王成塵 田 穩(wěn) 馬嬌陽 保欣晨 鄧志華 向 萍

(西南林業(yè)大學(xué) 生態(tài)與環(huán)境學(xué)院/環(huán)境修復(fù)與健康研究院，昆明 650224)

農(nóng)田土壤是糧食生產(chǎn)的基礎(chǔ)資源。農(nóng)田土壤污染關(guān)系到農(nóng)產(chǎn)品安全和農(nóng)田生態(tài)系統(tǒng)的健康[1]，因而受到各國學(xué)者的廣泛關(guān)注。農(nóng)田土壤中的污染物一般可分為無機和有機污染物，如重金屬[2]、有機物[3]、農(nóng)藥化肥[3]和微塑料[4]等。其來源多歸因于人為因素，如農(nóng)藥化肥的過度使用、廢水灌溉、污水污泥再利用、地膜污染和采礦活動等[5]。通過修復(fù)治理污染農(nóng)田，促進糧食增收增產(chǎn)，提高農(nóng)產(chǎn)品質(zhì)量，對維護區(qū)域人民身體健康和提升當(dāng)?shù)厣鐣?jīng)濟效益的意義重大[6]，因此，各國政府和研究人員紛紛開展農(nóng)田土壤污染防治與修復(fù)技術(shù)研究[7]。經(jīng)過多年的發(fā)展，農(nóng)田土壤污染領(lǐng)域研究涌現(xiàn)出大量科研成果。

知識圖譜是指運用圖形學(xué)、統(tǒng)計學(xué)、應(yīng)用數(shù)學(xué)和計算機技術(shù)等手段，將文獻(xiàn)可視化地呈現(xiàn)，以展示學(xué)科體系知識群組、學(xué)科特點、研究熱點和前沿等信息的計量學(xué)方法[8]。近年來，知識圖譜作為科學(xué)計量學(xué)的新方法已勃然興起，并應(yīng)用于環(huán)境學(xué)、土壤學(xué)和生態(tài)學(xué)等方面[9]。目前，繪制知識圖譜的軟件眾多，如：CiteSpace、VOSviewer和Netdraw等。其中，CiteSpace是使用最為廣泛的基于計量學(xué)和信息可視化理論發(fā)展起來的1款文獻(xiàn)分析軟件，它能夠通過分析引文關(guān)系，快速有效地找出某領(lǐng)域發(fā)展過程中的關(guān)鍵文獻(xiàn)，顯示該領(lǐng)域在一定時期發(fā)展的動態(tài)趨勢，形成若干研究前沿的演進歷程，繼而啟發(fā)新的研究思路[10]。如張宗勇等[11]對1995—2018年的水、糧食和能源的關(guān)聯(lián)系統(tǒng)進行文獻(xiàn)計量分析，得出該三元耦合定量關(guān)系的模型和決策支持工具仍然欠缺，耦合方法的研究有望成為未來水-糧食-能源關(guān)聯(lián)系統(tǒng)領(lǐng)域的研究前沿和主要方向。

因此，為掌握當(dāng)前農(nóng)田土壤污染的知識群組、熱點和前沿，以闡明目前農(nóng)田土壤污染主要的研究方向，展望其發(fā)展趨勢，本研究基于2000—2021年間Web of Science(WoS)核心合集和中國知網(wǎng)(CNKI)發(fā)表的共18 251篇以農(nóng)田土壤污染為主題的相關(guān)文獻(xiàn)，利用CiteSpace文獻(xiàn)計量軟件[12]，繪制了國家/地區(qū)、機構(gòu)、學(xué)科、期刊、關(guān)鍵詞和文獻(xiàn)共被引等知識圖譜，旨在揭示農(nóng)田土壤污染領(lǐng)域的發(fā)展歷程、研究熱點和前沿，以期為研究者在該領(lǐng)域的后續(xù)科研工作及思路創(chuàng)新方面提供參考。

1 材料與方法

1.1 文獻(xiàn)來源

本研究對WoS核心合集和CNKI中2000—2021年的文獻(xiàn)進行統(tǒng)計分析。其中，WoS核心合集使用主題詞(TS)進行檢索，各主題詞之間以AND和OR鏈接，檢索格式如下：TS=((agricultural soil OR farmland soil OR cropland soil)AND (pollut* OR contamin*))，文獻(xiàn)類別“ARTICLE”和“REVIEW”；CNKI數(shù)據(jù)庫以主題詞(SU)進行搜索，檢索格式如下：SU=(農(nóng)田土壤+農(nóng)業(yè)土壤)*污染。

1.2 分析方法

由Chen等[13]開發(fā)的CiteSpace軟件，可實現(xiàn)文獻(xiàn)、關(guān)鍵詞、國家、機構(gòu)和研究熱點等信息的可視化。該軟件能夠直觀的顯示各節(jié)點之間的關(guān)系及大小，通過設(shè)置不同的功能選項，如共現(xiàn)網(wǎng)絡(luò)分析(特征詞、關(guān)鍵詞、來源和學(xué)科類別)、合作網(wǎng)絡(luò)分析(作者、機構(gòu)和國家合作)和共被引分析(文獻(xiàn)、作者和期刊)等功能模塊，繪制網(wǎng)絡(luò)圖譜，從而幫助研究者迅速掌握該領(lǐng)域的發(fā)展歷程、研究動態(tài)和熱點前沿等。

本研究使用CiteSpace 5.7.R5繪制了農(nóng)田土壤污染領(lǐng)域的發(fā)文國家、研究機構(gòu)、文獻(xiàn)共被引圖譜、時間軸圖譜、文獻(xiàn)聚類和關(guān)鍵詞圖譜。具體參數(shù)設(shè)置如表1所示。在CiteSpace軟件生成的合作圖譜中，節(jié)點大小代表國家/地區(qū)、機構(gòu)或作者的發(fā)文數(shù)量，節(jié)點連線反映合作強度關(guān)系；文獻(xiàn)主題、關(guān)鍵詞以及學(xué)科類別圖譜中，節(jié)點大小反映其出現(xiàn)頻次，節(jié)點間連線代表共現(xiàn)強度；共被引圖譜中，節(jié)點大小表示文獻(xiàn)被引次數(shù)；中介中心性代表節(jié)點在網(wǎng)絡(luò)圖譜中的重要性。一般高中介中心性的節(jié)點是連接不同領(lǐng)域的關(guān)鍵樞紐。

