楊 東，楊秀春，金云翔，徐 斌

（1.農業(yè)部農業(yè)信息技術重點實驗室 / 中國農業(yè)科學院農業(yè)資源與農業(yè)區(qū)劃研究所，北京 100081；2.北京林業(yè)大學草業(yè)與草原學院 / 草地資源與生態(tài)研究中心，北京 100083）

草地生態(tài)系統是全球重要的生態(tài)系統之一，占全球陸地面積的25%[1]；草原也是我國面積最大的陸地生態(tài)系統，占國土陸地面積的41.7%[2]。草地生態(tài)系統在氣候調節(jié)、土壤保持、生物多樣性維護和碳固定等[3-6]方面均有著不可替代的功能。準確及時地估算草地生物量，對草地保護修復、草畜平衡分析、草地生態(tài)狀況監(jiān)測評估、資源動態(tài)監(jiān)測等方面具有重要意義[7-10]。遙感技術由于具有宏觀、高效、重復觀測和受地面限制少等優(yōu)勢，自20 世紀60年代開始興起，并于20 世紀80年代末應用于草地領域，通過遙感數據和地面調查資料等信息的綜合分析與研究，明顯提升了草地宏觀調查的效率，極大提高了草地生物量監(jiān)測的準確性和時效性[11]，促進了草地遙感學科的快速發(fā)展。

草地生物量是草地生態(tài)系統最重要的度量指標之一，可直接反映草地的初級生產能力，是草地生態(tài)系統中動物、微生物生存的物質基礎，也是反映草地生態(tài)狀況的重要指標。草地生物量分為地上生物量和地下生物量，遙感方法監(jiān)測草地生物量通常指地上生物量，地下生物量目前研究較少。利用草地地面調查數據與衛(wèi)星影像數據，采用光譜、熱感等遙感技術及數理統計、機器學習等方法，構建草地地上生物量反演模型，通過模型定量反演草地地上生物量。地下生物量可通過草地地上/地下生物量比值，在估算地上生物量之后，通過比值進行地下生物量的估算。草地生物量作為一個具有重要研究價值和潛力的研究方向，將遙感技術應用于草地生物量研究已成為一種普遍手段，相關研究結果也受到了學者們的廣泛關注。

CiteSpace 是由美國德雷塞爾大學陳超美教授基于Java 平臺開發(fā)的文獻計量可視化分析軟件。CiteSpace 軟件具有強大的對發(fā)表論文的國家、機構、文獻共被引等方面的分析能力，是近年來信息分析領域中最具影響力的信息可視化分析軟件之一。CiteSpace 可免費下載使用，且隨著不斷的發(fā)展完善，分析功能不斷優(yōu)化。當前CiteSpace 軟件已經被廣泛應用于計算機科學、信息科學以及醫(yī)學等60 多個領域[12]，支持包括中國知網(CNKI)、科學網(Web of Science)、PubMed、Scopus、Dimensions 等文獻數據庫。CiteSpace 較傳統文獻綜述可以通過圖片可視化的方法更加直觀地對所研究領域的發(fā)展脈絡、研究熱點等進行梳理。目前已有學者利用CiteSpace 對草地保護、草地碳匯等[13-14]方向進行計量可視化分析。其中鄭海朋等[15]利用CiteSpace 對草地遙感進行了較全面的文獻計量研究，具體包括草地災害監(jiān)測、蓋度和葉面積指數估算、草地退化和碳儲量估算等方面，是對整個草地遙感領域展開的計量分析，但草地生物量遙感僅為其部分內容，由于篇幅原因未充分展開，相關梳理略顯不足。為了更加系統地對草地生物量遙感監(jiān)測進展進行整理歸納、分析總結和展望，本文利用CiteSpace 軟件針對1995 – 2020年發(fā)表的相關論文更加全面詳盡地展開文獻計量分析。

1 材料與方法

1.1 研究方法

本研究通過使用CiteSpace 軟件對ISI Web of Science (WOS)核心數據庫中檢索到的草地生物量遙感監(jiān)測文獻從國家、機構，以及關鍵詞進行共現、共被引、聚類等相關分析并繪制相關知識圖譜，以梳理其發(fā)展進程和研究熱點，為草地生物量遙感監(jiān)測的研究提供參考。

