杜佰林,吳 磊*

(1.西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室,陜西 楊凌 712100;2.西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院,陜西 楊凌 712100)

SWAT(Soil and Water Assessment Tool)模型是由美國農(nóng)業(yè)部研究所(USDA-ARS)開發(fā)的流域尺度模型[1],經(jīng)過不斷改進(jìn),現(xiàn)已為國際上使用最廣泛的生態(tài)水文模型之一[2]。模型主要由氣候、水文、土壤屬性、植被生長、營養(yǎng)物、土地管理等模塊組成,可用于模擬大量的水循環(huán)、土地管理實(shí)踐和氣候變化、水土流失防治和非點(diǎn)源污染問題等[3-4]。SWAT模型物理過程顯著,能夠模擬定量和定性的水量平衡項(xiàng);運(yùn)算效率高,可與GIS結(jié)合獲取空間分布信息;模型代碼開源,可自由地對(duì)其進(jìn)行改進(jìn)和優(yōu)化[5-6],且改進(jìn)涵蓋多個(gè)方面,包括模型參數(shù)化和校準(zhǔn)方法的改進(jìn),以提高模型的準(zhǔn)確性和適用性;高分辨率和可靠的數(shù)據(jù)源的改進(jìn),以優(yōu)化SWAT模型的輸入數(shù)據(jù),從而提高模型的性能;應(yīng)用范圍的擴(kuò)展改進(jìn),使其與其他水文模型相互耦合,以模擬不同水文過程之間的相互關(guān)系。如Chen等[7]使用SWAT-LSTM耦合方法改進(jìn)數(shù)據(jù)稀缺流域的徑流模擬;Yang等[8]將SWAT與Bi-LSTM耦合,用于改善熱帶河流域的水文氣候模擬和氣候變化影響評(píng)估;Zhang等[9]利用改進(jìn)的SWAT-BSR模型評(píng)估遼河流域單一和綜合極端氣候事件對(duì)水文的影響。SWAT模型的相關(guān)研究報(bào)道較多,主要集中在模型應(yīng)用、案例描述和模塊改進(jìn)。然而,對(duì)該領(lǐng)域的研究現(xiàn)狀和熱點(diǎn)分析的研究相對(duì)較為匱乏,已有文獻(xiàn)的量化分析也顯得不足[10]。傳統(tǒng)的領(lǐng)域綜述方法通常采用抽象歸納和總結(jié)的方式,耗時(shí)較多且難以定量地揭示該領(lǐng)域的研究現(xiàn)狀和發(fā)展趨勢[11]。因此,有必要引入科學(xué)的文獻(xiàn)計(jì)量方法對(duì)已有研究進(jìn)行統(tǒng)計(jì)分析,以全面了解SWAT模型研究的現(xiàn)狀、研究熱點(diǎn)和趨勢。

文獻(xiàn)計(jì)量分析是一種定量研究方法,通過對(duì)已有文獻(xiàn)的數(shù)量、引用次數(shù)和合作關(guān)系等進(jìn)行統(tǒng)計(jì)分析,可以系統(tǒng)的揭示研究領(lǐng)域的動(dòng)態(tài)變化和學(xué)術(shù)貢獻(xiàn)[12]。隨著科學(xué)研究的快速發(fā)展,文獻(xiàn)計(jì)量分析在科學(xué)研究評(píng)估和科學(xué)政策制定中扮演著重要的角色[13],Web of ScienceTM、CiteSpace和VOSviewer等計(jì)量分析軟件也愈來愈受到人們的關(guān)注[14]。VOSviewer具有文獻(xiàn)共引分析、主題分析、作者機(jī)構(gòu)分析和關(guān)鍵詞分析等多個(gè)功能,可以對(duì)文獻(xiàn)數(shù)據(jù)進(jìn)行定量和定性分析的同時(shí),并生成可視化圖表以揭示文獻(xiàn)之間的關(guān)聯(lián)和模式[15]?；诖?本研究旨在運(yùn)用文獻(xiàn)計(jì)量分析方法,結(jié)合Web of ScienceTM核心數(shù)據(jù)庫和VOSviewer軟件,對(duì)2000—2022年發(fā)表的SWAT模型研究文獻(xiàn)進(jìn)行深入分析,從而揭示SWAT模型研究的進(jìn)展情況、研究熱點(diǎn)和未來的研究方向,以期為進(jìn)一步推動(dòng)該模型在生態(tài)水文過程建模中的研究和應(yīng)用提供有益的參考。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