表1 CiteSpace參數(shù)設(shè)置Table 1 Parameter setting for CiteSpace

使用WoS的自帶分析功能、Origin 2019和ArcGIS 10.5等軟件對數(shù)據(jù)統(tǒng)計分析。

2 結(jié)果與討論

2.1 2000—2021年全球農(nóng)田土壤污染領(lǐng)域的文獻(xiàn)發(fā)文量

經(jīng)檢索發(fā)現(xiàn)，自2000年以后，WoS核心合集的年收錄文獻(xiàn)皆超過200篇，且呈逐年遞增的趨勢，因此本研究選擇2000—2021年(截止至2021年3月31日)的時間跨度，共獲取文獻(xiàn)18 251篇，其中16 402篇來自WoS核心合集，1 849篇來自CNKI?？梢钥闯鲛r(nóng)田土壤污染領(lǐng)域科研論文產(chǎn)出頗豐，年度發(fā)文量呈上升趨勢(圖1)，表明國際國內(nèi)均對農(nóng)田土壤污染相關(guān)問題的關(guān)注程度越來越高。在該領(lǐng)域發(fā)文量排名前5的的國家/地區(qū)分別為中國、美國、印度、西班牙和法國(表2)。

圖1 2000—2021年農(nóng)田土壤污染領(lǐng)域在WoS和CNKI的發(fā)文量Fig.1 Annual publications in the field of farmland soil pollution collected from WoS and CNKI from 2000 to 2021

表2 2000—2021年WoS中農(nóng)田土壤污染領(lǐng)域發(fā)文總量居前10名的國家/地區(qū)Table 2 The top 10 countries/regions for the total number of literature issued in WoS from 2000 to 2021

中國和美國在本領(lǐng)域的發(fā)文量遠(yuǎn)遠(yuǎn)高于其他國家和地區(qū)，分別占總發(fā)文量的29.25%和17.75%。印度作為人口和農(nóng)業(yè)大國，在農(nóng)田土壤污染領(lǐng)域的研究也相對較多。2005年以后，由于工業(yè)活動的發(fā)展，荷蘭、比利時、丹麥、法國、德國和英國等一些歐盟國家的農(nóng)田土壤礦物油(Mineral oil)和重金屬的發(fā)文量超過了歐盟的平均水平[14]，因此這些國家對農(nóng)田土壤污染的關(guān)注度持續(xù)升溫。

2.2 研究領(lǐng)域分析

本研究利用WoS自帶的統(tǒng)計工具，檢索得到在農(nóng)田土壤污染研究領(lǐng)域2000—2021年發(fā)文總量前10位的期刊(表3)?？梢钥闯觯擃I(lǐng)域發(fā)文量大的期刊水平多數(shù)較高，例如Science of the Total Environment、Chemosphere、Environmental Pollution、Ecotoxicology and Environmental Safety和Journal of Environmental Management等，表明農(nóng)田土壤污染領(lǐng)域受到國際高水平期刊的關(guān)注。

表3 2000—2021年農(nóng)田土壤污染領(lǐng)域發(fā)文量前10位的期刊(來自WoS數(shù)據(jù))Table 3 Top 10 journals in the field of farmland soil pollution from 2000 to 2021 (data from WoS)

表4統(tǒng)計了WoS中文獻(xiàn)在不同學(xué)科的分布情況?？梢钥闯霏h(huán)境科學(xué)、水資源學(xué)、土壤科學(xué)、工程環(huán)境學(xué)和地球科學(xué)多學(xué)科是農(nóng)田土壤污染研究領(lǐng)域的前5大熱門學(xué)科，環(huán)境科學(xué)類發(fā)文量(58.43%)遠(yuǎn)遠(yuǎn)大于土壤科學(xué)(10.10%)，體現(xiàn)了農(nóng)田土壤污染與環(huán)境領(lǐng)域的交叉融合特性。

表4 2000—2021年農(nóng)田土壤污染領(lǐng)域文獻(xiàn)在不同學(xué)科的分布情況(來自WoS數(shù)據(jù))Table 4 Distribution of literature in the field of farmland soil pollution in different disciplines from 2000 to 2021(data from WoS)

2.3 研究機構(gòu)分析

通過發(fā)文國家和研究機構(gòu)可直觀判斷某機構(gòu)對農(nóng)田土壤污染研究領(lǐng)域的關(guān)注程度。從國家來看(表5和圖2(a))，中國和美國的發(fā)文量分別為 4 276 篇和2 594篇，兩國的累計發(fā)文量占全球總量的47.00%，表明中國和美國對該領(lǐng)域的貢獻(xiàn)較大；美國、法國、德國和意大利的中介中心性大于0.1，代表這些國家在農(nóng)田土壤污染領(lǐng)域的影響力較大，中國在農(nóng)田土壤污染領(lǐng)域的起步較晚，但是近幾年呈現(xiàn)加速上升趨勢；從圖2(a)可以看出，各個國家間的節(jié)點連線較密集，說明各國間的合作比較緊密；美國與48個國家存在合作關(guān)系，其中巴基斯坦與美國具有較為緊密的聯(lián)系；與中國有合作關(guān)系的國家有25個，其中韓國是主要的合作國家。從研究機構(gòu)來看(表6和圖2(b))，表6機構(gòu)排名前10位中有5個研究機構(gòu)來自中國，美國和法國均有2個，西班牙1個，其中中國科學(xué)院發(fā)文量最多(1 745篇)，是從事農(nóng)田土壤污染研究領(lǐng)域全球發(fā)表成果最多的單位；從節(jié)點連線來看，中國機構(gòu)間的合作大多集中在國內(nèi)，同國外機構(gòu)的合作較少。

