外，氣象服務(wù)與precipitation是農(nóng)業(yè)氣象災(zāi)害的研究重點(diǎn)；從關(guān)鍵詞聚類來看，排名前3的關(guān)鍵聚類詞分別為“#0防災(zāi)減災(zāi)”、“#1氣象災(zāi)害”、“#2影響”、“#0tropical cyclone”、“#1risk assessment”、“#2enso”，表明1977—2022年農(nóng)業(yè)氣象災(zāi)害相關(guān)論文主要集中在氣候?qū)r(nóng)作物的影響以及如何預(yù)防等方面的研究，代表了近45年的研究熱點(diǎn)；從關(guān)鍵詞突現(xiàn)來看，近10年來“氣象服務(wù)”和“climate change”等關(guān)鍵詞突現(xiàn)強(qiáng)度高，表明科技檢測氣候變化逐漸成為研究重點(diǎn)。

對農(nóng)業(yè)氣象災(zāi)害文獻(xiàn)的梳理可以發(fā)現(xiàn)以下幾個(gè)方面是今后研究的重點(diǎn)：

(1)極端災(zāi)害對于農(nóng)作物影響的研究。隨著全球氣候變暖以及各種突發(fā)氣候現(xiàn)象，2000年以來，與天氣有關(guān)的極端事件頻率增加46％[32]。但與極端災(zāi)害對于農(nóng)作物產(chǎn)生的影響的研究較少。

(2)運(yùn)用科技算法對氣象災(zāi)害進(jìn)行預(yù)測防治。朱文慧等[33]以黃岡市為例結(jié)合GIS和BP神經(jīng)網(wǎng)絡(luò)建立了黃岡市地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警模型，但中地質(zhì)背景分區(qū)精度與降雨過程預(yù)報(bào)精度之間的匹配問題仍需要進(jìn)一步提升。

[1] Song X, Ouyang Z. Key Influencing Factors of Food Security Guarantee in China during 1999-2007[J]. Acta Geographica Sinica, 2012, 67(6): 793-803.

[2] Li B, Zhang S. Multidimensional research on agrometeorological disasters based on grey BP neural network[J]. Grey Systems Theory and Application, 2020, 11(4): 537-555.

[3] He Y, Chen F, Jia H, et al. Different Drought Legacies of Rain-Fed and Irrigated Croplands in a Typical Russian Agricultural Region[J]. Remote Sensing, 2020, 12(11): 1700.

[4] Dai C, Qin X S, Lu W T, et al. A multimodel assessment of drought characteristics and risks over the Huang-Huai-Hai River basin, China, under climate change[J]. Archiv für Meteorologie Geophysik und Bioklimatologie Serie B, 2020, 141(1-2): 601-613.

[5] Xu X, Tang Q. Spatiotemporal variations in damages to cropland from agrometeorological disasters in mainland China during 1978–2018[J]. Science of The Total Environment, 2021, 785(2-4): 147247.

[6] Wang D, Bao S, Wang C, et al. Agricultural high temperature disaster monitoring based on meteorological data mining in Guangdong Province.[J]. Journal of South China Agricultural University, 2015, 36(2): 106-112.

[7] Rawat P K, Sharma A K. Geo-diversity and its hydrological response in relation to landslide susceptibility in the Himalaya: a GIS-based case study[J]. Georisk: Assessment and Management of Risk for Engineered Systems and Geohazards, 2012, 6(4): 229-251.

[8] Zhiguo L I. Influence of agricultural meteorological disasters on grain production in Henan province[J]. Journal of Arid Land Resources and Environment, 2013, 27(5): 126-130.

[9] Kasavan S, Yusoff S, Fakri M, et al. Plastic pollution in water ecosystems: A bibliometric analysis from 2000 to 2020[J]. Journal of Cleaner Production, 2021, 313: 127946.

[10] 陳悅, 陳超美, 劉則淵, 等. CiteSpace知識圖譜的方法論功能[J]. 科學(xué)學(xué)研究, 2015, 33(2): 242-253.

[11] 龔紹先.小麥生育后期的農(nóng)業(yè)氣象條件[J].氣象, 1977(4): 20-22.

[12] 黃朝迎. 1994年中國主要?dú)庀鬄?zāi)害綜述[J]. 災(zāi)害學(xué), 1995(2): 80-84.

[13] 王春乙, 姚蓬娟, 張繼權(quán), 等. 長江中下游地區(qū)雙季早稻冷害、熱害綜合風(fēng)險(xiǎn)評價(jià)[J]. 中國農(nóng)業(yè)科學(xué), 2016, 49(13): 2469-2483.

[14] 王春乙, 張玉靜, 張繼權(quán). 華北地區(qū)冬小麥主要?dú)庀鬄?zāi)害風(fēng)險(xiǎn)評價(jià)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(S1): 203-213.

[15] 王春乙, 蔡菁菁, 張繼權(quán). 基于自然災(zāi)害風(fēng)險(xiǎn)理論的東北地區(qū)玉米干旱、冷害風(fēng)險(xiǎn)評價(jià)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(6): 238-245.

[16] 王春乙, 張繼權(quán), 霍治國, 等. 農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評估研究進(jìn)展與展望[J]. 氣象學(xué)報(bào), 2015, 73(1): 1-19.

[17] 張愛民, 馬曉群, 盛紹學(xué), 等. 安徽省農(nóng)業(yè)氣象災(zāi)害定量監(jiān)測評估研究[J]. 安徽農(nóng)業(yè)科學(xué), 2004(4): 746-748.

[18] 盛紹學(xué), 馬曉群, 楊太明, 等. 基于GIS的安徽省重大農(nóng)業(yè)氣象災(zāi)害測評系統(tǒng)[J].南京氣象學(xué)院學(xué)報(bào), 1998(4): 92-97.