研究使用Web of ScienceTM核心合集數(shù)據(jù)庫[16]進(jìn)行文獻(xiàn)檢索;檢索的時(shí)間范圍為2000年1月1日至2022年12月31日,檢索完成于2023年8月22日;檢索的主題關(guān)鍵詞為“SWAT”,限定文獻(xiàn)類型為article,同時(shí)覆蓋Web of Science的水資源、環(huán)境科學(xué)、地球科學(xué)、土木工程、環(huán)境工程和農(nóng)業(yè)工程等類別;在Web of ScienceTM核心合集數(shù)據(jù)庫中,共檢索到了2000年至2022年期間的5 939篇與SWAT模型研究相關(guān)的文獻(xiàn);經(jīng)過人工篩選,排除了不相關(guān)或相關(guān)性較小的文獻(xiàn),最終確定4 590篇相關(guān)文獻(xiàn)作為本研究的數(shù)據(jù)樣本。

1.2 研究方法

首先,利用Excel 2016對(duì)SWAT模型研究文獻(xiàn)數(shù)據(jù)的年份、來源期刊、基金、機(jī)構(gòu)等分類信息進(jìn)行統(tǒng)計(jì)分析,明確SWAT模型在生態(tài)水文建模和案例應(yīng)用研究領(lǐng)域的相關(guān)情況;然后,基于Web of ScienceTM核心合集數(shù)據(jù)庫所獲取的SWAT模型研究文獻(xiàn)數(shù)據(jù)(文獻(xiàn)題錄、作者信息、關(guān)鍵詞和引用數(shù)據(jù)等),采用VOSviewer軟件對(duì)其依次進(jìn)行發(fā)文量/國家分析、主題聚類分析和作者機(jī)構(gòu)分析等,以識(shí)別文獻(xiàn)之間的主題關(guān)聯(lián)和模式,了解不同作者和機(jī)構(gòu)在該領(lǐng)域的貢獻(xiàn)和影響力;最后,利用VOSviewer軟件的可視化功能,生成共引網(wǎng)絡(luò)圖、關(guān)鍵詞地圖和作者合作網(wǎng)絡(luò)等圖表,進(jìn)一步梳理得到文獻(xiàn)領(lǐng)域的研究動(dòng)態(tài)和發(fā)展趨勢。

2 結(jié)果與分析

2.1 發(fā)文量

年度發(fā)文量能部分反映SWAT模型應(yīng)用領(lǐng)域的發(fā)展?fàn)顩r和研究熱度的變化(圖1)。2000年以來,SWAT模型的應(yīng)用領(lǐng)域進(jìn)入了一個(gè)快速發(fā)展階段,由2000年的10篇增長到2022年的578篇,發(fā)文量總體呈顯著上升趨勢。2000—2012年,發(fā)文量增長相對(duì)緩慢,平均每年增加約10篇。但2012年后,發(fā)文量出現(xiàn)較大增長,尤其是在2021年,發(fā)文量比2020年增加了76篇,遠(yuǎn)超過了2000—2022年的平均增長速度。這種顯著增長可能與全球氣象水文災(zāi)害的加劇有關(guān)[17-18]。以上研究結(jié)果表明SWAT模型在生態(tài)水文建模領(lǐng)域的研究受到了廣泛的關(guān)注和重視,同時(shí)也揭示了該領(lǐng)域未來的發(fā)展?jié)摿Α?/p>