表5 2000—2021年農(nóng)田土壤污染領(lǐng)域的國家發(fā)文量及合作特征統(tǒng)計(來自WoS數(shù)據(jù))Table 5 Numbers of articles published and country cooperation features in the field of farmland soil pollution from 2000 to 2021 (data from WoS)

表6 2000—2021年農(nóng)田土壤污染領(lǐng)域發(fā)文量居前10位的機構(gòu)(來自WoS數(shù)據(jù))Table 6 The top 10 institutions in the field of farmland soil pollution from 2000 to 2021 (data from WoS)

黃色圈代表不同的國家/地區(qū)或研究機構(gòu)；圈大小反應(yīng)國家/地區(qū)、機構(gòu)或作者的發(fā)文數(shù)量；節(jié)點連線代表合作強度關(guān)系；紫色圈代表該節(jié)點具有中介中心性，色帶越寬代表其中介中心性越高。一般高中介中心性的節(jié)點是連接不同領(lǐng)域的關(guān)鍵樞紐。The yellow circle represents different countries/regions or research institutions,the circle size reflects the number of papers published by countries/regions,institutions or authors,and the node connection represents the cooperation intensity relationship;The purple circle indicates that the node has intermediary centrality,the wider the color band is,the higher the intermediary centrality is.Generally,the node with high intermediate centrality is the key hub connecting different fields.圖2 2000—2021年農(nóng)田土壤污染領(lǐng)域研究國家(a)和研究機構(gòu)(b)的共現(xiàn)圖譜Fig.2 Co-occurrence of countries (a)and institutions (b)in the field of farmland soil pollution from 2000 to 2021

2000—2021年農(nóng)田土壤污染領(lǐng)域發(fā)文量前10位的機構(gòu)統(tǒng)計結(jié)果(來自CNKI數(shù)據(jù))見表7?？梢钥闯?，該領(lǐng)域的研究以中國科學(xué)院南京土壤研究所、中國科學(xué)院大學(xué)和浙江大學(xué)為國內(nèi)研究的主要貢獻(xiàn)機構(gòu)。其中，中國科學(xué)院南京土壤研究所發(fā)文量位居全國第1，作為中國現(xiàn)代土壤學(xué)研究的發(fā)源地，為我國乃至世界土壤領(lǐng)域的發(fā)展做出了重要貢獻(xiàn)。

表7 2000—2021年農(nóng)田土壤污染領(lǐng)域發(fā)文量居前10位的機構(gòu)(來自CNKI數(shù)據(jù))Table 7 Top 10 institutions in the field of farmland soil pollution from 2000 to 2021 (data from CNKI)

2.4 2000—2021年國際上在農(nóng)田土壤污染領(lǐng)域的主要知識群組

對2000—2021年在WoS上發(fā)表的論文使用CiteSpace的文獻(xiàn)共被引功能(Cited peference)進行可視化分析，結(jié)果如圖3(a)所示。通過對共被引網(wǎng)絡(luò)進行聚類分析，選擇關(guān)鍵詞和LLR算法提取聚類標(biāo)簽，得到共計25類結(jié)果。本研究聚類圖譜模塊值Q=0.87(>0.3)，平均輪廓值S=0.73(>0.7)，表明網(wǎng)絡(luò)結(jié)構(gòu)顯著且聚類合理。聚類序號與規(guī)模大小呈反比，最大的聚類用#0標(biāo)記(圖3(b))。重金屬(Heavy metal)、農(nóng)業(yè)灌溉(Agricultural irrigation)、有機氯農(nóng)藥(Organochlorine pesticides)、富營養(yǎng)化(Eutrophication)、水土流失評估工具(Soil and water assessment tool,SWAT)、多環(huán)芳烴(PAHs)、磷(Phosphorus)、聚合酶鏈?zhǔn)椒磻?yīng)(PCR)和硝酸鹽(Nitrate)為排名前9位的標(biāo)簽，代表了本領(lǐng)域2000—2021年的主要研究內(nèi)容及發(fā)展方向。大部分聚類標(biāo)簽與農(nóng)田土壤污染有直接聯(lián)系，其中，重金屬、農(nóng)業(yè)灌溉、富營養(yǎng)化和SWAT聚類規(guī)模較大，體現(xiàn)了這些研究方向在農(nóng)田土壤污染領(lǐng)域的突出地位。

圓圈節(jié)點代表不同文獻(xiàn)，其大小反映了該文獻(xiàn)的共被引次數(shù)；節(jié)點連線反映共被引的強度關(guān)系；紫色圈代表具有中介中心性的關(guān)鍵文獻(xiàn)。一般高中介中心性的節(jié)點是連接不同領(lǐng)域的關(guān)鍵樞紐。(b)中的色塊表示共被引文獻(xiàn)產(chǎn)生的聚類，黑色字代表聚類標(biāo)簽，標(biāo)簽前的序號與文獻(xiàn)數(shù)量規(guī)模大小呈反比，其中紫色外圈代表具中介中心性的關(guān)鍵節(jié)點；高中介中心性的節(jié)點可能會導(dǎo)致該領(lǐng)域新興趨勢的出現(xiàn)，有利于拓寬研究思路及新的發(fā)展方向。The circle node represents different literatures,and its size reflects the number of co-citations of the literatures,and the node line reflects the strength relationship of co-citations;The purple circle represents the key literature with intermediary centrality.In general,the central node is the key hub connecting different fields.In figure (b),the color block in represents the cluster generated by the co cited documents,the black character represents the cluster tag,and the serial number before the tag is inversely proportional to the size of the number of documents,in which the purple outer ring represents the key node with intermediary centrality;The centrality of high school intermediary nodes may lead to the emergence of new trends in this field,which is conducive to broaden research ideas and new development direction.圖3 2000—2021年農(nóng)田土壤污染領(lǐng)域文獻(xiàn)共被引(a)及聚類分析(b)(數(shù)據(jù)來自WoS)Fig.3 Co-citation (a)and cluster analysis (b)of references in the field of farmland soil pollution from 2000-2021 (data from WoS)

