孟露 楊海波

摘要：水文大數(shù)據(jù)相關(guān)研究是近些年水文領(lǐng)域的研究重點(diǎn)和核心問(wèn)題，同時(shí)也是提高水文事務(wù)處理效率和增強(qiáng)水文規(guī)律真實(shí)性及可信性的重要內(nèi)容?，F(xiàn)將從中國(guó)知網(wǎng)（CNKI）收錄的264篇文獻(xiàn)和Web of Science（WOS）收錄的219篇文獻(xiàn)作為樣本數(shù)據(jù)，利用CiteSpace軟件對(duì)其進(jìn)行研究人員、研究機(jī)構(gòu)及熱點(diǎn)分析，深入探索該領(lǐng)域研究的發(fā)展趨勢(shì)。研究表明：從發(fā)文量總體來(lái)看，國(guó)內(nèi)和國(guó)際發(fā)文量均呈現(xiàn)上升趨勢(shì)。從研究人員和研究機(jī)構(gòu)來(lái)看，國(guó)內(nèi)學(xué)者和機(jī)構(gòu)間呈現(xiàn)“大分散，小聚集”的現(xiàn)象。從研究熱點(diǎn)來(lái)看，以“智慧水文” “預(yù)警系統(tǒng)” “Big data testing”等為突現(xiàn)關(guān)鍵詞意味著該領(lǐng)域的研究重點(diǎn)逐漸向技術(shù)化、數(shù)字化方向演進(jìn)，無(wú)論在國(guó)內(nèi)還是國(guó)際，現(xiàn)代的水文監(jiān)測(cè)技術(shù)與水文學(xué)方法相對(duì)于傳統(tǒng)的技術(shù)和方法，均具有更高的準(zhǔn)確性和穩(wěn)定性，可以更充分地滿足實(shí)際應(yīng)用需求，將水文和大數(shù)據(jù)相結(jié)合逐漸成為了該領(lǐng)域的研究趨勢(shì)。

關(guān)鍵詞：CiteSpace；知識(shí)圖譜；水文大數(shù)據(jù)；可視化分析

中圖分類號(hào)：P333文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001-9235（2024）02-0038-07

Research Progress of Hydrological Big Data Based on CiteSpace Knowledge Graph

MENG Lu，YANG Haibo^*

（School of Water Conservancy and Civil Engineering，Zhengzhou University，Zhengzhou 450001，China）

Abstract：Research related to hydrological big data has been a focal point and core issue in the field of hydrology in recent years.It is also an important component for improving the efficiency of hydrological affairs processing and enhancing the authenticity and credibility of hydrological patterns.This study utilized a sample dataset comprising 264 papers collected from China Knowledge Infrastructure （CNKI） and 219 papers collected from Web of Science （WOS）.Using CiteSpace software，this paper analyzed the researchers，institutions， and research hotspots and explored the development trend of research in this field in depth.The findings indicate that，overall，both Chinese and international publications show an increasing trend.Regarding researchers and research institutions，there is a phenomenon of “l(fā)arge scattering and small gathering” among Chinese scholars and institutions.Examining research hotspots reveals that keywords such as “intelligent hydrology，”“early warning system，”“big data testing” signify that the focus of research in this field is gradually shifting towards technological and digital directions.Whether domestically or internationally，modern hydrological monitoring technologies and hydrological methods，in comparison to traditional technologies and methods，demonstrate higher accuracy and stability.They can more fully meet the practical application requirements，and the combination of hydrology and big data has gradually become a research trend in this field.

Keywords：CiteSpace;knowledge graph;hydrological big data;visual analysis

隨著物聯(lián)網(wǎng)技術(shù)的普及，大數(shù)據(jù)、云計(jì)算和人工智能技術(shù)的逐步成熟，中國(guó)水利信息化發(fā)展進(jìn)入智慧水利的新階段^［1］。在當(dāng)前大數(shù)據(jù)環(huán)境下，水文相關(guān)部門主要依靠自動(dòng)測(cè)報(bào)系統(tǒng)中的傳感器設(shè)備來(lái)采集雨量、流量以及水位等水文信息；在水文水情數(shù)據(jù)信息采集的基礎(chǔ)上，需借助大數(shù)據(jù)技術(shù)根據(jù)實(shí)際需求對(duì)數(shù)據(jù)進(jìn)行分析和處理，并進(jìn)一步對(duì)采集的數(shù)據(jù)進(jìn)行存儲(chǔ)^［2］。水文作為水利行業(yè)的重要基礎(chǔ)工作，是智慧水利的重要組成部分，也是大數(shù)據(jù)技術(shù)發(fā)展、智能化建設(shè)的基礎(chǔ)內(nèi)容之一^［3］。因此通過(guò)檢索“水文大數(shù)據(jù)”相關(guān)領(lǐng)域論文，從而對(duì)該領(lǐng)域進(jìn)行研究和討論很有必要。