圖1 2000—2022年SWAT相關(guān)研究發(fā)文量

2.2 發(fā)文國家

2000—2022年期間,發(fā)文量排名前10的國家見表1。美國是發(fā)文量最多的國家,共發(fā)表1 757篇文章,遠(yuǎn)超其他國家。此外,美國的篇均被引頻次也高于其他國家,達(dá)到42.11,可見其在該領(lǐng)域具有較強(qiáng)的影響力。中國位居第二,發(fā)表了1 227篇文章,但篇均被引頻次僅高于前10個(gè)國家中的4個(gè)(印度、韓國、伊朗和巴基斯坦),這表明中國的論文影響力仍有待提升。除美國和中國外,發(fā)文量排名前10的國家的發(fā)文量范圍從123篇到337篇,平均為224篇。以上結(jié)果反映了不同國家在SWAT模型研究中的貢獻(xiàn)和影響力差異,并為不同國家在該領(lǐng)域的研究影響力提供了參考。

表1 2000—2022 年SWAT研究發(fā)文量排名前10 的國家

設(shè)置最小發(fā)文數(shù)量為10篇,且每篇論文最大發(fā)文國家多于25個(gè)的忽略不計(jì),最終選定57國家進(jìn)行統(tǒng)計(jì)。基于VOSviewer軟件的標(biāo)準(zhǔn)權(quán)重屬性[15],分別計(jì)算57個(gè)國家中的每一個(gè)國家與其他國家有合著聯(lián)系的總鏈接強(qiáng)度,以得到可視化分析的統(tǒng)計(jì)結(jié)果(圖2)?？梢钥闯?2000—2022年期間,美國與其余53個(gè)國家有合著聯(lián)系,總鏈接強(qiáng)度高達(dá)996;中國僅次于美國,與其余51個(gè)國家有合著聯(lián)系,總鏈接強(qiáng)度為712;印度在發(fā)文量中位居第三,但與其他國家的合著聯(lián)系略遜于德國,德國與其余45個(gè)國家有合著聯(lián)系,總鏈接強(qiáng)度為312;整體來看,不同國家之間在SWAT研究領(lǐng)域存在著密切的合作關(guān)系[19],這種合作關(guān)系有助于促進(jìn)SWAT模型在生態(tài)水文建模領(lǐng)域的應(yīng)用和發(fā)展,豐富該領(lǐng)域的研究成果,加強(qiáng)不同國家之間的學(xué)術(shù)交流與合作,推動(dòng)生態(tài)水文建模領(lǐng)域的進(jìn)步[20-21]。

注:圓圈的數(shù)量和大小代表不同國家的發(fā)文量,圓圈越大發(fā)文量越高;線條的數(shù)量和粗細(xì)反映不同國家的合作情況,線條越粗表明合作越緊密。圖2 2000—2022年不同國家在SWAT研究的合作關(guān)系

2.3 研究機(jī)構(gòu)