通過聚類分析時間線圖，能夠了解本領(lǐng)域重要參考文獻(xiàn)的發(fā)表時間。圖4所示聚類#0～8的引文分布在不同年份，顯示了該領(lǐng)域的知識基礎(chǔ)結(jié)構(gòu)及動態(tài)推進的過程。聚類#0的引文發(fā)表時間最近，可見重金屬是近10年間農(nóng)田土壤污染中較為熱門的主題。此外，各聚類之間的節(jié)點連線體現(xiàn)了不同研究方向知識基礎(chǔ)的融匯交叉，其中高中介中心性的節(jié)點可能會導(dǎo)致該領(lǐng)域新興趨勢的出現(xiàn)，有利于拓寬研究思路及新的發(fā)展方向。以下是就該領(lǐng)域規(guī)模最大的幾個聚類從知識基礎(chǔ)和研究現(xiàn)狀展開的分析討論。

虛線代表2000—2021年本領(lǐng)域共被引文獻(xiàn)出現(xiàn)的時間軸。各圓圈節(jié)點代表不同文獻(xiàn)，其大小反映了該文獻(xiàn)的共被引次數(shù)，節(jié)點連線反映共被引出現(xiàn)的時間和引用的強度關(guān)系；紫色外圈代表具有中介中心性的關(guān)鍵文獻(xiàn)。圖右側(cè)單詞表示共被引文獻(xiàn)產(chǎn)生的聚類標(biāo)簽，標(biāo)簽前的序號與文獻(xiàn)數(shù)量規(guī)模大小呈反比。The dotted line represents the time axis of the total cited literature in this field from 2000 to 2021.Each circle node represents different documents,and its size reflects the number of co-citations of the document,and the connection of nodes reflects the relationship between the time of co-citation and the strength of citation;The purple outer circle represents the key literature with intermediary centrality.The words on the right side of the figure represent the cluster tags generated by the co cited literature,and the serial number before the tags is inversely proportional to the number and scale of the literature.圖4 2000—2021年農(nóng)田土壤污染領(lǐng)域文獻(xiàn)共被引聚類分析的時間軸視圖(數(shù)據(jù)來自WoS)Fig.4 Timeline view of co-citation cluster analysis in the field of farmland soil pollution from 2000 to 2021(data from WoS)

2.4.1聚類#0：重金屬

文獻(xiàn)共被引聚類中的各個節(jié)點能夠體現(xiàn)該研究方向的知識基礎(chǔ)。對聚類“#0重金屬”的節(jié)點(被引文獻(xiàn))和施引文獻(xiàn)統(tǒng)計發(fā)現(xiàn)，該部分的被引文獻(xiàn)頻次最高的多為綜述類文章，內(nèi)容包括：各地區(qū)土壤中的重金屬污染情況,運用地積累指數(shù)法(Geoaccumulation index)、污染指數(shù)(Pollution index)和富集指數(shù)(Enrichment factor)等方法評估土壤污染水平[15-16]，運用美國環(huán)保局推薦的風(fēng)險評價公式量化重金屬對人體造成的健康風(fēng)險[17]，并結(jié)合地區(qū)特點分析土壤中各重金屬元素的毒性效應(yīng)和積累來源[18]。還有一些學(xué)者研究重金屬污染土壤的修復(fù)技術(shù)，如原位和非原位修復(fù)方法，包括表面覆蓋、封裝、填埋、土壤沖洗、電動萃取、穩(wěn)定化、固化、玻璃化、植物修復(fù)和生物修復(fù)等[19]。此外，對聚類“#0重金屬”的研究內(nèi)容還包括一些農(nóng)田中糧食作物重金屬的來源分析及控制策略，如從源頭減少重金屬向農(nóng)業(yè)系統(tǒng)的排放[7]，使用石灰或其他固定材料減少土壤中重金屬的生物有效性[20]，選擇培育低重金屬積累的作物品種[21]，采用適當(dāng)?shù)乃使芾砗蜕镄迯?fù)策略，改變土地用途等[22]。這些關(guān)鍵的參考文獻(xiàn)反映了農(nóng)田土壤重金屬相關(guān)研究的學(xué)科背景。

2.4.2聚類#1：農(nóng)業(yè)灌溉

此聚類的被引文獻(xiàn)普遍發(fā)表于2010年以前。其主要知識結(jié)構(gòu)包括：使用多元分析方法來確定農(nóng)田土壤污染來源，如被引頻次最多的文章中使用主成分分析法(Principal component analysis)對重金屬的累積(自然成因、人為成因或混合成因)進行解釋，并采用相關(guān)矩陣法(Correlation matrix)分析土壤重金屬含量與土壤性質(zhì)的關(guān)系；采用聚類分析法(Cluster analysis)將重金屬含量相近的樣品進行聚類分析[23]；采用多元地質(zhì)統(tǒng)計學(xué)(Multivariate geostatistics)分析土壤重金屬的空間變化特征[24]等。關(guān)于農(nóng)業(yè)土壤的重金屬溯源方面，有學(xué)者發(fā)現(xiàn)其主要來源包括大氣沉積、污水污泥、牲畜糞便、無機化肥、石灰、農(nóng)藥、灌溉水、工業(yè)廢物和堆肥[25]，其中長期廢水灌溉會導(dǎo)致區(qū)域性土壤和糧食作物的污染，如土壤中含鉻、銅、鎳、鉛和鋅，并富集鎘元素；作物也會富集各種重金屬[26]。此外，一些學(xué)者發(fā)現(xiàn)，水稻種植時水淹稻田土壤會導(dǎo)致土壤中的錳氧化物的還原和溶解，致使鎘和鈷在水稻土中發(fā)生淋溶，而土壤鉛的化學(xué)分配主要受鐵錳氧化物和殘余組分的控制；土壤銅和鋅則分別與有機/硫化物組分和殘留組分呈顯著正相關(guān)[27]。