在水文大數(shù)據(jù)研究方面做出成就的研究人員數(shù)不勝數(shù)^［4-6］，但由于各位學(xué)者的研究區(qū)域不同、數(shù)據(jù)來(lái)源不同、環(huán)境不斷變化等情況，盡管眾多學(xué)者都對(duì)該研究方向提出了自己獨(dú)到且有科學(xué)性的見(jiàn)解：針對(duì)流域水文模型的本質(zhì)和特征，詮釋了“分解”與“繼承”的科學(xué)思維在流域水文模型建模中的作用并做出了反復(fù)論證和思考^［7-9］；針對(duì)現(xiàn)有水文氣象條件對(duì)流域具體情況進(jìn)行分析，并利用大數(shù)據(jù)分析方法對(duì)洪水過(guò)程做出預(yù)報(bào)^［10］；針對(duì)軟件開(kāi)發(fā)、模型組合生成以及遙感數(shù)據(jù)的應(yīng)用現(xiàn)狀進(jìn)行分析，指出水利云平臺(tái)開(kāi)發(fā)過(guò)程的各種研究問(wèn)題^［11］；面向具體水文應(yīng)用的水溫時(shí)空數(shù)據(jù)挖掘模型，研究人員也為相關(guān)決策提供了信息支撐^［12］。為進(jìn)一步加深對(duì)水文大數(shù)據(jù)研究過(guò)程、研究成果以及研究具體問(wèn)題的理解和認(rèn)識(shí)，本文將針對(duì)以上幾個(gè)方面進(jìn)行較為概括且全面的研究成果梳理與相關(guān)數(shù)據(jù)分析。

通過(guò)文獻(xiàn)計(jì)量學(xué)方法開(kāi)展的相關(guān)研究涉及面較廣，可以較系統(tǒng)地分析各個(gè)領(lǐng)域的研究進(jìn)展和趨勢(shì)。如在對(duì)流域產(chǎn)匯流方面進(jìn)行文獻(xiàn)計(jì)量分析時(shí)，結(jié)果表明產(chǎn)匯流模擬和暴雨洪水管理模型（SWMM）等的運(yùn)用是當(dāng)前的研究熱點(diǎn)^［13］；在對(duì)美國(guó)農(nóng)業(yè)部水土保持局（SCS）模型在中國(guó)流域的研究現(xiàn)狀進(jìn)行分析時(shí)，研究表明其與其他模型的耦合應(yīng)用以及遙感技術(shù)的應(yīng)用為該領(lǐng)域的研究重點(diǎn)^［14］。近些年來(lái)，該領(lǐng)域的研究?jī)?nèi)容正在向地質(zhì)災(zāi)害方向過(guò)渡，且在今后的巖溶水文地質(zhì)研究中應(yīng)加強(qiáng)與各國(guó)社會(huì)經(jīng)濟(jì)等建設(shè)的內(nèi)在聯(lián)系，共同促進(jìn)可持續(xù)發(fā)展^［15-16］。關(guān)于水文大數(shù)據(jù)的文獻(xiàn)定量并不多見(jiàn)。因此，本文利用CiteSpace軟件對(duì)來(lái)自中國(guó)知網(wǎng)（CNKI）和Web of Science（WOS）平臺(tái)的文獻(xiàn)進(jìn)行整理和分析，以知識(shí)圖譜的形式將“水文大數(shù)據(jù)”領(lǐng)域的研究作者、機(jī)構(gòu)和熱點(diǎn)問(wèn)題表示出來(lái)，使結(jié)果更加可視化。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來(lái)源

本文將對(duì)國(guó)內(nèi)和國(guó)際期刊文獻(xiàn)分別進(jìn)行文獻(xiàn)計(jì)量和篩選分析。首先從CNKI平臺(tái)進(jìn)行檢索，以“水文”和“大數(shù)據(jù)”為檢索主題的關(guān)鍵詞，以2002年1月1日至2022年12月1日為檢索的時(shí)間范圍，剔除相關(guān)性較差的結(jié)果后得到有效文獻(xiàn)共計(jì)264篇；然后以Web of Science為平臺(tái)進(jìn)行檢索，以“Hydrology”和“Big data”為檢索關(guān)鍵詞，以2002年1月1日至2022年12月1日為檢索時(shí)間范圍，通過(guò)分析檢索結(jié)果的主要內(nèi)容及發(fā)表刊物，剔除與本文研究領(lǐng)域相關(guān)性較差的結(jié)果，得到有效文獻(xiàn)共計(jì)219篇。

