吳漢卿，張寶貴，王學霞，曹 兵，陳立娟，劉 杰，陳延華

（1中國農業(yè)大學土地科學與技術學院，北京 100193；2北京市農林科學院植物營養(yǎng)與資源研究所，北京 100097；3北京市緩控釋肥料工程技術研究中心，北京 100097；4禹城市農業(yè)農村局，山東 禹城 251200）

0 引言

大數據背景下，各研究領域、方向的文獻信息浩如煙海，存在大量分散研究，而如何快速精準查找出與研究主題密切相關的關鍵文獻一直困擾著眾多科研工作者[1]。以土壤氨(NH3)揮發(fā)為例，農業(yè)是NH3揮發(fā)的主要來源（約占全球總量的50%）[2-3]，NH3排放在全球范圍內直接或間接地造成諸多負面影響[4-5]。隨著糧食需求的不斷增長，土壤NH3揮發(fā)也相應增加，極大地擾亂了全球地球生物化學NH3循環(huán)[6-8]。近年來土壤NH3揮發(fā)受到學者廣泛關注，成為農學領域研究熱點。然而，關于土壤NH3揮發(fā)的相關文獻過多，涵蓋多個方向，如排放來源[3]、影響因素[9]、通量[10]、效應[11]、減排措施[12]等，給科研工作者精準篩選文獻和選題增加了難度。

文獻計量分析能基于大量文獻數據的結構化、可視化分析，得出一段時間內某研究領域、方向或主題的研究現狀、熱點及發(fā)展趨勢，具有客觀性、定量化、模型化的優(yōu)勢，有助于科研人員準確掌握該研究的動態(tài)并精準選題[13]。Web of Science核心合集數據庫是一個涵蓋了自然科學、工程技術和社會科學等領域且能提供高質量、可信賴的學術信息檢索的跨庫平臺[14]，是文獻計量分析的重要數據來源。R語言是一種開源的用于統(tǒng)計、計算和圖形的語言和環(huán)境[15]，其中bibliometrix便是一款基于R語言運行環(huán)境的科學文獻計量軟件包[16]。目前文獻計量分析主要聚焦于分析研究領域的發(fā)展動態(tài)，已廣泛應用于生態(tài)[17-19]、農學[20-23]和環(huán)境[24-26]等領域，然而其在快速、精準檢索關鍵文獻方面研究尚未見報道。

本研究以土壤NH3揮發(fā)為研究主題，基于Web of Science核心合集數據庫，應用R語言bibliometrix包進行文獻計量分析，通過3次文獻檢索和計量分析，快速精確地檢索出有關土壤NH3揮發(fā)的關鍵文獻，探索快速精準檢索關鍵文獻的方法，以期為科研工作者提供一定幫助。

1 材料與方法

1.1 數據來源

本研究所有文獻數據均檢索自Web of Science核心合集數據庫[包含引文索引Science Citation Index Expanded(SCI-EXPANDED)、Social Sciences Citations Index(SSCI)、Conference Proceedings Citation Index-Science(CPCI-S)、Conference Proceedings Citation Index-Social Science&Humanities(CPCI-SSH)、Book Citation Index-Science(BKCI-S)和Book Citation Index-Social Sciences&Humanities(BKCI-SSH)數據庫，化學索引Current Chemical Reactions(CCREXPANDED)和 Index Chemicus(IC)數據庫]，檢索日期為2019年9月15日，時間跨度為1978—2018年，文獻類型與語種不限，獲取的文獻數據信息包含全記錄（作者、題目、來源、年份、摘要、關鍵詞、DOI號、被引頻次等信息）和文章引用的參考文獻。

1.2 數據處理與統(tǒng)計分析

文獻數據處理與統(tǒng)計分析均利用R語言中bibliometrix軟件包(Version 2.2.1)進行，bibliometrix軟件的應用主要包括對檢索的文獻信息進行導入，統(tǒng)計分析相關科學文獻指數，構建數據矩陣，進行共被引、耦合、合作分析及共詞分析和可視化處理[16]。本研究主要應用本地高被引論文分析(top high cited publications)、關鍵詞共現分析(keyword cooccurrences analysis)、關鍵詞共詞分析(co-word analysis:the conceptual structure of a field)及高被引論文分析(high cited publications analysis)方法[27]。