2.4.3聚類#2 &5：有機氯農(nóng)藥和多環(huán)芳烴

有機氯農(nóng)藥(OCPs)和多環(huán)芳烴皆屬于有機污染物(POP)，其排放主要來自人類活動[28]。許多OCPs已被確定為內(nèi)分泌干擾物，對人類和野生動物內(nèi)分泌和生殖系統(tǒng)的正常功能產(chǎn)生影響[29]，一些具有4個或更多環(huán)的多環(huán)芳烴具有致癌和致突變作用[30]，由于其對人類健康和水環(huán)境存在的潛在風(fēng)險，已引起多國的廣泛關(guān)注，并被歐盟和美國環(huán)境保護局列為優(yōu)先污染物[31]。有機氯農(nóng)藥和多環(huán)芳烴具有持久性和半揮發(fā)性，能夠通過遠(yuǎn)距離運輸并轉(zhuǎn)移，因此，在全球范圍內(nèi)廣泛存在，盡管許多國家早已頒布有機氯農(nóng)藥的禁令，但其殘留仍然會對環(huán)境和生態(tài)系統(tǒng)產(chǎn)生重大影響[32]。由于全球蒸餾效應(yīng)，有機氯農(nóng)藥已廣泛分布于各地區(qū)的不同環(huán)境介質(zhì)中[33]，其中，從土壤釋放到環(huán)境中的有機氯農(nóng)藥也成為潛在污染源[34]。

2.4.4聚類#3 &6 &8：富營養(yǎng)化、磷和硝酸鹽

在密集農(nóng)業(yè)生產(chǎn)區(qū)域，大量施用化肥與有機肥而釋放到農(nóng)田土壤中的氮(N)和磷(P)總量往往超過作物的本身需求。過剩的營養(yǎng)鹽隨著地表徑流進入水生態(tài)系統(tǒng)，引起各種水生生物的異常繁殖及生長，這種現(xiàn)象稱為水體富營養(yǎng)化[35]。為防止水體富營養(yǎng)化的發(fā)生，學(xué)者們于19世紀(jì)70—80年代做了大量磷源因子(土壤、作物和農(nóng)田管理)與其遷移因子(徑流、侵蝕和河道過程)相互作用機制的研究[36]。隨著人們對土壤磷的深入認(rèn)識，土壤中磷的高濃度被認(rèn)為是水體-陸地系統(tǒng)富營養(yǎng)化最關(guān)鍵的一環(huán)，大量學(xué)者通過測試土壤磷含量來指導(dǎo)化肥農(nóng)藥的施用，以減少表層土壤磷的積累和生物有效性[37]。沿著陸地-海洋連續(xù)體，磷主要沉積在土壤和沉積物中[38]，在缺氧條件下或沉積物移動時，磷可根據(jù)生物需求活化。整個磷循環(huán)一般只涉及陸地與水體的交換過程，而氮循環(huán)涉及固液氣三相。然而，氮比磷更具流動性，主要以硝酸鹽的溶解態(tài)形式輸送到地表和地下水，最長的可以儲存幾十年[39]。在地下水、濕地和湖泊沉積物中，硝酸鹽在一定程度上可以通過反硝化作用(生物地球化學(xué)過程)轉(zhuǎn)化為氣態(tài)氮。生物地球化學(xué)過程的差異控制著氮和磷沿陸地-海洋連續(xù)體的循環(huán)和轉(zhuǎn)移，導(dǎo)致從源頭集水區(qū)到海洋中的營養(yǎng)物質(zhì)化學(xué)計量發(fā)生顯著變化[40]。這些發(fā)現(xiàn)也解釋了為什么目前很難對流域中磷的截留能力和氮的清除能力進行評估。源頭集水區(qū)的流量變化很大，目前尚不可能在景觀結(jié)構(gòu)、農(nóng)業(yè)實踐和河流水質(zhì)之間建立明確關(guān)系[41]。由于每個地點具有特定水質(zhì)、水文地貌和生物地球化學(xué)環(huán)境，造就了反硝化作用和磷沉積在空間和時間上的巨大變化，因此在一個地點測得的生物地球化學(xué)速率無法外推到其他地點[42]。

2.4.5聚類#4：水土流失評估工具

本聚類是一種農(nóng)田土壤污染的研究方法，該聚類規(guī)模較大，體現(xiàn)了SWAT在農(nóng)田土壤污染領(lǐng)域的突出地位。SWAT是一種應(yīng)用廣泛的基于流域和連續(xù)時間尺度的流域水文和水質(zhì)模型[43]，近年來得到了廣泛的應(yīng)用和發(fā)展。其主要是基于GIS提供的空間信息，模擬多種流域水文的物理化學(xué)過程，如水質(zhì)、水量、灌溉、糧食產(chǎn)糧、洪水和干旱、農(nóng)業(yè)面源污染(磷、硝酸鹽擴散)、氣候影響評估、土地利用和殺蟲劑的遷移轉(zhuǎn)化過程等[44]，有助于更好地理解環(huán)境變化帶來的各種挑戰(zhàn)以及對水、糧食安全和環(huán)境質(zhì)量的相關(guān)影響。與此同時，SWAT擁有專屬的技術(shù)支持論壇服務(wù)于全球用戶社區(qū)，促進其全球應(yīng)用發(fā)展。

2.4.6聚類#7：聚合酶鏈?zhǔn)椒磻?yīng)

聚類#7的規(guī)模相較于前幾個聚類較小，且從時間軸視圖來看(圖4)，發(fā)文時間普遍較早，它和聚類#4皆屬于農(nóng)田土壤污染領(lǐng)域的研究方法。聚合酶鏈?zhǔn)椒磻?yīng)是上個世紀(jì)80年代由K.Mullis等[45]建立的一種體外酶擴增DNA片段的技術(shù)，能夠在短時間內(nèi)獲得大量目的基因。PCR技術(shù)具有特異性強、靈敏度高、操作簡便和純度要求低等特點，被譽為20世紀(jì)分子生物學(xué)領(lǐng)域最重要的發(fā)明之一。目前，PCR技術(shù)已廣泛應(yīng)用于分子生物學(xué)等各個領(lǐng)域，在分子克隆、DNA測序分析、法醫(yī)學(xué)鑒定、致病基因檢測和環(huán)境微生物檢測等方面都發(fā)揮著重要作用。在微生物檢測方面，PCR技術(shù)能夠?qū)δ持昙?xì)菌進行基因表達(dá)分析，由此可鑒定復(fù)雜環(huán)境中攜帶目的基因的細(xì)菌，從而找到不同細(xì)菌之間的錯綜關(guān)系。如PCR技術(shù)能夠揭示細(xì)菌群落的豐度、多樣性和組成等特征，從而證明pH值是受多環(huán)芳烴污染影響的農(nóng)業(yè)土壤中細(xì)菌群落結(jié)構(gòu)的最主要因素[46]；還能鑒定抗生素及相應(yīng)的耐藥細(xì)菌和耐藥基因(ARGs)，得出長期施肥對農(nóng)田土壤中耐藥細(xì)菌和抗弧氣體發(fā)生影響的綜合數(shù)據(jù)[47]。