1.2 研究方法

知識(shí)圖譜是顯示知識(shí)發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，用可視化技術(shù)描述知識(shí)資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識(shí)及它們之間的相互聯(lián)系。概括來(lái)說(shuō)，就是把眾多有關(guān)圖形分析學(xué)科的理論和方法與計(jì)量學(xué)的方法相結(jié)合，以可視化圖譜的形式將知識(shí)的發(fā)展趨勢(shì)和熱點(diǎn)等內(nèi)容直觀地表示出來(lái)^［17］?？梢暬治鼍褪菍⒑Ａ繑?shù)據(jù)進(jìn)行關(guān)聯(lián)分析，由于這些數(shù)據(jù)中存在分散和結(jié)構(gòu)不統(tǒng)一的情況，通常會(huì)輔以人工操作，借助功能強(qiáng)大的可視化數(shù)據(jù)分析平臺(tái)將海量數(shù)據(jù)進(jìn)行分析和整理，并做出完整的包含分析過(guò)程和數(shù)據(jù)圖表。本文采用的CiteSpace軟件是一款信息可視化軟件，主要用于分析可視共被引網(wǎng)絡(luò)，幫助探測(cè)知識(shí)領(lǐng)域中潛在的新趨勢(shì)^［18］，此次篩選為“Keyword”網(wǎng)絡(luò)節(jié)點(diǎn)，時(shí)間切片為1 a，運(yùn)用CiteSpace軟件對(duì)“水文大數(shù)據(jù)”相關(guān)文獻(xiàn)中的關(guān)鍵詞進(jìn)行聚類分析，經(jīng)裁剪后可得到所選文獻(xiàn)中主要關(guān)鍵詞共現(xiàn)聚類圖^［19］。

2 主要研究力量分析

水文是關(guān)乎水利和國(guó)民經(jīng)濟(jì)建設(shè)與發(fā)展重要的基礎(chǔ)工作。水文大數(shù)據(jù)被廣泛應(yīng)用于防汛抗旱、水利工程規(guī)劃設(shè)計(jì)、水資源管理與開(kāi)發(fā)利用、水環(huán)境保護(hù)、水科學(xué)研究及其他國(guó)民經(jīng)濟(jì)建設(shè)。隨著科學(xué)技術(shù)的發(fā)展和人們生活水平的提高，大數(shù)據(jù)技術(shù)逐漸應(yīng)用于水資源保護(hù)領(lǐng)域，無(wú)論是水文要素的監(jiān)測(cè)還是水利工程的建設(shè)與平臺(tái)搭建，均離不開(kāi)大數(shù)據(jù)技術(shù)的支撐。本文主要從發(fā)文趨勢(shì)、主要作者和研究機(jī)構(gòu)3個(gè)方面概括性分析以“水文大數(shù)據(jù)”為研究主題的文章總體情況，如此分析更有利于了解這類文章的研究熱點(diǎn)和發(fā)展趨勢(shì)。

2.1 發(fā)文趨勢(shì)分析

圖1展示了該領(lǐng)域相關(guān)文獻(xiàn)的發(fā)表量情況。國(guó)內(nèi)期刊論文中最早的有關(guān)“水文大數(shù)據(jù)”主題的論文發(fā)表于2008年，該文展示了在水文大數(shù)據(jù)驅(qū)動(dòng)下的關(guān)于洪水預(yù)報(bào)模型方面的關(guān)鍵技術(shù)及應(yīng)用，創(chuàng)新性地提出了在洪水預(yù)報(bào)方面一項(xiàng)新的科技成果。從2014年開(kāi)始，國(guó)內(nèi)期刊論文中“水文大數(shù)據(jù)”主題相關(guān)論文的發(fā)表量逐漸增多，并于2021年發(fā)表65篇相關(guān)論文，達(dá)到峰值。在WOS核心文獻(xiàn)集論文中，最早的相關(guān)論文是于2002年發(fā)表的2篇論文，這些文章討論并分析了長(zhǎng)時(shí)間的高水位導(dǎo)致的棲息地環(huán)境質(zhì)量的惡化、土壤濕度圖像的統(tǒng)計(jì)與分析等相關(guān)內(nèi)容^［20-21］。從2002—2015年WOS數(shù)據(jù)庫(kù)相關(guān)主題的發(fā)文量比較穩(wěn)定但數(shù)量較低。近些年發(fā)文量有較大增加，而圖中所展示2022年發(fā)文量下降，是由于所篩選的時(shí)間范圍截至到2022年12月1日，并未覆蓋2022年全年，此外由于2022年新冠疫情嚴(yán)重，受其影響學(xué)科研究有所下滑。圖1所示發(fā)文量的微小波動(dòng)不足以闡明該領(lǐng)域具體的研究方向和變化趨勢(shì)，從整體來(lái)看，該領(lǐng)域的研究呈現(xiàn)上升趨勢(shì)。