關鍵詞共現分析主要是采用Fruchterman-Reinfold布局[28]的關鍵詞共現網絡圖譜，選取50個最高頻的關鍵詞進行可視化[29]，進而判斷該領域中各研究方向間的關系和研究趨勢[16]；關鍵詞共詞分析主要是在關鍵詞共線網絡圖譜基礎上，以網絡映射和聚類的方式利用文獻中關鍵詞共現網絡來繪制框架的概念結構圖，其中主要應用多重對應分析(Multiple Correspondence Analysis，MCA)方法[30]進行聚類，對多元分類數據進行圖形和數值分析[31]，在共詞分析中，高頻關鍵詞繪制在二維地圖上，根據關鍵詞的相對位置及其沿維度的分布來解釋結果，關鍵詞間聯系越緊密，其在圖中位置就越近[30-32]。高被引論文分析是指對所有文獻數據信息進行統(tǒng)計，由于高被引論文被引頻次受發(fā)表時間影響較大，因此本研究還通過計算年均被引頻次來進行高被引論文分析，按照總被引頻次及年均被引頻次進行排序。

1.3 文獻多次檢索

本研究中利用文獻計量分析結果來精煉文獻檢索式，進而精確檢索關鍵文獻，這一過程需要進行多次文獻檢索。第一次文獻檢索時，輸入少量關鍵詞（如土壤氨揮發(fā)），檢索出來的文獻數量大，且其中的高被引論文絕大多數與主題詞關系不大。因此，繼續(xù)對第一次檢索出的文獻信息進行文獻計量分析，根據關鍵詞分析結果，增加文獻檢索式中的關鍵詞進行檢索。如此檢索數次后，最終精確檢索出關鍵文獻，文獻與主題的相關性可通過高被引論文和關鍵詞分析進行驗證。

2 第一次文獻檢索

2.1 檢索式及文獻數量統(tǒng)計

檢索式為TS=(soil*AND(NH3OR ammonia)AND(volatili*OR emission*))，共檢索出文獻3573篇。

2.2 文獻計量分析

2.2.1 高被引論文分析 檢索出1978—2018年土壤NH3揮發(fā)研究領域的Top 10高被引論文如表1所示，僅排在第二[33]、第六[34]、第七[4]和第八[35]位的4 篇高被引論文內容與土壤NH3揮發(fā)較為相關，其余6篇高被引論文均只是在正文或摘要中對土壤NH3揮發(fā)略有提及。被引頻次排在第二位的《Reducing environmental risk by improving N management in intensive Chinese agricultural systems》一文[33]，主要是華東太湖地區(qū)水稻/旱地小麥和華北平原地區(qū)灌溉小麥/旱作玉米集約化生產系統(tǒng)中肥料氮的主要損失途徑，其中NH3揮發(fā)僅作為氮素的一種損失方式，并非文章核心內容。被引頻次第一的《Removal of nutrients in various types of constructed wetlands》，內容著重點為不同類型人工濕地中養(yǎng)分（如氮磷）的去除過程，土壤NH3揮發(fā)僅作為氮素轉化一個過程被簡單描述[36]。排在第三的《Role of nitrifier denitrification in the production of nitrous oxide》主要結論是N2O總產量的30%歸因于硝化細菌反硝化，低氧條件加上土壤中的低有機碳含量有利于該途徑[37]。排在第四的《Enhanced nitrogen deposition over China》主要研究內容為中國氮沉降加強[38]，土壤NH3揮發(fā)僅作為活性氮(Reactive N，Nr)的主要損失形式在正文中被簡單提及。排名第五[39]和第八[40]的文章主要介紹農田土壤N2O年排放量的計算方法。排在第十位的文章研究新西蘭6種草地土壤中氨氧化古細菌和細菌對硝化作用的貢獻[41]。這些論文核心內容與土壤NH3揮發(fā)關系不大，卻作為高被引論文被檢索出來。這可能是由于土壤氨揮發(fā)作為活性氮損失、土壤氮循環(huán)主要過程，對土壤其他氮素轉化過程（如通過影響土壤中基質NH4+濃度，進而影響硝化-反硝化、氨氧化過程；通過影響大氣NH3濃度，進而對干濕沉降等過程產生顯著影響，因此相關文章中略有涉及。