2000—2022年期間,SWAT研究文獻(xiàn)共涉及3 299個(gè)機(jī)構(gòu)。在VOSviewer中對(duì)發(fā)文數(shù)量超過10篇的機(jī)構(gòu)進(jìn)行分析,得出共有210個(gè)機(jī)構(gòu)符合標(biāo)準(zhǔn)。表2列出了發(fā)文量排名前10的研究機(jī)構(gòu)。美國和中國是排名前10的主要國家,其中美國占50%,主要機(jī)構(gòu)包括美國農(nóng)業(yè)部研究所(Usda Ars)、得克薩斯農(nóng)工大學(xué)(Texas A&M University)、普渡大學(xué)(Purdue University)、農(nóng)業(yè)科學(xué)研究院(Agricultural Research Service)和馬里蘭大學(xué)(University of Maryland);中國占40%,主要機(jī)構(gòu)包括中國科學(xué)院(Chinese Academy of Sciences),北京師范大學(xué)(Beijing Normal University)、河海大學(xué)(Hohai University)和武漢大學(xué)(Wuhan University);其余10%為印度理工學(xué)院(Indian Institute of Technology),位居第六。以上機(jī)構(gòu)中,中國科學(xué)院的發(fā)文量最多,高達(dá)341篇;美國農(nóng)業(yè)部研究所總引用次數(shù)最多,高達(dá)25 271次,遠(yuǎn)超第二名的得克薩斯農(nóng)工大學(xué)(17 409次)和第三名的中國科學(xué)院(9 591次)。這是因?yàn)镾WAT模型是由美國農(nóng)業(yè)部研究所開發(fā)的,具有較高的權(quán)威性。盡管中國有4所機(jī)構(gòu)進(jìn)入排名前10,但篇均被引次數(shù)均值不足27,與美國機(jī)構(gòu)存在一定差距,說明中國的機(jī)構(gòu)在影響力方面仍有提升的空間。

表2 2000—2022年SWAT相關(guān)研究發(fā)文量排名前10 的研究機(jī)構(gòu)

SWAT研究中重要研究機(jī)構(gòu)之間的合作關(guān)系,見圖3。從圖中可以看出,2000—2022年期間,美國農(nóng)業(yè)部研究所與其余143個(gè)機(jī)構(gòu)有合著聯(lián)系,總鏈接強(qiáng)度為高達(dá)467;得克薩斯農(nóng)工大學(xué)與其余108個(gè)機(jī)構(gòu)有合著聯(lián)系,總鏈接強(qiáng)度次之,為452;中國科學(xué)院與其余102個(gè)機(jī)構(gòu)有合著聯(lián)系,總鏈接強(qiáng)度位居第三,為362。此外,中國科學(xué)院與美國農(nóng)業(yè)部研究所、得克薩斯農(nóng)工大學(xué)、北京師范大學(xué)和馬里蘭大學(xué)等機(jī)構(gòu)存在較為緊密的合作關(guān)系,該結(jié)果揭示了SWAT研究中各國機(jī)構(gòu)之間的合作模式和合作網(wǎng)絡(luò),為進(jìn)一步促進(jìn)國際間的合作交流提供了參考。

注:圓圈的數(shù)量和大小代表不同機(jī)構(gòu)的發(fā)文量,圓圈越大發(fā)文量越高;線條的數(shù)量和粗細(xì)反映不同機(jī)構(gòu)的合作情況,線條越粗表明合作越緊密。圖3 2000—2022年SWAT相關(guān)研究重要機(jī)構(gòu)之間的合作關(guān)系

2.4 發(fā)文期刊

通過對(duì)SWAT研究文獻(xiàn)的來源期刊進(jìn)行分析,可以確定該領(lǐng)域的主要發(fā)表渠道(圖4)。表3列出了2000—2022年SWAT研究發(fā)文量排名前10的期刊。在該領(lǐng)域共有258家發(fā)文期刊。發(fā)文量排名前3的期刊分別是Water、JournalofHydrology和ScienceoftheTotalEnvironment,發(fā)文量分別為495、377和242。在總引用次數(shù)方面,JournalofHydrology引用次數(shù)最多,達(dá)到21 547次,Water引用次數(shù)為6 615次,ScienceoftheTotalEnvironment為8 662次。可見JournalofHydrology在該領(lǐng)域具有廣泛的影響力。此外,盡管SWAT研究在WaterResourcesResearch期刊上的發(fā)文量較少,僅為47篇,但其總引用次數(shù)高達(dá)2 501次,篇均被引次數(shù)高達(dá)53.22,表明該期刊在該領(lǐng)域具有較大的影響力。以上結(jié)果有助于研究者了解SWAT模型研究的主要發(fā)表渠道和具有影響力的期刊,進(jìn)一步指導(dǎo)他們選擇適合發(fā)表研究成果的期刊。