綜合兩平臺(tái)的發(fā)文量數(shù)據(jù)進(jìn)行分析，近幾年“水文大數(shù)據(jù)”主題的相關(guān)論文發(fā)表量增多較快，這說(shuō)明水文大數(shù)據(jù)已開(kāi)始被國(guó)內(nèi)和國(guó)際相關(guān)機(jī)構(gòu)注意并深入研究，逐漸成為這一方面的研究重點(diǎn)和熱點(diǎn)主題。近些年關(guān)于保護(hù)生態(tài)環(huán)境的關(guān)鍵詞頻繁出現(xiàn)于國(guó)內(nèi)和國(guó)際人們的視野里面，所以水資源環(huán)境方面也逐漸得到重視。在大數(shù)據(jù)平臺(tái)的支撐下，水文行業(yè)高速進(jìn)步，構(gòu)建了許多科技平臺(tái)以供各種水文要素的監(jiān)測(cè)和水生態(tài)環(huán)境的保護(hù)等的應(yīng)用。水文大數(shù)據(jù)的應(yīng)用需要跨領(lǐng)域的協(xié)同合作和數(shù)據(jù)共享，因此建立開(kāi)放、高效的數(shù)據(jù)共享平臺(tái)和機(jī)制，對(duì)于推動(dòng)水文大數(shù)據(jù)的應(yīng)用具有重要意義。當(dāng)前，全球已經(jīng)涌現(xiàn)出許多開(kāi)放式數(shù)據(jù)共享平臺(tái)，未來(lái)的研究將更加注重?cái)?shù)據(jù)共享和協(xié)同創(chuàng)新。

2.2 研究作者分析

圖2可以直觀地表達(dá)國(guó)內(nèi)和國(guó)際對(duì)于該研究主題發(fā)表過(guò)論文的作者情況。其中節(jié)點(diǎn)直徑越大代表該作者發(fā)表的相關(guān)論文越多，而節(jié)點(diǎn)之間的連線代表作者之間具有合作關(guān)系，節(jié)點(diǎn)和線條的顏色對(duì)應(yīng)作者發(fā)表論文的時(shí)間^［22］。圖2a表明國(guó)內(nèi)期刊論文作者間合作相對(duì)集中，發(fā)文量較多的作者是高露雄^［23-25］（10篇）、王立海^［23-24］（18篇）、張健^［26-27］（7篇）、劉榮華^［28-29］（25篇）和余國(guó)鋒^［30］（3篇）。其中高露雄研究員來(lái)自長(zhǎng)江水利委員會(huì)水文水資源勘測(cè)局，與王立海所在的研究院有合著關(guān)系，主要研究?jī)?nèi)容為長(zhǎng)江流域水文大數(shù)據(jù)平臺(tái)的架構(gòu)以及GIS在水文方面的應(yīng)用^［23］；圖2b所示，國(guó)際作者間合著關(guān)系相較于中國(guó)更為繁多，WOS文獻(xiàn)數(shù)據(jù)庫(kù)作者中發(fā)文量較多的是Tyralis（20篇）和Papacharalampous^［31］（20篇），其中Tyralis的主要研究方向?yàn)樗倪^(guò)程中出現(xiàn)的Hurst現(xiàn)象、貝葉斯統(tǒng)計(jì)及隨機(jī)水文學(xué)的應(yīng)用^［31］。針對(duì)以上結(jié)論，隨著技術(shù)的不斷發(fā)展和應(yīng)用場(chǎng)景的不斷擴(kuò)展，水文大數(shù)據(jù)相關(guān)領(lǐng)域?qū)?huì)迎來(lái)更多的機(jī)遇和挑戰(zhàn)，加強(qiáng)各研究團(tuán)隊(duì)之間的交流與合作有利于更快地推動(dòng)該領(lǐng)域的研究發(fā)展，促進(jìn)更多創(chuàng)新性成果的研究和發(fā)現(xiàn)。

