基于Citespace的遙感建模和異速生長耦合研究進展

王亞寧，湯萃文，李凡凡

(蘭州交通大學 環境與市政工程學院，甘肅 蘭州 730030)

1 引言

森林生態系統可為生物圈提供各種價值服務，除保持水土、調節水源之外，研究者們還將目光對準了如今的研究熱點——碳儲量[1]。由于森林面積占全球陸地面積的1/3，因此在調節碳循環和氣候方面有重要意義[2]，所以分析植物間的功能關系及異速生長關系可以幫助人們更好地把握植被帶來的生態價值[3]。隨著環境不斷惡化，荒漠化情況日益加重，在干旱半干旱地區，植物有非常重要的作用。為進一步保護荒漠區的生態平衡，對生物量的研究成為監測荒漠區土地退化的重要指標[4, 5]。生物量是指群落在一定時間內積累的有機質總量，是生態系統評價生產力的最好指標，也是環境質量的綜合體現[6]，隨著遙感技術的發展，對生物量的反演估測可作為改善荒漠化程度的措施[7, 8]。遙感估算生物量可以在多尺度上提供連續觀測[9]，利用地物反射光譜特征對植被指數進行提取，但是生物量與植被指數的關系可能會因不一致的光譜響應條件或混雜因素(如大氣和地形)而產生偏差[10]。所以基于異速生長模型和遙感森林結構相結合開發的異速生長分析方法可以有效克服上述缺點，但光學遙感仍然存在相當大的挑戰[11]。同時生物量分配也與異速生長的聯系更加緊密，在對地上生物量研究的同時可與植物各個器官的生物量分配和機體的異速生長情況相結合[12, 13]，可以為保護生態提供科學依據和策略。全球森林清查和地上生物量估計仍然是研究碳儲量和碳循環的不確定因素[14～17]。

為了研究森林生態系統，迄今為止發展了高分辨率數據與基于個體的森林建模融合，可深入了解植物規模是如何促進大范圍的生物地球化學進程[1]。SAR和LiDAR技術的發展大大減少了研究植物發展規模的不確定性，比如，世界上約81%的森林含有的生物量超過了與P波段SAR相關的飽和水平[16]。Panzhou等[18]對分布在熱帶地區的森林和稀樹草原樹種為研究對象，評估了樹冠的異速生長關系和環境驅動因素，結果證明了這巨大的冠狀異速生長關系是由于林分水平和環境因素導致的。Colgan等[20]通過從激光雷達數據中測量單個樹冠的最大高度和冠幅面積來識別單個樹冠并估測其生物量，從而消除了植被存在多莖問題的誤差。Fang等[9]利用Landsat系列促進了林分年齡和生物量估測的精確性。

為了進一步分析國內外研究現狀，利用科學的圖譜可以更加直觀地對研究內容進行分析和分布研究，這已經成為當下學科研究熱點、發展水平、研究深度的重要分析手段[20, 21]。楊東[22]、楊鑫[23]等利用Citespace軟件對分別對草地生物量遙感監測現狀進行了可視化分析，但是對森林生物量監測和異速生長分析的研究很少，本研究主要利用可視化分析軟件Citespace對遙感建模和異速生長進行圖譜分析，進一步掌握在遙感建模的基礎上對植物異速生長的分析，通過輸入年限范圍和關鍵詞可以得出各種引文信息[9]，發現植物研究的發展趨勢和焦點，為該研究領域提供一些新的思路。

2 數據來源及研究方法

2.1 數據來源

由于對遙感建模和異速生長的研究是一個新的方向，知網相關文獻很少，因此本文依據新型可視化軟件Citespace對分析數據的要求，將WOS(Web Of Science)作為文獻搜索引擎針對地上生物量遙感建模和異速生長方向的文獻進行定量分析。時間跨度選擇為2001～2022年，關鍵詞搜索為“Remote sensing modeling”“Allometry”的核心合集共90篇。

2.2 研究方法

Citespace軟件是由美國德雷塞爾大學和中國大連理工大學聯合開發的關于文獻可視化軟件，該軟件的運行需要提前安裝Java環境[24]，該軟件的方便之處在于可以與Excel結合以文獻數量作為統計基礎進行分析[25]。具體方法如下。