表3 2000—2022年SWAT研究發(fā)文量排名前10的期刊

注:圓圈的數(shù)量和大小代表不同期刊的發(fā)文量,圓圈越大發(fā)文量越多;線條的數(shù)量和粗細(xì)反映不同期刊的引用情況,線條越粗表明引用頻次越高。圖4 2000—2022年SWAT相關(guān)研究的主要發(fā)表渠道

2.5 發(fā)文作者

通過對(duì)SWAT研究領(lǐng)域作者發(fā)文數(shù)量和文獻(xiàn)被引頻次進(jìn)行分析,可以確定高產(chǎn)出和重要的研究作者[22]。 2000—2022年期間,SWAT研究共涉及了12 032位作者,在VOSviewer中對(duì)發(fā)文量超過10篇的發(fā)文作者進(jìn)行分析,得出共有156個(gè)發(fā)文作者符合標(biāo)準(zhǔn)(圖5)。表4列出了發(fā)文量排名前10的作者。按照總引用次數(shù)排序,美國學(xué)者Srinivasan Raghavan(得克薩斯農(nóng)工大學(xué))排名第一,Arnold Jeffrey G(美國農(nóng)業(yè)部研究所)排名第二,中國作者張雪松(北京師范大學(xué))排名第三,沈珍瑤(北京師范大學(xué))排名第四,吳一平(西安交通大學(xué))排名第五。這些作者的發(fā)文量、總引用次數(shù)和篇均被引次數(shù)顯示他們?cè)赟WAT研究領(lǐng)域的重要貢獻(xiàn)和影響力。Srinivasan Raghavan和Arnold Jeffrey G教授是SWAT模型的重要開發(fā)者,曾在世界各地組織SWAT研討會(huì),并與多名作者存在合作,因此發(fā)文量、總引用次數(shù)和總鏈接強(qiáng)度遠(yuǎn)超于其他發(fā)文作者?？傮w而言,SWAT研究形成了國內(nèi)外各自的研究團(tuán)隊(duì),但進(jìn)一步比較顯示,國外主要研究人員的發(fā)文量遠(yuǎn)遠(yuǎn)超過國內(nèi),可見國外的研究人員在SWAT研究方面的投入和影響力較大,而國內(nèi)的研究人員還有提升發(fā)文量和影響力的空間。此結(jié)果有助于研究者了解SWAT研究領(lǐng)域重要作者和研究團(tuán)隊(duì)的信息,促進(jìn)國內(nèi)外之間的學(xué)術(shù)交流與合作,同時(shí)為研究者選擇合作伙伴和尋找潛在合作機(jī)會(huì)提供參考。

表4 2000—2022 年SWAT研究發(fā)文量排名前10的作者及發(fā)文相關(guān)指標(biāo)

注:圓圈的數(shù)量和大小代表不同作者的發(fā)文量,圓圈越大發(fā)文量越多;線條的數(shù)量和粗細(xì)反映不同作者的引用情況,線條越粗表明引用頻次越高。圖5 2000—2022年SWAT相關(guān)研究的主要發(fā)文作者

2.6 高被引文獻(xiàn)