表1 1978—2018年土壤NH3揮發(fā)研究領域Top 10高被引論文（第一次檢索）

因此，對土壤NH3揮發(fā)高被引論文分析可知，單純從被引頻次上并不能精確定位某一特定研究領域/主題的權威、關鍵文獻，因此仍需要對高被引用論文進一步甄別是否與該研究領域完全契合。本研究通過對檢索出的3573篇文獻及其參考文獻進一步做關鍵詞共現分析與共詞分析，確定與土壤NH3揮發(fā)真正顯著相關的有效目標關鍵詞和一些關系不大的關鍵詞，進而對檢索式進行完善改進，精確檢索出權威、關鍵論文。

2.2.2 關鍵詞共現分析和共詞分析 對檢索出的3573篇文獻進行關鍵詞共現分析，共計含有5149個網絡節(jié)點（圖1中只顯現Top 50關鍵詞節(jié)點），圓圈大小代表度值，度值越大代表與它有相互作用關系的節(jié)點越多，圓圈的顏色是按照k-核（k-core，表示子圖中所有節(jié)點都至少連接著k個點，用來評估其在網絡位置的中心程度，值越大表示度值越大且越中心）進行劃分的聚類結果，紅色聚類即為核心地位的關鍵詞群。度中心性(Degree Centrality)，在網絡分析中刻畫節(jié)點中心性的最直接度量指標，節(jié)點度中心性越高，該節(jié)點在網絡中就越重要[16]。度中心性Top 10的關鍵詞節(jié)點依次為ammonia volatilization(0.359)、soil(0.315)、emissions(0.194)、nitrogen(0.186)、denitrification(0.182)、ammonia(0.177)、nitrous oxide emissions(0.176)、N2O emissions(0.156)、volatilization(0.155)、nitrate(0.149)。雖然大多數關鍵詞與土壤氨揮發(fā)聯系緊密（如soil、ammonia volatilization等），但結合專業(yè)知識發(fā)現其中混雜著不少與土壤氨揮發(fā)聯系不大的關鍵詞，如N2O emissions、greenhouse gas emissions等（圖1），這可能是由于土壤N2O、NH3同為氣態(tài)氮損失的主要途徑，在有關土壤N2O排放研究文獻中對土壤NH3揮發(fā)有所提及。

圖1 1978—2018年土壤NH3揮發(fā)關鍵詞共現網絡圖譜（第一次檢索）

圖2 1978—2018年土壤NH3排放領域共詞分析的概念結構圖譜（第一次檢索）

圖2結果表明，Dim1和Dim2分別解釋了總變異的37.31%和13.89%，累積解釋率達51.20%。不同關鍵詞節(jié)點間距離越小越相似，反之差異越大，不同聚類間差異顯著。結合圖1結果，圖2中紅色聚類與土壤氨揮發(fā)顯著相關，因此剔除另外2類聚類中的關鍵詞。通過對圖2紅色聚類關鍵詞進行分析，發(fā)現methane emissions、greenhouse gas emissions、carbon dioxide、nitrous oxide emissions、N2O emissions與剔除關鍵詞聚類較近、與土壤氨揮發(fā)核心關鍵詞距離較遠，而R-bibliometrix軟件自動聚類未能將其徹底分開。針對此現象，結合專業(yè)知識發(fā)現，methane emissions、greenhouse gas emissions、carbon dioxide、nitrous oxide emissions、N2O emissions主要與溫室氣體（CH4、N2O和CO2）排放緊密相關，再結合圖1結果分析，這一現象可能是由于關于土壤碳氮的氣態(tài)損失（CH4、N2O和CO2排放）文獻中對土壤NH3揮發(fā)有所提及，實際上此類文獻與土壤NH3揮發(fā)聯系較少，因此手動予以剔除。

2.3 第一次檢索小結

第一次文獻檢索時，檢索關鍵詞（土壤氨揮發(fā)）少量簡單，而檢索出來的文獻數量巨大（3573篇），且其中的高被引論文絕大多數與主題詞關系不大（表1）。高被引論文分析結果表明，單純從被引頻次上并不能精確、快速地定位某一特定研究領域/主題的權威、關鍵文獻，仍需對高被引用論文進一步甄別是否與該研究領域完全契合。