首先，建立input文件夾，將篩選完成的文獻導出，導出后的文獻以文本格式保存在input文件中，并命名為download_.txt格式；然后，將input文件在Citespace中復制到output文件夾，將待分析的文獻轉入數據(date)文件夾；最后，建立project文件夾以存儲分析的文獻數據[26]。時間跨度設置為 2001～2022年，關鍵詞TopN設置為50，其他參數保持默認設置。

3 結果與分析

3.1 發文量與分布情況分析

根據WOS數據庫分析可知，國內外研究者針對遙感建模和異速生長研究領域發表論文，經過篩選后選擇2001～2022年共90篇文獻。由數據分析(圖1)可知，遙感建模和異速生長相結合的研究于2001年開始，目前還處于起步階段。從2001～2022年間的發文量來看，整體處于波動上升趨勢，2011年成為一個迅速增長的轉折點。可見，從2011年以后，遙感建模和異速生長分析領域緩慢的成為新的研究方向。

圖1 2001～2022年遙感建模和異速生長耦合 分析發文量時間分布

3.2 共被引頻次分析

表1列出了從WOS核心合集下載的關于遙感建模和異速生長分析的90篇文章中共被引頻次前10的文章，并列出重要文章的DIO號，可供后續查閱參考。共被引頻次指在經過篩選后的文獻中，同時引用以下參考文獻的頻次。從出版期刊來看，共被引頻次最高的文章為《全球變化生物學》(GLOBAL CHANGE BIOL)雜志出版，最高被引頻次一共為27次，占共被引文章數量的30%，其次為頂刊雜志《美國科學院院報》(P NATL ACAD SCI USA)，共被引頻次為20次，占共被引文章數量的22.22%，《環境遙感》(REMOTE SENS ENVIRON)和《科學》(SCIENCE)的共被引頻次相同，均為16次，占共被引文章的17.78%，且被引文獻的出版雜志大類分科主要為環境、生態、地學及綜合性期刊等。

表1 WOS數據庫中共被引頻次前10的文獻

3.3 發文國家分布與合作分析

基于Citespace軟件分析可知，共有57個國家/地區發表了有關于遙感建模和異速生長耦合研究的文章，本文選擇了WOS文獻中排名前10的國家進行研究分析。如表2所示。其中H-index表示高引用次數，表示一個國家/地區、機構或學者至多有h篇論文分別被引用了至少h次。一般情況下，H指數越高，表明該國家/地區、機構等發表的成果影響力越大，中心性則在一定程度上可以反映研究者對某一研究內容的關注程度[27]。因此H指數有時可與被共引頻次結合說明，研究成果對該領域的影響和意義。

在可視化科學圖譜中，圓形節點可以代表發文量，節點越大，表示該國家發文量越多。節點之間的連線表示各國家之間的聯系與合作，連線越粗說明聯系越緊密(圖2)。

從表2可以看出，該研究領域下發文量排名靠前的國家有美國、德國、英國和法國、中國等，這些國家的發文量在5～44篇之間，發文量有較大差異。美國對該領域的研究有很大優勢，占據發文量的35.2%。基于WOS數據庫對發文國家進行可視化分析，發現在發文國家之間共有282條連線，但是發文量高的國家，H指數和中心性不一定高，說明該研究領域各國之間合作較少，缺乏一定交流[28]。

圖2 發文國家分布與合作可視化圖譜

表2 各國家發文量統計

3.4 研究作者及合作關系分析

由于遙感建模和異速生長耦合分析領域是一個新的研究方向，經過WOS文獻分析作者群體發現，發文量在前5位的研究者均為國外研究者，說明雖然我國在遙感領域已經取得相應進展，但是耦合異速生長領域研究相對薄弱，起步較晚。作者分別累計發文量在3～5篇之間，H指數隨著時間推移呈上升趨勢，表明研究該領域的作者之間交流合作越來越密切(圖3、表3)。