[19] 張愛民, 盛紹學(xué), 馬曉群, 等. 基于GIS技術(shù)的安徽省重大農(nóng)業(yè)氣象災(zāi)害測評系統(tǒng)總體設(shè)計(jì)[J]. 光電子技術(shù)與信息, 1998(5): 48-52.

[20] 李軒, 吳門新, 侯英雨, 等. 農(nóng)業(yè)氣象大數(shù)據(jù)共享平臺設(shè)計(jì)與實(shí)現(xiàn)[J]. 中國農(nóng)業(yè)氣象, 2022, 43(8): 657-669.

[21] 鄭昌玲, 侯英雨. 需求引領(lǐng)精細(xì)化智能化創(chuàng)新發(fā)展—我國智慧氣象在農(nóng)業(yè)方面的應(yīng)用[J]. 蔬菜, 2020(5): 1-7.

[22] 吳門新, 莊立偉, 侯英雨, 等. 中國農(nóng)業(yè)氣象業(yè)務(wù)系統(tǒng)(CAgMSS)設(shè)計(jì)與實(shí)現(xiàn)[J].應(yīng)用氣象學(xué)報(bào), 2019, 30(5): 513-527.

[23] Kumar U, Singh S, Bisht J K , et al. Use of meteorological data for identification of agricultural drought in Kumaon region of Uttarakhand[J]. Journl of Earth System Science, 2021, 130(3): 121.

[24] Kumar U, Panday S C, Kumar J, et al. Comparison of recent rainfall trend in complex hilly terrain of sub-temperate region of Uttarakhand[J]. Mausam: Journal of the Meteorological Department of India, 2021(2): 72.

[25] 劉寒寒, 葉菁, 王雯雯. 基于CiteSpace和VOSviewer的國內(nèi)半城市化研究可視化分析[J].熱帶地理, 2022, 42(5): 788-798.

[26] 吳冬玲, 胡宏猛, 伍進(jìn). 基于文獻(xiàn)計(jì)量的我國民宿研究綜述——以中文核心期刊為樣本[J]. 遼寧工業(yè)大學(xué)學(xué)報(bào): 社會科學(xué)版, 2022, 24(4): 32-38.

[27] Lumbroso D, Stone K, Vinet F. An assessment of flood emergency plans in England and Wales, France and the Netherlands[J]. Natural Hazards, 2011, 58(1): 341-363.

[28] 陳家金, 黃川容, 孫朝鋒, 等. 基于GIS的福建省烤煙氣象災(zāi)害綜合風(fēng)險(xiǎn)區(qū)劃[J].中國農(nóng)業(yè)氣象, 2016, 37(6): 711-719.

[29] 劉冬輝. 陽高縣氣象災(zāi)害對農(nóng)業(yè)生產(chǎn)的影響分析及防御措施[J]. 農(nóng)業(yè)與技術(shù), 2020, 40(5): 140-141, 165.

[30] 呂曉敏, 周廣勝. 雙季稻主要?dú)庀鬄?zāi)害研究進(jìn)展[J]. 應(yīng)用氣象學(xué)報(bào), 2018, 29(4): 385-395.

[31] Kleinberg J. Bursty and Hierarchichal structure in streams[J].Data Mining and Knowledge Discovery, 2003, 7(4): 140-141.

[32] Watts N Amann. The Lancet Countdown on health and climate change: from 25 years of inaction to a global transformation for public health [J]. The Lancet, 2018, 391(10120): 540-540.

[33] 朱文慧, 鄒浩, 肖煒波, 等. 地質(zhì)災(zāi)害精細(xì)化氣象風(fēng)險(xiǎn)預(yù)警模型研究——以黃岡市為例[J]. 安全與環(huán)境工程, 2022, 29(3): 119-126.

Hotspot Analysis of Agrometeorological Disasters Based on CiteSpace and VOSviewer

ZHANG Xiao-xuan, WANG Rui, SHAN Feng-jun, ZHANG Ting-ting, WANG Yi-lin

（School of Chemical and Environmental Engineering, Liaoning University of Technology, Jinzhou 121001, China）

CiteSpace and VOSviewer software were used to analyze visually 2 964 articles on agrometeorological disasterresearch in CNKI and WOS from 1977—2022,to reveal the research status, research hotspots and frontiers in this field at home and abroad.The research results show that the number of documents issued is on the rise and foreign language achievements are higher than Chinese achievements. This article focuses on the authors whose number of articles is more than 3, and the cooperation between domestic authors is closer than that of foreign authors. Chinese research results tend to focus on the mechanism and response measures of meteorological disasters, while foreign research focuses more on the impacts and disasters of climate change.According to the emergence of key words in recent ten years, it can be seen that the flood disaster caused by frost and heavy rainfall is the focus of current meteorological disaster research. This paper reveals the current research status and hotspots of agrometeorological disasters at home and abroad, and prospects the future development.

knowledge map; agrometeorological drought; CiteSpace; VOSviewer; hot spot analysis; trend outlook

10.15916/j.issn1674-3261.2023.02.010

S42

A

1674-3261(2023)02-0124-06

2022-11-11

遼寧省科技廳博士科研啟動項(xiàng)目(2021-BS-257)；遼寧省教育廳面上基金項(xiàng)目(LJKZ0615)；遼寧省教育廳青年基金項(xiàng)目(LJKQZ2021139)

張?bào)沅?1999-)，女，遼寧大連人，碩士生。

王 蕊(1993-)，女，遼寧錦州人，講師，博士。

責(zé)任編輯：劉亞兵