1.2 數據來源

為了更加直觀地展示草地生物量遙感監(jiān)測研究的發(fā)展階段，利用CiteSpace 軟件，并根據Web of Science 核心合集數據庫中的Science Citation Index Expanded(SCIE)和Conference Proceedings Citation Index-Science (CPCI-S)數據庫，在高級檢索模塊下，選取主題式為：TI = (grassland biomass* or rangeland biomass* or meadow biomass* or meadow load biomass*or campo grassland biomass*or pampas grassland biomass* or savanna biomass* or steppe biomass* or prairie biomass* or semi-arid grassland*) AND TS=(Remote Sensing* or RS or SPOT or NOAA/NVHRR or Landsat* or TM or ETM or MSS or GIMSS or SAR or MODIS or RADASAT or ALOS or QuickBird or TRMM or Hyperin or IKONOS or CBERS or ATSER ENVISAT or microwave remote sensing or radar remote sensing or hyperspectral* or estimate* or monitor* or NDVI* or predict*)進行高級檢索。文獻語言為英語，時間跨度為1995 ? 2020年。根據2021年1月20日檢索結果，得到文獻共計600 篇。再將文獻類型進行篩選，僅保留研究論文(Article)和綜述論文(Review)，最終得到用于本研究分析的文獻為557 篇，利用Web of Science 和CiteSpace 對檢索結果進行計量分析。

2 結果與分析

2.1 發(fā)表趨勢

草地生物量遙感監(jiān)測文獻在1995 ? 2002年發(fā)表論文的數量很少，直到2003 ? 2008年每年發(fā)表的相關文獻穩(wěn)定在10 篇左右，2009年開始發(fā)表的文獻數量快速增加，到2015年發(fā)表數量達到高峰，全年共計發(fā)表52 篇，2015年之后便稍有回落和波動，但隨時間推移總體呈增長趨勢。引用數量在2009年之前增長較慢，2009年之后開始快速增長(圖1)。

圖1 研究文獻發(fā)表數量及被引數量的時間分布圖Figure 1 Distribution of the number of research articles published over time and the change in the number of citations for these papers over the same period

2.2 發(fā)文國家、機構及學科分布

國家合作共現圖譜可以直白地反映國家發(fā)文量和國家之間的合作強度。利用CiteSpace 的國家合作分析功能，對發(fā)文國家進行合作分析，得到時間區(qū)間為1995 – 2020年，時間切片為2，有36 個節(jié)點、38 條連線，網絡密度為0.0603 的國家合作共現圖譜（圖2）。圖譜中每一個節(jié)點代表一個國家，國家發(fā)文量與節(jié)點大小呈正相關關系，發(fā)文量越多，則節(jié)點越大，節(jié)點內圈中不同年輪環(huán)的顏色代表該國家不同時間段的發(fā)文量，年輪環(huán)越粗則該段時間發(fā)文量越多，節(jié)點之間的連線粗細則與國家間共現的強度呈正相關關系。如圖2 所示，發(fā)文數量最多的國家依次為美國(32.48%)、中國(29.53%)、德國(15.16%)、澳大利亞(7.68%)、加拿大(6.3%)、南非(5.7%)、法國(5.32%)等。中心性是測度節(jié)點在網絡中重要性的一個指標，CiteSpace 中使用中心性來發(fā)現和衡量節(jié)點的重要性。就中心性而言，大于0.2的國家依次為英國(0.99)、加拿大(0.76)、中國(0.47)、德國(0.46)、丹麥(0.44)、愛爾蘭(0.44)、美國(0.41)、蘇格蘭(0.41)、瑞典(0.38)、比利時(0.36)、西班牙(0.32)、南非(0.22)、荷蘭(0.22)。通過比較各節(jié)點的中心性與發(fā)文數量，可見大部分發(fā)文量高的國家間國際合作程度較強，交流較多。

圖2 國家合作共現圖譜Figure 2 Country co-operation map

利用CiteSpace 的機構合作分析功能，對發(fā)文機構進行合作分析，得到時間區(qū)間為1995 – 2020年，時間切片為2，有124 個節(jié)點、432 條連線，網絡密度為0.056 6 的機構合作共現圖譜（圖3）。圖譜每一個節(jié)點代表一個機構，機構發(fā)文量與節(jié)點大小呈正相關關系，機構發(fā)文量越多，則節(jié)點越大。節(jié)點內圈中不同年輪環(huán)的顏色代表該機構不同時間段的發(fā)文量，年輪環(huán)越粗則該段時間發(fā)文量越多，節(jié)點之間的連線粗細則與機構間共現的強度呈正相關關系。草地生物量遙感監(jiān)測相關機構共現圖譜(圖3)顯示，1995 – 2020年，中國科學院的發(fā)文量遠超過其他機構，出現頻次為93 次(表1)。除中國科學院外，其他出現頻次大于10 次的機構還有中國科學院大學(27 次)、科羅拉多州立大學(19 次)、美國農業(yè)部農業(yè)研究所(14 次)、明尼蘇達大學(13 次)、北京師范大學(12 次)。從中心性上看，中心性較高的機構有科羅拉多州立大學(0.46)、明尼蘇達大學(0.33)、中國科學院(0.22)、懷俄明大學(0.22)、美國農業(yè)部農業(yè)研究所(0.18)等。