2.5 2000—2021年國際上農(nóng)田土壤污染領(lǐng)域的研究熱點

對WoS結(jié)果進行關(guān)鍵詞共現(xiàn)分析，得出2000—2021年農(nóng)田土壤污染領(lǐng)域的研究熱點，結(jié)果如圖5所示。按照出現(xiàn)頻率進行降序排列，前10位的關(guān)鍵詞如表8所示。出現(xiàn)頻次最高的關(guān)鍵詞“土壤(Soil)”對應(yīng)了聚類#0～3中的相關(guān)研究，主要圍繞“污水污泥(Sewage sludge)”、“退化(Degradation)”、“吸附(Sorption)”、“殺蟲劑(Pesticide)”和“去除(Removal)”等角度展開研究。

“十”字代表關(guān)鍵詞，大小反映出現(xiàn)頻率；節(jié)點連線代表合作關(guān)系和強度；具紫色輪廓的節(jié)點具有中介中心性，色帶越寬代表其中介中心性越高。下圖同。The cross represents the keyword,the size reflects its frequency,and the node connection represents the cooperation relationship and strength;Nodes with purple outline have mesocentricity.The wider the color band,the higher the mesocentricity.The same below.圖5 2000—2021年農(nóng)田土壤污染領(lǐng)域在WoS中檢索文獻(xiàn)的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)Fig.5 Keyword co-occurring network in the field of farmland soil pollution from 2000—2021

表8 2000—2021年農(nóng)田土壤污染領(lǐng)域高頻關(guān)鍵詞前10位Table 8 TOP 10 high-frequency keywords in the field of farmland soil pollution from 2000-2021

關(guān)鍵詞“污染(Contamination)”對應(yīng)了聚類#0～2的相關(guān)研究，主要圍繞“沉積物(Sediment)”、“風(fēng)險評價(Risk assessment)”、“肥料(Manure)”、“有機氯農(nóng)藥”、“農(nóng)業(yè)(Agriculture)”和“有機碳(Organic carbon)”等角度展開研究?！巴寥馈焙汀拔廴尽钡墓?jié)點邊緣呈現(xiàn)紫色(圖5)，中介中心性較強，表明它們是連接多個共現(xiàn)關(guān)鍵詞的重要樞紐。

關(guān)鍵詞“重金屬”呼應(yīng)了聚類#0中的相關(guān)研究，主要圍繞“生物有效性(Bioavailability)”、“毒性(Toxicity)”、“積累(Accumulation)”、“生物降解(Biodegradation)”、“生物培養(yǎng)基(Bioremediation)”、“生物炭(Biochar)”和“吸附(Adsorption)”等方面開展研究。

關(guān)鍵詞“水(Water)”反映了聚類#1和4中的研究熱點，主要圍繞“地下水(Groundwater)”、“地表水(Surface water)”、“水質(zhì)(Water quality)”和“徑流(Runoff)”等建立“模型(Model)”,同“氮”和“磷”等營養(yǎng)元素類關(guān)鍵詞緊密聯(lián)系，反映了聚類#4的知識結(jié)構(gòu)，表明SWAT模型在該領(lǐng)域的廣泛應(yīng)用。

2.6 2000—2021年國內(nèi)在農(nóng)田土壤污染領(lǐng)域的研究熱點

搜索本領(lǐng)域在中國知網(wǎng)中2000—2021年發(fā)表的中文文章，并對其進行關(guān)鍵詞共現(xiàn)分析，結(jié)果如圖6 所示，熱門關(guān)鍵詞見表8。將WoS和CNKI關(guān)鍵詞對比發(fā)現(xiàn)，國際國內(nèi)在農(nóng)田土壤污染領(lǐng)域的關(guān)注點多有重合。如CNKI中的“重金屬污染”和“多環(huán)芳烴”等關(guān)鍵詞直接體現(xiàn)了WoS中的聚類名稱，而“污染評價”“土壤污染”“空間分布”“來源”等中文關(guān)鍵詞又與聚類#0重金屬中的研究內(nèi)容直接相關(guān)，表現(xiàn)出農(nóng)田土壤污染領(lǐng)域國際國內(nèi)研究的同步發(fā)展。此外，Water、Sediment和Water quality在WoS關(guān)鍵詞中排名前10，卻未進入CNKI的關(guān)鍵詞列表?？赡苁且驗閲鴥?nèi)外對該領(lǐng)域研究熱點的側(cè)重不同，也可能與WoS核心合集和CNKI數(shù)據(jù)庫的收錄范圍有關(guān)。由于CNKI的文獻(xiàn)數(shù)據(jù)無法開展引文分析[48]，現(xiàn)就主要關(guān)鍵詞進行分析以掌握本領(lǐng)域的研究熱點。圍繞關(guān)鍵詞“重金屬污染”，主要研究了“礦業(yè)活動”、“冶煉廠”、“農(nóng)作物(水稻)”的“污染現(xiàn)狀”“空間分布特征”“源解析”“污染評價”，分析提出了“土壤環(huán)境”的污染“防治對策”，以改善“農(nóng)業(yè)環(huán)境”的“環(huán)境質(zhì)量”。圍繞關(guān)鍵詞“農(nóng)田土壤”和“農(nóng)業(yè)土壤”，主要研究了“農(nóng)業(yè)面源污染”或“非點源污染”和“農(nóng)村”、“作物”的“國家政策”、“法律主體”；對“礦區(qū)”進行了“鎘污染”“鉛污染”“含量特征”檢測，運用“地積累指數(shù)”“富集指數(shù)”等方法對污染情況進行分析評估，從而提出有針對性的農(nóng)田土壤“修復(fù)”辦法，如使用“鈍化劑”“生物炭”“化肥減施”等方法降低“玉米”和“小白菜”中的有效態(tài)重金屬，適當(dāng)施用“有機肥”和“土壤調(diào)理劑”，采用“種養(yǎng)結(jié)合”的辦法，提高“土壤肥力”，保障“農(nóng)產(chǎn)品安全”。