圖3 作者及合作關系可視化圖譜

3.5 關鍵詞可視化圖譜分析

關鍵詞作為文本中能夠表達文本核心的最小單位，是對文章內容的高度概括[29, 30]。因此通過對某一研究領域的關鍵詞進行可視化分析，可以更好地把握當前方向的熱點與熱點演變[26, 30]。熱點指在某一時段內發表的文章，其研究對象或者內容有一定的趨同性[31]。本文利用Citespace軟件對關鍵詞“Remote sensing modeling”“Allometry”進行聚類分析，生成關鍵詞聚類圖(圖4)。圖4中的圓形節點表示關鍵詞，其大小代表關鍵詞在文章中出現的頻次高低。節點間的連線表示關鍵詞之間的共線系數。圖中的連線越多，關鍵詞之間的影響和聯系越密切。經過分析可知，共生成了12大聚類，具體分析如表4所示。

圖4 關鍵詞聚類可視化圖譜

表3 作者發文量統計

表4 關鍵詞聚類統計

聚類的大小是由分類中所含的文獻數量表示，聚類0樹高最大，包含41條文獻，主要的聚類關鍵詞包含aboveground biomass(地上生物量)、lidar(激光雷達)、carbon stock(碳儲量)、carbon(碳)、tropical forest(熱帶森林)。其次為聚類1Vhr圖像中包含36條文獻，關鍵詞包括dynamics(動力學)和ecosystem(生態系統)。聚類2林學中有33條文獻，關鍵詞為forest(森林)。聚類3和聚類4分別包含23、22條文獻，大小差別不大，關鍵詞主要是deforestation(濫砍濫伐)、biomass(生物量)、remote sensing(遙感)、model(模型)和biomass estimation(生物量估計)等。聚類的同質性代表聚類過程中所含文獻的相似性，數值越大，表示聚類文獻內容的相似性越高。同質性最高的是聚類3林學，為0.821，說明該聚類中的文獻信息統一性最高。其次是聚類4氣候變化和聚類1Vhr圖像，同質性分別為0.785和0.727。平均引用時間是指聚類中引用文獻的時間先后。聚類0樹高、聚類1Vhr圖像和聚類3冠幅面積的平均引用時間都是2015年，說明這3個聚類中的文獻內容是目前的研究熱點。

4 結論與展望

本文在閱讀大量國內外文獻的基礎上，確定了較新的研究方向。基于WOS(Web of Science)數據庫，將關于遙感建模和異速生長分析的前沿文獻為研究樣本，采用科學圖譜分析法、文獻計量法和地理空間探索法將篩選出的文獻樣本，分別從發文量統計、研究作者、發文國家以及關鍵詞聚類等4個方面對該領域的研究情況進行了總結，得出以下結論。

(1)經過文獻統計量分析可知，文獻發表量整體呈現動態增長趨勢，但發文總數量不大，研究力度和創新性還有待提高。

(2)各個國家和研究者之間雖然已經形成了一定的規模，但研究群體之間依然缺乏深度的交流和溝通。因為該研究領域本身的局限性，研究者們在研究初期，會先考慮本國或本地區的生態狀況，因此導致在地域范圍內有些許限制。

(3)從關鍵詞聚類分析來看，大小排名前3的聚類為“tree height” “Vhr imagery” “forestry”,遙感建模和異速生長耦合研究也與生物量估測、碳儲量等基礎研究密不可分。雖然遙感技術的發展使得生態研究和測量有了簡單經濟的手段，但是無人機測量的優勢集中于森林生態系統的生物量研究與分析[32]，針對荒漠區的灌木類植被生長特征研究有限。

隨著遙感技術不斷發展和成熟，與遙感技術相結合的植物生長特征分析成為新的研究熱點。森林、地上生物量、生物量估測等研究是運用遙感技術的重要研究內容。也可以將這些研究內容推進到荒漠灌木類，但是荒漠灌木植被中葉綠素含量低于高大喬木等，因此研究植被生長時反演精度成了重要的限制因素[33]，以及各個植物不同器官對不同光譜的反射有較大差別，因此在遙感技術的配合下，通過優化建模方法，利用遙感技術改善森林結構檢索，改善圖像分辨率，結合異速生長分析、遙感干擾歷史和生長函數，準確量化林齡可以為生物量估計提供另一種替代方法[34～36]。