2000—2022年期間,SWAT研究領(lǐng)域中排名前10的高被引文獻(xiàn),見表5。按照本地引用次數(shù)排序,美國學(xué)者M(jìn)oriasi D.N.發(fā)表的“Model Evaluation Guidelines for Systematic Quantification of Accuracy in Watershed Simulations”和Arnold J.G.發(fā)表的“Swat:Model Use,Calibration,and Validation”位居高被引文獻(xiàn)的前2位,其中引用次數(shù)最高可達(dá)7 607次,主要介紹了SWAT研究中流域模擬精度系統(tǒng)量化的模型評(píng)價(jià)指南方法,可見針對(duì)模型精度的量化及模擬效果的評(píng)價(jià),已有大量學(xué)者進(jìn)行了研究。在排名前10位高被引文獻(xiàn)中,有5篇發(fā)表在JournalofHydrology,4篇發(fā)表在TransactionsoftheASABE,1篇發(fā)表在JournaloftheAmericanWaterResourcesAssociation,可見這些類期刊在SWAT研究領(lǐng)域中具有較高的影響力。進(jìn)一步分析發(fā)現(xiàn),前10位高被引文獻(xiàn)中,有3篇關(guān)注了SWAT模型的校準(zhǔn)與驗(yàn)證方法,3篇關(guān)注了涉及的不確定性問題,2篇關(guān)注了SWAT模型的研究進(jìn)展和應(yīng)用前景,其余2篇?jiǎng)t分別關(guān)注了模型評(píng)估和實(shí)例應(yīng)用,可見學(xué)者們對(duì)于SWAT模型的校準(zhǔn)、驗(yàn)證、評(píng)估以及采用該模型模擬流域尺度的水文狀況等問題比較關(guān)注?？傮w而言,高被引文獻(xiàn)揭示了SWAT研究領(lǐng)域中受到廣泛關(guān)注的重要主題和研究方向,為進(jìn)一步的研究提供了指導(dǎo)和參考。研究者們可以借鑒這些文獻(xiàn)的研究方法和成果,深入探索SWAT模型的校準(zhǔn)、驗(yàn)證和應(yīng)用,推動(dòng)該領(lǐng)域的發(fā)展。

表5 2000—2022年SWAT研究領(lǐng)域排名前10的高被引文獻(xiàn)

2.7 研究熱點(diǎn)

關(guān)鍵詞對(duì)于文章研究內(nèi)容進(jìn)行了高度濃縮,而高頻關(guān)鍵詞則反映了該領(lǐng)域研究的相關(guān)熱點(diǎn),并且關(guān)鍵詞之間的聯(lián)系越多,中心度就越大[12]。關(guān)鍵詞中心度可以識(shí)別研究對(duì)象發(fā)展過程中核心主題的變化趨勢,通過對(duì)SWAT研究中的關(guān)鍵詞進(jìn)行分析,得到2000—2022年SWAT研究中的高頻關(guān)鍵詞,見表6。其中,SWAT模型(SWAT)、氣候變化(Climate change)和徑流(Runoff)是出現(xiàn)頻率最高的關(guān)鍵詞,分別出現(xiàn)了2 801、739和433次,可見關(guān)注模型本身以及氣候變化和徑流情況等相關(guān)問題的研究較為熱門。