表1 出現頻次大于10 的機構Table 1 Organizations with a publication frequency of > 10

圖3 機構合作共現圖譜Figure 3 Institutional co-occurrence map

從Web of Science 學科類別分布情況來看(表2)，發(fā)文主要集中在生態(tài)學(35.548%) 和環(huán)境科學(29.084%)，二者占據一半以上的發(fā)文量，其次還有遙感(14.901%)、植物科學(14.363%)、林學(10.054%)、土壤科學(10.054%)、農學(9.156%)、影像科學與攝影技術(8.259%)、地質科學(5.386%)、大氣科學(5.206%)等其他學科領域，總體上呈現出多種學科領域相交叉融合的趨勢。因部分文章涉及交叉學科，在學科類別分布中可能同屬于不同學科，故表2中數量總數大于前文所敘的用于文章分析的文獻數量，占比之和也大于100%。

表2 已發(fā)表文獻前10 學科分布Table 2 Top 10 disciplines in the published literature

2.3 被引期刊分析

學術期刊展示了研究領域的成果，并起到了傳播的作用，期刊間的共被引分析可以幫助研究人員更加快速地找到該領域中具有較高影響力的期刊，并發(fā)現期刊間的相互聯系。利用CiteSpace 內置的被引期刊分析功能繪制共被引期刊圖譜，通過分析被引期刊出現的頻次和中心性，對草地生物量遙感監(jiān)測領域相關期刊進行可視化分析。表3 出現頻次最高的期刊為《Ecology》，共出現307 次；其次是《Oecologia》，出現260 次，同時也是中心性最高的期刊，中心性達0.34，說明此期刊在該領域中具有較大的影響力并且與其他期刊聯系較緊密。其他具有較高影響力的期刊還有《Global Change Biology》、《Nature》、《Science》、《Ecological Applications》等。

表3 被引頻數前10 的期刊Table 3 Top ten most cited journals

2.4 研究熱點關鍵詞分析

文獻的關鍵詞可以反映該領域的研究進展和前沿變化以及該領域與其他領域的相關性，高頻率的關鍵詞是進行文獻分析的重點[16]。在CiteSpace 軟件中，設置時間切片間隔為2年，時間跨度為1995 –2020年，節(jié)點類型選擇關鍵詞，繪制關鍵詞知識共現圖譜，并使用Pathfinder (尋徑網絡)、Pruning sliced networks (對每個切片的網絡進行裁剪)和Pruning the merged network (對合并后的網絡進行裁剪) 3 種方法對生成的圖譜進行剪枝。運行后得到關鍵詞共現圖譜(圖4)，圖譜包含163 個節(jié)點、261 條連線，網絡密度為0.019 8，每一個節(jié)點代表一個關鍵詞，節(jié)點大小與關鍵詞的出現頻次呈正相關關系，頻次越高，則節(jié)點越大，節(jié)點內圈中不同年輪環(huán)的顏色代表該關鍵詞不同時間段的出現頻次，年輪環(huán)越粗則該段時間發(fā)文中出現該關鍵詞次數越多，節(jié)點之間的連線粗細則與關鍵詞間共現的強度呈正相關關系，隨后對所生成的圖譜中相同含義的詞匯(包括英文單復數、英式和美式英語，以及同義詞、同義短語等) 進行合并處理，例如above-ground biomass 和

圖4 關鍵詞共現圖譜Figure 4 Keyword co-occurrence map

aboveground biomass、pasture 和rangeland 、remote sensing 和remote sensing data 等，處理后對關鍵詞進行分類(表4)，從關鍵詞角度來看，受氣候變化影響和遙感技術快速發(fā)展，草地生物量作為影響氣候變化的關鍵參數之一被廣泛關注[17]。當前，大范圍草地生物量的估測主要利用遙感植被指數建立模型并反演。其中，MODIS (Moderate-resolution Imaging Spectroradiometer)衛(wèi)星數據，因其免費、易獲取、高時間分辨率、適合大尺度等特點，成為草原研究者最常用的遙感數據。此外，草地生物量往往也會與氮、大氣CO2、群落等其他研究領域相結合。草原研究區(qū)主要集中在中國、美國和非洲，而中國的內蒙古自治區(qū)則更加受到國內外學者的關注。