2.3 研究機(jī)構(gòu)分析

圖3a表明在國(guó)內(nèi)主要發(fā)文機(jī)構(gòu)中，發(fā)文量最多的是河海大學(xué)水文水資源學(xué)院，是在該領(lǐng)域較早進(jìn)行開(kāi)展相關(guān)研究的發(fā)文機(jī)構(gòu)。圖3b可以發(fā)現(xiàn)，中國(guó)科學(xué)院（CAS）在國(guó)際上的發(fā)文機(jī)構(gòu)間的合作較多，形成了較密集的聯(lián)系網(wǎng)，其主要研究方向?yàn)镾WAT模型、分布式水文模型等結(jié)合大數(shù)據(jù)技術(shù)在流域中的應(yīng)用等^［32-36］。與WOS期刊進(jìn)行對(duì)比可以發(fā)現(xiàn)，加強(qiáng)合作和聯(lián)系有助于推進(jìn)國(guó)內(nèi)相關(guān)研究的發(fā)展，各研究機(jī)構(gòu)應(yīng)促進(jìn)知識(shí)交融，通過(guò)相互交流可以發(fā)現(xiàn)更多學(xué)術(shù)上的新思想，進(jìn)行更深度的探討。

3 主要研究熱點(diǎn)分析

3.1 關(guān)鍵詞聚類分析

圖4a中可以看出國(guó)內(nèi)期刊可以分為“大數(shù)據(jù)” “智慧水文” “防汛抗旱” “預(yù)警系統(tǒng)” “水文數(shù)據(jù)共享”等幾個(gè)聚類，圖4b表明國(guó)際上的期刊可以分為“Deep learning” “Hydrological series” “Big data testing”等幾個(gè)聚類。其中“大數(shù)據(jù)技術(shù)”可以充分利用和融合多來(lái)源、多類型、多尺度的數(shù)據(jù)，突破傳統(tǒng)方式難以處理的管理瓶頸，獲得更高準(zhǔn)確度的問(wèn)題分析以及趨勢(shì)分析結(jié)果，從而促使對(duì)目標(biāo)項(xiàng)目決策的制定^［37］，大數(shù)據(jù)分析技術(shù)已經(jīng)在許多領(lǐng)域成功應(yīng)用并取得了很大的效益，獲取了許多應(yīng)用傳統(tǒng)手段難以獲取的信息，解決了應(yīng)用傳統(tǒng)手段難以解決的問(wèn)題^［38］；“智慧水文”是近些年提出的一個(gè)新興詞匯，是指應(yīng)用云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)等新一代信息技術(shù)，對(duì)各種水文研究對(duì)象及水利活動(dòng)進(jìn)行透徹感知、全面互聯(lián)、智能應(yīng)用等的現(xiàn)代化新模式^［39-41］；“Deep learning”即深度學(xué)習(xí)，作為人工智能的一個(gè)分支，現(xiàn)已被充分利用于水文水情預(yù)報(bào)、洪水預(yù)警、水質(zhì)檢測(cè)、地形探測(cè)等智慧水利的工作中^［42-43］。

研究表明國(guó)內(nèi)各研究機(jī)構(gòu)將研究熱點(diǎn)放在技術(shù)與實(shí)際應(yīng)用相結(jié)合的方面，依靠各種傳感器采集雨量及水位等水文信息，借助大數(shù)據(jù)技術(shù)根據(jù)具體情況對(duì)數(shù)據(jù)進(jìn)行分析、處理以及存儲(chǔ)工作^［44-45］，與傳統(tǒng)的水文信息處理方式相比，這種方式更能體現(xiàn)水情信息的時(shí)效性和準(zhǔn)確性；而國(guó)際上在該領(lǐng)域的研究重點(diǎn)側(cè)重于機(jī)器學(xué)習(xí)方面，更傾向于研究河流運(yùn)動(dòng)和各種水文現(xiàn)象的規(guī)律等方面。如某個(gè)預(yù)測(cè)地下水位變化的研究模型，將復(fù)雜網(wǎng)絡(luò)理論和水文學(xué)方法結(jié)合，構(gòu)建一種地下水位變化預(yù)測(cè)模型，分析不同水文因素對(duì)地下水位變化的影響，通過(guò)科學(xué)的計(jì)算方法表明該模型預(yù)測(cè)的地下水位的變化趨勢(shì)，則該模型比傳統(tǒng)的統(tǒng)計(jì)模型具有更高的準(zhǔn)確性和穩(wěn)定性^［46］。