表6 2000—2022年SWAT研究高頻關(guān)鍵詞

由SWAT研究的熱點(diǎn)分布(圖6)可知,SWAT模型研究主要集中在水資源管理、水文過程響應(yīng)和水質(zhì)模擬等領(lǐng)域。水資源管理方面主要由“徑流(Runoff)”“降雨(precipitation)”和“蒸散發(fā)(Evapotranspiration)”等構(gòu)成,研究人員采用SWAT模型模擬流域水文循環(huán),包括降雨、蒸散發(fā)、徑流等過程,以實(shí)現(xiàn)水資源管理、水庫調(diào)度和供水預(yù)測的目標(biāo);水文過程響應(yīng)方面主要由“氣候變化(Climate change)”“土地利用變化(Land use change)”“情景分析(Scenario analysis)”和“水文響應(yīng)(Hydrological Response)”等構(gòu)成,研究人員基于SWAT模型模擬不同情景下的水循環(huán)變化,以評(píng)估氣候和土地利用變化對(duì)水資源可持續(xù)性的影響;水質(zhì)模擬方面主要由“泥沙(Sediment)”“水質(zhì)(Water quality)”“營養(yǎng)物(Nutrients)”和“最佳管理措施(Best Management Practices)”等構(gòu)成,研究人員采用SWAT模型模擬并預(yù)測流域污染物的輸移和轉(zhuǎn)化過程,量化不同管理措施對(duì)水質(zhì)的影響,以指導(dǎo)水質(zhì)管理和污染治理。熱點(diǎn)中所涉水文要素均為研究水文循環(huán)的陸地階段和匯流階段中常見的基礎(chǔ)要素,也是農(nóng)業(yè)面源污染防控和管理、水土保持措施和治理等不可或缺的核心要素。此外,圖6中的“校準(zhǔn)(Calibration)”出現(xiàn)頻率較高是因?yàn)槟Ｐ托?zhǔn)是水文模型中必不可少步驟,調(diào)查發(fā)現(xiàn)現(xiàn)有率定方法中,“SUIF-2”方法被認(rèn)為是最佳方法,因此在SWAT研究中應(yīng)用廣泛[23];“不確定性(Uncertainty)”“數(shù)據(jù)同化(Data Assimilation)”“滲流模型(MODFLOW)”和“作物模型(APEX)”等詞出現(xiàn)較高的頻次,可能是與目前學(xué)者們更多關(guān)注SWAT模型的不確定性,模型耦合、模型改進(jìn)和探究輸入數(shù)據(jù)的不確定對(duì)模型精度的影響等方面有關(guān)。綜上,依據(jù)關(guān)鍵詞的熱點(diǎn)分析結(jié)果表明,SWAT模型被廣泛用于水文模擬,而水資源管理、水文過程響應(yīng)和水質(zhì)模擬將是SWAT研究的三大主要方向和熱點(diǎn)。

注:圓圈的數(shù)量和大小代表不同關(guān)鍵詞的發(fā)文量,圓圈越大發(fā)文量越高;線條的數(shù)量和粗細(xì)反映不同關(guān)鍵詞相互聯(lián)系,線條越粗表明合作越緊密。圖6 2000—2022年SWAT研究的熱點(diǎn)分布

3 結(jié)論

研究為了解SWAT模型的研究現(xiàn)狀、趨勢熱點(diǎn)提供了一定的科學(xué)依據(jù),對(duì)于研究者和相關(guān)機(jī)構(gòu)具有重要的指導(dǎo)意義。主要結(jié)論如下。

a)SWAT研究領(lǐng)域的文獻(xiàn)發(fā)表量總體呈上升趨勢,2000—2022年共計(jì)發(fā)表4 590篇文獻(xiàn),2021年發(fā)文量增幅最大;美國、中國、印度、加拿大發(fā)文量較多,但中國的發(fā)文量相對(duì)于美國仍存在一定差距,并且中國的文獻(xiàn)篇均被引頻次較低。

b)在排名前10的高產(chǎn)作者中,美國學(xué)者Srinivasan,Raghavan和Arnold,Jeffrey G分別位居第一和第二位,中國學(xué)者張雪松、沈珍瑤、吳一平緊隨其后,但國外主要研究人員的發(fā)文總量遠(yuǎn)遠(yuǎn)超過國內(nèi);排名前十的研究機(jī)構(gòu)包括中國科學(xué)院、美國農(nóng)業(yè)部研究所、得克薩斯農(nóng)工大學(xué)、北京師范大學(xué)等,這些機(jī)構(gòu)在SWAT研究領(lǐng)域具有重要地位和影響力。

c)SWAT研究主要發(fā)在Water、JournalofHydrology、ScienceoftheTotalEnvironment等期刊上,研究內(nèi)容多集中在徑流、泥沙和營養(yǎng)物遷移轉(zhuǎn)化等水文過程模擬方面;未來的SWAT研究將重點(diǎn)關(guān)注水資源管理、水文過程響應(yīng)和水質(zhì)模擬,這3個(gè)方向?qū)⒊蔀镾WAT研究的主要熱點(diǎn)。