圖6 2000—2021年農(nóng)田土壤污染領(lǐng)域在CNKI檢索文獻(xiàn)的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)Fig.6 Keyword co-occurring network in the field of farmland soil pollution from CKNI in 2000—2021

圍繞關(guān)鍵詞“農(nóng)田土壤污染”主要對“重金屬復(fù)合污染”“二惡英/呋喃”“多環(huán)芳烴”“多氯聯(lián)苯”“PAHs”等進行“污染特征”“污染來源”“賦存形態(tài)”分析；采用“3S技術(shù)”和“GIS技術(shù)”進行“空間插值”，分析“空間分布”特征及其“影響因素”；利用“生物有效性”或總量進行“健康風(fēng)險”和“生態(tài)風(fēng)險評價”，提出“生態(tài)環(huán)境”的污染“防治對策”，利用“植物修復(fù)”方法，如“伴礦景天”和“微生物”等，改善“土壤環(huán)境質(zhì)量”。

2.7 2000—2021年農(nóng)田土壤污染領(lǐng)域的國際研究前沿

在CiteSpace軟件中關(guān)鍵詞共現(xiàn)圖譜(數(shù)據(jù)來自WoS)的基礎(chǔ)上，計算了近21年間的突現(xiàn)關(guān)鍵詞(圖7)。從2000年開始的關(guān)鍵詞有Runoff、Nitrate、Losse、Atrazine、Simulation和Nonpoint source pollution，表明21世紀(jì)初，在農(nóng)田土壤污染領(lǐng)域的研究熱點為徑流、硝態(tài)氮、阿特拉津(1種除草劑名)、模擬和非點源污染等，大部分關(guān)鍵詞直接對應(yīng)了文獻(xiàn)共被引聚類分析的聚類#1農(nóng)業(yè)灌溉、聚類#4SWAT模型和聚類#8硝酸鹽的相關(guān)研究內(nèi)容。關(guān)鍵詞突顯強度代表該關(guān)鍵詞的高關(guān)注度。其中突顯強度較高的有Health risk(突顯強度=97.28，2018—2021)、Source apportionment(突顯強度=63.32，2018—2021)和Biochar(61.64，2017—2021)等，時間皆延續(xù)至今，表明當(dāng)前的研究熱點為農(nóng)田土壤污染的健康風(fēng)險、源解析和生物炭修復(fù)。隨著研究的深入，出現(xiàn)的突顯關(guān)鍵詞有Spatial distribution、Ecological risk、Trace metal和Exposure，表現(xiàn)了在近幾年對于該領(lǐng)域的研究呈現(xiàn)出專業(yè)化和深入化等特點。結(jié)合近3年發(fā)表在高水平期刊的文獻(xiàn)總結(jié)，多數(shù)學(xué)者圍繞微生物多樣性、微生物群落結(jié)構(gòu)、抗性基因、細(xì)菌介導(dǎo)、微量營養(yǎng)素、隨機森林模型和空間變異等開展更微觀和更細(xì)致化的研究[49-51]。因此，圍繞污染物對農(nóng)田土壤環(huán)境內(nèi)抗性基因、微生物群落的影響和農(nóng)田作物吸收污染物的生理/分子易位機制及耐藥基因，以及恢復(fù)、改良土壤-作物系統(tǒng)的可持續(xù)性等多角度探究為該領(lǐng)域的研究前沿。

強度指關(guān)鍵詞突顯強度，值越高則該關(guān)鍵詞出現(xiàn)頻率越多；藍(lán)線表示2000至2021年的時間軸；紅線代表該關(guān)鍵詞興起和衰落年份的時間區(qū)間。Intensity refers to the prominence intensity of a keyword,the higher the value is,the more frequent the keyword appears;The blue line represents the time axis from 2000 to 2021;The red line represents the time interval of the rise and fall years of the keyword.圖7 2000—2021年農(nóng)田土壤污染領(lǐng)域研究關(guān)鍵詞突現(xiàn)圖譜(數(shù)據(jù)來自WoS)Fig.7 Burst keywords in research on farmland soil pollution from 2000—2021(data from WoS)

3 學(xué)科展望

基于上述農(nóng)田土壤污染領(lǐng)域的發(fā)展現(xiàn)狀、熱點和前沿，充分發(fā)揮多學(xué)科交叉互融的優(yōu)勢，未來該領(lǐng)域的主要研究方向包括但不限于以下3方面:

(1)農(nóng)田土壤健康與耕地質(zhì)量提升

農(nóng)田土壤健康和耕地質(zhì)量提升，是實現(xiàn)“推動藏糧于地、藏糧于技，穩(wěn)步提升糧食產(chǎn)能”的重大現(xiàn)實需求，也是農(nóng)田土壤污染領(lǐng)域的重點研究內(nèi)容[52]。農(nóng)田土壤健康與耕地質(zhì)量的提升，應(yīng)首先關(guān)注農(nóng)田土壤環(huán)境中的生物地球化學(xué)循環(huán)過程及其驅(qū)動因子，闡明土壤-植物-動物-人類-土壤過程各要素相互作用和相互驅(qū)動的過程，著力提升農(nóng)田土壤的生態(tài)系統(tǒng)恢復(fù)力，提高生物多樣性強化土壤生態(tài)系統(tǒng)服務(wù)，建立土壤結(jié)構(gòu)組分和各項功能的耦合；其次要研究低產(chǎn)農(nóng)田土壤的提升潛力與途徑、土壤酸堿度、鹽分、有機質(zhì)和微生物環(huán)境等理化指標(biāo)的影響機制及改善策略，維系土壤健康的微生物組功能，提高微生物在生態(tài)系統(tǒng)中的抗病性及資源利用率，從而減少污染物從農(nóng)田土壤向作物的擴散[53]；此外，可結(jié)合微生物組移植、大規(guī)模微生物分離培養(yǎng)和功能食物網(wǎng)等生物修復(fù)模式，從而改善土壤健康[54]；最后，應(yīng)建立農(nóng)田土壤健康的分子診斷體系及微生物指標(biāo)，研究可持續(xù)農(nóng)業(yè)土地利用的管理方式，實現(xiàn)全鏈條的農(nóng)業(yè)可持續(xù)發(fā)展。