3.2 關(guān)鍵詞突現(xiàn)分析

圖5表明從突發(fā)時(shí)間來(lái)看，“水文模型”與“數(shù)據(jù)安全”等研究熱點(diǎn)在水文大數(shù)據(jù)主題相關(guān)的國(guó)內(nèi)期刊中突發(fā)起始時(shí)間最早，“Digital elevation model”等研究熱點(diǎn)在國(guó)際期刊中突發(fā)起始時(shí)間最早，說(shuō)明這些模型的構(gòu)建在當(dāng)時(shí)該領(lǐng)域已得到各位學(xué)者和研究機(jī)構(gòu)的重視，并開(kāi)始將研究重心往水文大數(shù)據(jù)模型架構(gòu)的方向轉(zhuǎn)移；從突發(fā)強(qiáng)度來(lái)看，“物聯(lián)網(wǎng)”“智慧水利”等在水文大數(shù)據(jù)主題相關(guān)的國(guó)內(nèi)期刊中突發(fā)強(qiáng)度較大，“Machine learning”在國(guó)際期刊中突發(fā)強(qiáng)度最大，這說(shuō)明科學(xué)技術(shù)與水文的結(jié)合成為了當(dāng)時(shí)各地研究機(jī)構(gòu)的研究熱點(diǎn)問(wèn)題，并逐漸將水文監(jiān)測(cè)技術(shù)平臺(tái)與網(wǎng)絡(luò)和大數(shù)據(jù)等技術(shù)聯(lián)系起來(lái)，從而投入真正的生產(chǎn)生活中；從持續(xù)周期來(lái)看，“洪水預(yù)報(bào)”“防汛抗旱”等與防御洪水和預(yù)警預(yù)報(bào)等有關(guān)的關(guān)鍵詞在國(guó)內(nèi)期刊中持續(xù)時(shí)間較長(zhǎng)，“Digital elevation model” “Machine learning” “Artificial intelligence”等與大數(shù)據(jù)技術(shù)相關(guān)的關(guān)鍵詞在國(guó)際期刊中的凸顯持續(xù)時(shí)間較長(zhǎng)，其涌現(xiàn)率一直持續(xù)至今，說(shuō)明在水文領(lǐng)域內(nèi)這些相關(guān)的技術(shù)為當(dāng)前研究的主要發(fā)展趨勢(shì)，是近些年該領(lǐng)域重點(diǎn)聚焦的熱點(diǎn)前沿。人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)的應(yīng)用，在水文大數(shù)據(jù)領(lǐng)域中的應(yīng)用具有重要意義。這些技術(shù)可以自動(dòng)分析、識(shí)別和提取水文數(shù)據(jù)的特征和規(guī)律，有效提高水文數(shù)據(jù)的預(yù)測(cè)和決策能力。未來(lái)的研究將會(huì)更加注重智能算法和模型的開(kāi)發(fā)和應(yīng)用。

4 結(jié)論

通過(guò)知識(shí)圖譜的可視化展示，可以得知國(guó)內(nèi)和國(guó)際代表文獻(xiàn)中的研究人員、機(jī)構(gòu)及熱點(diǎn)問(wèn)題，較為直觀地了解到以上內(nèi)容，同時(shí)對(duì)于水文大數(shù)據(jù)領(lǐng)域前沿的研究動(dòng)態(tài)也有了進(jìn)一步的認(rèn)識(shí)。利用CiteSpace軟件進(jìn)行數(shù)據(jù)分析和繪圖，對(duì)2002年1月1日—2022年12月1日與水文大數(shù)據(jù)研究領(lǐng)域相關(guān)的國(guó)內(nèi)和國(guó)際代表文獻(xiàn)進(jìn)行了文獻(xiàn)計(jì)量學(xué)分析，并得出了如下結(jié)論。

a）從發(fā)文量和發(fā)表趨勢(shì)進(jìn)行分析，國(guó)內(nèi)和國(guó)際期刊的發(fā)文量在整體上都呈現(xiàn)上升趨勢(shì)，近些年國(guó)內(nèi)相關(guān)期刊發(fā)文量相較于國(guó)際增長(zhǎng)更快，從某一程度上反映了水文大數(shù)據(jù)領(lǐng)域的研究熱度正持續(xù)上升。