表4 主要關鍵詞分類統計Table 4 Statistics describing the main keyword classifications

2.5 被引文獻聚類分析

高中心性節(jié)點文獻與高被引節(jié)點文獻一定程度上可以反映當前領域的研究熱點與前沿[18]。利用CiteSpace 進行引文分析，繪制文獻共被引關系圖譜，其中高中心性文獻往往是圖譜中起到鏈接作用的節(jié)點，如Liang 等[19]、JIN 等[20]、Ullah 等[21]。在此基礎上進行聚類分析，得到的圖譜顯示聚類Q 值為0.308 3，平均輪廓S 值為0.945 3。當Q 值大于0.3，S 值大于0.5，所得到的聚類結果被認為是顯著且合理的[22]。CiteSpace 中生成的聚類結果中使用#代表聚類的類別，每個類別有一個聚類ID，主要聚類信息如表5 所示。

表5 共被引文獻主要聚類信息Table 5 Clustering analysis of cited references

#0 的聚類標簽主要是地上生物量、NDVI、機器學習、多尺度的遙感數據等。

#1 聚類的標簽則是地上生物量、回歸、北方農牧交錯帶、MODIS 和偏最小二乘法等。二者聚類都是關于草地生物量遙感估測方法的。草地生物量作為草地關鍵參數，早在20 世紀80年代便開始進行草地生物量遙感監(jiān)測，經過幾十年的發(fā)展，遙感因其大尺度、低成本、方便快捷的特性成為生物量監(jiān)測的基本工具，且遙感數據源得到極大提升，多種分辨率遙感數據產品應用到草地監(jiān)測中，研究人員在進行科研時可以有更多的選擇。遙感反演生物量則是以構建植被指數與生物量之間的關系，建立回歸反演模型為主。隨著模型構建方法不斷發(fā)展完善，由最初的簡單一元線性模型或者非線性模型到后面的多元回歸模型如偏最小二乘回歸模型，再到后來的非參數機器學習模型，精度得到了大幅提高，模型的應用也有了更多的選擇。

#3 聚類主要是荒漠草原、野外光譜法、植被指數、高光譜遙感、地上生物量等。與傳統的多光譜遙感相比，高光譜儀可以把光譜分離成幾十甚至數百個很窄的波段來接收信息，光譜范圍從可見光到熱紅外的電磁輻射波譜，所有波段排列在一起能形成一條連續(xù)的、完整的光譜曲線[23]。高光譜遙感在對植被特征參數進行計算方面具有極大的優(yōu)勢，可以完成紅邊特征、綠峰特征和導數光譜等運用常規(guī)遙感方法所不能完成的某些植被特征的計算[24]。趙風杰等[25]使用地物波譜儀對放牧區(qū)和禁牧區(qū)的主要草場進行植被反射光譜與生物量關系的研究、Zhang 等[26]利用植被光譜儀測量植被的歸一化植被指數(NDVI)，并與地面測量相結合構建反演草地生物量的光譜模型，對內蒙古自治區(qū)科爾沁草原的地上生物量進行了反演。二者均取得了較高的模型反演精度，結果表明在區(qū)域尺度上，使用高光譜地物光譜儀測量植被關鍵參數可彌補常規(guī)地面生物量調查缺乏及時性和全面性的缺點，為區(qū)域尺度草地高精度大面積生產力估算和生態(tài)退化診斷提供技術支持。

#4 聚類關鍵詞是NPP、放牧強度、內生核法、遙感等。草地凈初級生產力作為草地關鍵參數之一，與生物量一樣都可反映草地生態(tài)系統的生產力。和生物量一樣，遙感技術大多只適用于地上NPP 的估算，地下部分根系的NPP 往往需要其他方法進行估算，如內生核法。

#5 聚類是干旱耐受性、短草草原、過度放牧等。草原在全球范圍內分布廣泛，主要集中在非洲、亞洲和拉丁美洲，且草原種類繁多，常見的有荒漠草原、草甸草原、典型草原等，受過度放牧、亂墾亂伐、不當管理等影響，全球草原面臨退化的問題，所以防止草原退化也就成為研究熱點問題。