3 第二次文獻檢索

3.1 檢索式及文獻數量統(tǒng)計

在第一次文獻檢索及研究結果的基礎上，剔除第一次發(fā)現的關系不大的關鍵詞（詳見表2），再次進行文獻檢索，共檢索出文獻1506篇。

表2 關鍵詞細化檢索

3.2 文獻計量分析

3.2.1 高被引論文分析 再次統(tǒng)計出1978—2018年土壤NH3揮發(fā)研究領域的Top 10高被引論文（表3），結果表明，此次表3與表1內容差異較大，只有表1中6、7號論文與表3中的1、2號論文一致。通過對表3中Top 10高被引論文進行分析，發(fā)現除被引頻次排在第二和第四的論文是主要研究土壤氨揮發(fā)的，其他高被引論文如表1一樣，土壤氨揮發(fā)仍非主要研究內容，只是作為活性氮的一種損失途徑或方式被簡單提及。

3.2.2 關鍵詞共現分析和共詞分析 再次對第二次檢索出的1506篇文獻進行關鍵詞共現分析和共詞分析（圖3～4），再次剔除掉除紅色聚類（土壤氨揮發(fā)核心關鍵詞集）外的藍色、綠色聚類中的關鍵詞。

3.3 第二次檢索小結

第二次文獻檢索時，通過剔除一些與土壤NH3揮發(fā)聯系不大的關鍵詞進行檢索式精煉，檢索出來的文獻數量為1506篇（與第一次文獻檢索結果3573篇相比，數量顯著下降），然而與主題詞緊密相關的Top 10高被引論文數量仍偏低（表3）。

4 第三次文獻檢索

4.1 檢索式及文獻數量統(tǒng)計

在前2次文獻檢索及研究結果的基礎上，再次剔除第二次發(fā)現的關系不大的關鍵詞（表2），并進行文獻檢索，共檢索出文獻160篇。

4.2 文獻計量分析

4.2.1 高被引論文分析 再次統(tǒng)計出1978—2018年土壤NH3揮發(fā)研究領域的Top 10高被引論文（表4），分析發(fā)現Top 10高被引論文均是主要研究土壤氨揮發(fā)的，是切題論文，這說明該方法切實可行。

4.2.2 關鍵詞共現分析和共詞分析 對第三次檢索出的160篇文獻進行關鍵詞共現分析和共詞分析（圖5～6）。度中心性Top 10關鍵詞節(jié)點依次為ammonia volatilization(0.648)、soil(0.312)、field(0.160)、nitrogen(0.152)、losses(0.146)、urea(0.129)、ammonia(0.120)、management(0.117)、wheat(0.115)、hydrolysis(0.106)，這些關鍵詞均與土壤NH3揮發(fā)緊密相關（圖5）。且其他關鍵詞如calcareous soils、flooded soils、water、NBTPT、surface applied urea、 deep placement system、temperature、 hydrolysis、 fertilization、 cattle、 time、management(practices)等關鍵詞均是影響土壤氨揮發(fā)的主要因素，15N(fertilizer)同位素標記示蹤法也是定量化、溯源研究土壤NH3揮發(fā)的重要方法，這也再次證明了此方法的可行性較高。