b）從發(fā)文作者和研究機(jī)構(gòu)方面分析，各研究機(jī)構(gòu)和學(xué)者的合作均呈現(xiàn)“小聚集、大分散”現(xiàn)象，高露雄、王立海等多位研究人員以及河海大學(xué)和中國(guó)科學(xué)院等研究機(jī)構(gòu)組成了國(guó)內(nèi)和國(guó)際水文大數(shù)據(jù)領(lǐng)域研究的主要核心力量。根據(jù)圖2、3分析可知，加強(qiáng)作者和研究機(jī)構(gòu)之間的聯(lián)系有助于推動(dòng)該領(lǐng)域的研究進(jìn)程，加強(qiáng)彼此思想上的碰撞，掀起更深層次的研究浪潮。

c）從關(guān)鍵詞聚類共現(xiàn)的方面分析，國(guó)內(nèi)研究重點(diǎn)放在了大數(shù)據(jù)技術(shù)與水文信息的結(jié)合應(yīng)用方面，如洪水預(yù)報(bào)、防汛抗旱等，與傳統(tǒng)的技術(shù)相比保證了水文信息的時(shí)效性和準(zhǔn)確性；國(guó)際則側(cè)重于研究河流、湖泊等的運(yùn)動(dòng)規(guī)律及水文信息的收集方面如各種結(jié)合大數(shù)據(jù)技術(shù)后應(yīng)用的水文模型，與傳統(tǒng)模型相比保證了水文信息的準(zhǔn)確性和穩(wěn)定性。

d）從關(guān)鍵詞突現(xiàn)時(shí)間分析來(lái)看，對(duì)各種水文模型的研究是最先出現(xiàn)的熱點(diǎn)問(wèn)題，但近年來(lái)研究熱點(diǎn)逐漸偏向應(yīng)用角度，如“防汛抗旱” “洪水預(yù)報(bào)” “Soil moisture”等，即將各項(xiàng)先進(jìn)技術(shù)與水文領(lǐng)域的各項(xiàng)實(shí)際應(yīng)用相結(jié)合。

隨著大數(shù)據(jù)技術(shù)的發(fā)展，水文大數(shù)據(jù)的研究也更加普遍。在各種因素的影響下，水文現(xiàn)象呈現(xiàn)不穩(wěn)定的變化規(guī)律，水文大數(shù)據(jù)領(lǐng)域的研究應(yīng)進(jìn)一步得到關(guān)注，這也是新時(shí)代水資源可持續(xù)發(fā)展和生態(tài)系統(tǒng)水資源保護(hù)的研究熱點(diǎn)和重點(diǎn)所在。

參考文獻(xiàn)：

［1］蔡陽(yáng).智慧水利建設(shè)現(xiàn)狀分析與發(fā)展思考［J］.水利信息化，2018（4）：1-6.

［2］黃興春，邱鵬，黎春蕾，等.大數(shù)據(jù)技術(shù)對(duì)重慶水文發(fā)展的啟示［C］//2019（第七屆）中國(guó)水利信息化技術(shù)論壇論文集.河海大學(xué)：北京沃特咨詢有限公司，2019：116-119.

［3］張蕓.5G賦能智慧水文建設(shè)分析與建議［J］.河北水利，2022（11）：34-35.

［4］張建云，劉九夫，金君良.關(guān)于智慧水利的認(rèn)識(shí)與思考［J］.水利水運(yùn)工程學(xué)報(bào)，2019（6）：1-7.

［5］邱超，王威.基于云計(jì)算架構(gòu)的水文大數(shù)據(jù)云平臺(tái)建設(shè)［J］.人民長(zhǎng)江，2018，49（5）：31-35.

［6］曾金鳳.東江源區(qū)智慧水文的設(shè)計(jì)與實(shí)現(xiàn)［J］.人民珠江，2018，39（3）：11-15.

［7］芮孝芳.水文學(xué)與“大數(shù)據(jù)”［J］.水利水電科技進(jìn)展，2016，36（3）：1-4.

［8］芮孝芳.論流域水文模型［J］.水利水電科技進(jìn)展，2017，37（4）：1-7，58.

［9］芮孝芳.對(duì)流域水文模型的再認(rèn)識(shí)［J］.水利水電科技進(jìn)展，2018，38（2）：1-7.

［10］王麗娟.基于大數(shù)據(jù)分析方法的漢江流域安康段洪水預(yù)報(bào)研究［D］.昆明：云南師范大學(xué)，2019.