(2)保障農(nóng)產(chǎn)品安全的污染農(nóng)田土壤利用技術(shù)

我國農(nóng)業(yè)用地資源緊張，農(nóng)作物的安全供給壓力較大，不允許對污染土壤進行大面積休耕，因此，需要根據(jù)我國國情和不同區(qū)域農(nóng)田污染特征建立土壤污染防治體系，運用多種技術(shù)手段來管控與消減污染土壤帶來的不利影響，從而促進農(nóng)田生態(tài)環(huán)境的可持續(xù)發(fā)展，保障農(nóng)產(chǎn)品安全[6]。第一，通過研發(fā)適應(yīng)地域、土地類型的土壤質(zhì)量分析方法及標(biāo)準(zhǔn)體系，研究配適各區(qū)域農(nóng)田土壤質(zhì)量的監(jiān)測標(biāo)準(zhǔn)，制定法規(guī)政策；第二，用生態(tài)毒理學(xué)方法進一步從生理角度探究農(nóng)田土壤多重復(fù)合污染的機理，構(gòu)建復(fù)合污染評價模型，結(jié)合同位素標(biāo)記及基因組學(xué)等技術(shù)手段研究農(nóng)田土壤污染觀測、分析、溯源和治理的新方法[55]，深入研究污染物在土壤-作物-人體的遷移轉(zhuǎn)化規(guī)律、毒性效應(yīng)及生理機制，建立更精準(zhǔn)的污染物評價體系及控制技術(shù)；第三，深入探究復(fù)合污染狀況下降低土壤(重金屬、有機物和生物等)污染物生物有效性的調(diào)控技術(shù)和土壤-作物系統(tǒng)中污染物遷移轉(zhuǎn)化及阻控修復(fù)(生態(tài)修復(fù)措施)技術(shù)，不斷開發(fā)環(huán)境友好型土壤改良劑、鈍化劑、吸附劑、綠色農(nóng)藥、微生物肥料和農(nóng)膜；第四，研究污染土壤修復(fù)方法，改善農(nóng)業(yè)種植條件；第五，研究作物對污染物的吸收、富集及遷移轉(zhuǎn)化機制，注重低積累作物品種和超富集植物的篩選，科學(xué)管理水肥施用；第六，研究高產(chǎn)蔬菜及作物品種，改善種植制度，重視土壤的休耕和恢復(fù)效益，提高農(nóng)田土壤經(jīng)營管理的規(guī)范性和可持續(xù)性等[56]。

(3)多學(xué)科交叉互融形成全要素格局

隨著環(huán)境科學(xué)、水資源學(xué)、土壤學(xué)、地球化學(xué)、生態(tài)毒理學(xué)以及農(nóng)學(xué)等的基礎(chǔ)理論、研究方法和技術(shù)在土壤科學(xué)中的進一步應(yīng)用，多學(xué)科交叉成為推動全球農(nóng)田土壤污染領(lǐng)域快速發(fā)展的強勁動力，新的方向和分支學(xué)科也因土壤學(xué)與其他基礎(chǔ)科學(xué)的滲透融合應(yīng)運而生，如利用高通量測序基因組學(xué)、蛋白組學(xué)、轉(zhuǎn)錄組學(xué)及代謝組學(xué)等分子生物學(xué)方法分析土壤微生物的影響機制及生態(tài)功能，揭示土壤微生物環(huán)境及微生物之間的相互作用機制[57]；利用原位熒光雜交技術(shù)、同位素示蹤技術(shù)和電子顯微技術(shù)，以及次生離子質(zhì)譜技術(shù)和同步輻射技術(shù)等，深化對污染物遷移轉(zhuǎn)化這一化學(xué)過程的認(rèn)知[55]。在已有的學(xué)科交叉基礎(chǔ)上，還應(yīng)注重以下學(xué)科的融合：首先是環(huán)境科學(xué)-生態(tài)學(xué)的結(jié)合，可以深入探究農(nóng)田土壤污染物的來源、污染模式和生態(tài)環(huán)境效應(yīng)；第二是土壤學(xué)-微生物學(xué)的交叉融合，研究農(nóng)田土壤微生物的物種多樣性、菌株模式及功能開發(fā)，以及在農(nóng)田土壤污染背景下微生物的耦合驅(qū)動作用；第三是土壤學(xué)-分子生物學(xué)的交叉，在分子/基因水平揭示各類污染物對土壤生態(tài)功能的影響及其長期動態(tài)演變機制；第四，結(jié)合醫(yī)學(xué)研究污染物在人體中的毒性機制；第五，結(jié)合數(shù)學(xué)模型、環(huán)境及地理信息系統(tǒng)數(shù)據(jù)，研究污染物-環(huán)境介質(zhì)(空氣、水、土壤和糧食等)對人體的健康風(fēng)險影響[58]。此外，應(yīng)注重開發(fā)基于人工智能及大數(shù)據(jù)的自動控制和遠(yuǎn)程信息數(shù)據(jù)采集系統(tǒng)，實現(xiàn)對農(nóng)田土壤的定位監(jiān)測、原位采樣技術(shù)[52]；研究適用于污染農(nóng)田土壤-水-作物系統(tǒng)下的土壤動力學(xué)行為預(yù)測模型等。