表3 1978—2018年土壤NH3揮發(fā)研究領域Top 10高被引論文（第二次檢索）

圖3 1978—2018年土壤NH3揮發(fā)關鍵詞共現網絡圖譜（第二次檢索）

圖4 1978—2018年土壤NH3排放領域共詞分析的概念結構圖譜（第二次檢索）

圖6結果表明，軸1(Dim1)和軸2(Dim2)分別解釋了所有分析結果的52.01%和13.17%，累積解釋率達65.18%。通過對標注紅色的關鍵詞進行分析，發(fā)現soil ammonia volatilization（土壤NH3揮發(fā)）與losses（損失）、field（農田）、management（管理措施）、calcareous soils（石灰性土壤）、surface applied urea（表施尿素）、nitrogen（ 氮 ）、fertilization（ 施 肥 ）、nitrogen mineralization（礦化）等距離最小也最相關，這與前人研究結果[11,42]一致。對藍色區(qū)域中關鍵詞進行分析，主要關鍵詞有NBTPT（脲酶抑制劑）、surface urea（表施尿素）、water（水分）、temperature（溫度）及efficiency（效率），這主要是由于脲酶抑制劑可以抑制表施尿素的NH3揮發(fā)[43]，溫度升高、含水量降低均能夠提高土壤溶液中NH3濃度進而提高NH3揮發(fā)速率[44]。綠色區(qū)域關鍵詞有hydrolysis（水解）、active site（活性位點）、flooded soils（淹水土壤）、phosphoroamides（磷酰胺）和triamide（三酰胺），其中磷酰胺和三酰胺作為脲酶抑制劑，主要通過抑制脲酶活性來達到抑制土壤NH3揮發(fā)的效果[45-46]。綜上，3個區(qū)域關鍵詞均與土壤NH3揮發(fā)密切相關，證明此方法可用來精確檢索出與研究主題密切相關的文獻。

表4 1978—2018年土壤NH3揮發(fā)研究領域Top 10高被引論文（第三次檢索）

4.3 第三次檢索小結

通過上述2次過程（文獻檢索、高被引論文分析、關鍵詞共現分析及共詞分析）進行精煉檢索式（檢索式中主題詞顯著增加），進而提升文獻檢索精確度。第三次檢索出來的文獻數量僅為160篇，且高被引論文分析結果表明，Top 10高被引論文的主要研究內容均為土壤NH3揮發(fā)（表4）。對160篇文獻及其參考文獻進行關鍵詞共現分析和共詞分析，發(fā)現圖5和圖6中展現的關鍵詞更加細化且均與土壤NH3揮發(fā)緊密相關。說明文獻計量分析在快速、精準檢索文獻中的應用方法切實可行。

圖5 1978—2018年土壤NH3揮發(fā)關鍵詞共現網絡圖譜（第三次檢索）

圖6 1978—2018年土壤NH3排放領域共詞分析的概念結構圖譜（第三次檢索）

5 討論

土壤NH3揮發(fā)是諸多因子綜合作用的過程，而目前絕大多數研究舍棄了多因子綜合作用這一考慮，多因素效應研究較少[47-48]。由本研究結果推測，也許可以根據關鍵詞共現分析、共詞分析結果中的關鍵詞，結合專業(yè)知識、分析，進而查找科學空白，如氣候變化（圖5中climate change關鍵詞）背景下農業(yè)土壤NH3排放機制，在此過程中又有哪些關鍵驅動因素，溫度升高又會對土壤NH3揮發(fā)產生何種影響。再如水分、溫度及施氮（圖5～6中water、temperature及nitrogen fertilization關鍵詞）對土壤氨揮發(fā)的單因素效應，是否存在雙因素或三因素交互效應。確定科學問題后，通過本研究方法快速精確檢索文獻，查找出相關權威、關鍵文獻，以獲得回答該科學問題的思路、解決方法，這可能也是本方法今后的重要發(fā)展方向和研究熱點，精確查找研究領域研究現狀、當前熱點及科研空白（科學問題），進而為科研工作者提供一定參考。

6 結論

本研究基于Web of Science核心合集數據庫，以土壤氨(NH3)揮發(fā)為研究主題，利用R語言bibliometrix包，精確檢索出關于土壤NH3揮發(fā)的關鍵文獻，并探索出了文獻計量分析在快速精準檢索關鍵文獻中的應用方法：只需輸入少量簡單的關鍵詞（如土壤氨揮發(fā)）進行檢索，然后對檢索出的文獻數據進行文獻計量分析，根據關鍵詞共現、共詞分析結果，增加與研究主題關系密切的關鍵詞，進而不斷精煉檢索文獻即可精準檢索出關鍵文獻。且通過假設精確查找關于土壤NH3揮發(fā)與水分（或溫度、管理）方面研究文獻，利用此方法進行驗證，結果證明該方法切實可行。在大數據背景下，文獻計量結合R-bibliometrix工具，使用本研究方法，有助于提出科學問題、精確檢索關鍵文獻、獲取科研思路及解決方法，對科研工作者具備一定參考價值。