#6 聚類是遙感、無人機、RGB 影像、產量預測等。近年來無人機領域快速發(fā)展，與衛(wèi)星遙感相比，無人機遙感具有高空間分辨率、可自定義航線、數據獲取方便等優(yōu)點。在草地監(jiān)測中可針對相應需求通過搭載不同的鏡頭進行所需數據獲取，如搭載RGB 波段鏡頭進行草地植被覆蓋度(FVC)的計算；搭載雷達鏡頭快速獲取數字表面模型(DSM)，利用DSM 與數字高程模型(DEM) 的高度差，可以迅速得出草地灌叢高度并用于灌叢生物量監(jiān)測；通過搭載紅外鏡頭進行地表溫度監(jiān)測；搭載高光譜鏡頭進行植被分類等。無人機遙感在草地監(jiān)測中應用方向寬廣、潛力巨大。

#7 聚類是生物多樣性、環(huán)境因素、植被覆蓋、分布等。草地生態(tài)系統是全球六大生態(tài)系統之一，其生態(tài)作用獨一無二，是地球的天然保護層，在草地生物量監(jiān)測過程中，往往與草地生產力、植被覆蓋度、碳通量等共同研究，探討其與生物量之間的關系，以更好的達到保護草原的作用。

#8 聚類平均年份為2001年，是聚類中平均年份最早的一類，關鍵詞是美國、Landsat、碳庫、碳匯等，可見美國早在20 世紀初便利用遙感方法對草原進行了大量的研究，是用遙感法對草地進行研究最早的國家之一。

#9 聚類主要是自然保護、生物能源潛力、植物等。草地生態(tài)系統約占陸地總面積25%，分布廣泛，可提供大量的生物質能源。French 等[27]通過比較英國13 個草原和73 種其他生物質能源原料樣品的化學成分和沼氣產量，發(fā)現經過管理的草原每噸干物質產生的沼氣比谷物或農作物廢料多出160%，草地在作為生物質能源方面的潛力巨大。

3 結論與展望

本研究通過CiteSpace 軟件對從WOS 上所選文獻進行計量可視化分析，較系統地總結了從1995年到2020年草地生物量遙感監(jiān)測領域的發(fā)展趨勢。利用CiteSpace 軟件對所選文獻從國家、被引期刊、機構、關鍵詞等方面進行了共現分析和聚類分析，并繪制了相關共現圖譜，通過研究得出以下結論：

1)在發(fā)文上，盡管近年來草地生物量遙感監(jiān)測發(fā)表論文數量偶有波動，但總體發(fā)文量隨時間推移仍呈增長趨勢；文獻發(fā)表的國家中，大部分發(fā)文量高的國家具有國際間合作程度較強、交流較多的特點；發(fā)文機構中，中國科學院以93 次發(fā)文量遠超其他機構，且中心性較高，與其他機構間合作更緊密；發(fā)文學科中，主要集中在生態(tài)學、環(huán)境科學、遙感和植物科學等相關學科，不同學科間聯系密切，交叉性較高。

2)從被引期刊共現上看，《Ecology》和《Oecologia》分別以306 次的頻次和0.34 的中心性在該領域中具有較強的影響力；其他影響力較強的期刊還有《 Global Change Biology》 、 《Nature》 、 《Science》 、《Ecological Applications》等。

3) 根據關鍵詞共現結果，在氣候變化、遙感發(fā)展的背景下，草地生物量研究愈發(fā)受到重視，草地生物量的監(jiān)測方法主要以遙感植被指數法為主，并且作為草地關鍵參數之一，與其他參數結合應用較強；草原研究區(qū)最常見的有中國、美國和非洲，其中，我國內蒙古自治區(qū)受到國內外學者的廣泛關注。

4)文獻聚類結果表明，草地生物量遙感監(jiān)測常見方式仍然是利用植被指數與生物量的相關關系構建反演模型為主，近年來，隨著科技發(fā)展，新技術如無人機等成為了草地生物量監(jiān)測新的熱點。

雖然草地生物量遙感監(jiān)測起步較晚，但發(fā)展迅猛，往往與其他草地關鍵參數一同被學者進行相關研究。但在遙感監(jiān)測方法上仍然是以模型法為主，受影像分辨率、影像獲取時間的影響，存在著模型精度較低、大尺度反演適用性差等問題。隨著遙感數據源的不斷豐富和監(jiān)測手段的發(fā)展，包括無人機在內的更高分辨率的遙感數據源和機器學習等更加精確的建模方法將給草地生物量遙感監(jiān)測帶來新的發(fā)展機遇。