［11］袁定波，艾萍，熊傳圣.水文時(shí)空數(shù)據(jù)挖掘方法及其應(yīng)用評(píng)述［J］.水利信息化，2018（1）：14-17，22.

［12］林林.水利云平臺(tái)若干技術(shù)問(wèn)題研究［D］.北京：中國(guó)水利水電科學(xué)研究院，2016.

［13］胡金輝，孫穎娜，王寧，等.基于文獻(xiàn)計(jì)量學(xué)對(duì)流域產(chǎn)匯流研究的熱點(diǎn)分析［J］.人民珠江，2021，42（9）：41-46，104.

［14］唐中楠，楊國(guó)麗，李軍，等.基于文獻(xiàn)計(jì)量學(xué)的中國(guó)流域SCS模型研究現(xiàn)狀分析［J］.人民長(zhǎng)江，2021，52（10）：95-100，106.

［15］李偉，石超.水文地質(zhì)的研究進(jìn)展與研究趨勢(shì)：基于CiteSpace的可視化分析［J］.甘肅地質(zhì)，2022，31（3）：39-45.

［16］郭永麗，章程，吳慶，等.基于文獻(xiàn)計(jì)量學(xué)分析巖溶水文地質(zhì)學(xué)研究熱點(diǎn)［J］.中國(guó)巖溶，2020，39（6）：817-828.

［17］秦長(zhǎng)江，侯漢清.知識(shí)圖譜：信息管理與知識(shí)管理的新領(lǐng)域［J］.大學(xué)圖書(shū)館學(xué)報(bào)，2009，27（1）：30-37，96.

［18］劉光陽(yáng).CiteSpace國(guó)內(nèi)應(yīng)用的傳播軌跡：基于2006—2015年跨庫(kù)數(shù)據(jù)的統(tǒng)計(jì)與可視化分析［J］.圖書(shū)情報(bào)知識(shí)，2017（2）：60-74.

［19］陳悅，陳超美，劉則淵，等.CiteSpace知識(shí)圖譜的方法論功能［J］.科學(xué)學(xué)研究，2015，33（2）：242-253.

［20］OLDAK A，PACHEPSKY Y，JACKSON T J，et al.Statistical properties of soil moisture images revisited［J］.Journal of Hydrology，2002，255：12-24.

［21］BENNETTS R E，KITCHENS W M，DREITZ V J.Influence of an extreme high water event on survival，reproduction，and distribution of snail kites in Florida，USA［J］.Wetlands，2002，22：366-373.

［22］吳丹，向筱茜.中國(guó)水資源利用與經(jīng)濟(jì)發(fā)展協(xié)調(diào)評(píng)價(jià)可視化分析［J］.人民珠江，2022，43（12）：82-91.

［23］高露雄，王立海.大數(shù)據(jù)背景下長(zhǎng)江水文數(shù)據(jù)開(kāi)放平臺(tái)設(shè)計(jì)研究［J］.水利信息化，2021（6）：88-92.

［24］王立海，肖志遠(yuǎn)，高露雄.長(zhǎng)江水文移動(dòng)應(yīng)用服務(wù)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［J］.水利信息化，2014（5）：26-30.

［25］高露雄，肖志遠(yuǎn).GIS在堰塞湖應(yīng)急水文容積曲線計(jì)算中的應(yīng)用［J］.人民長(zhǎng)江，2015，46（S1）：51-53，63.

［26］徐勝，王琳，鄭文，等.黃淮流域天氣雷達(dá)應(yīng)用系統(tǒng)介紹與應(yīng)用分析［J］.水文，2013，33（3）：47-51.

［27］范輝，吳志勇，張健.VIC模型匯流方案的改進(jìn)［J］.水文，2012，32（5）：7-11，86.

［28］劉榮華，孫朝興，田濟(jì)揚(yáng)，等.山洪災(zāi)害監(jiān)測(cè)預(yù)報(bào)預(yù)警云平臺(tái)及應(yīng)用［J］.中國(guó)防汛抗旱，2022，32（1）：63-69，95.

［29］李銳，劉榮華，田濟(jì)揚(yáng)，等 山洪災(zāi)害預(yù)警信息靶向服務(wù)系統(tǒng)設(shè)計(jì)及應(yīng)用［J］.水利水電技術(shù)，2021，52（7）：33-43.

［30］余國(guó)鋒，袁亮，任波，等.底板突水災(zāi)害大數(shù)據(jù)預(yù)測(cè)預(yù)警平臺(tái)［J］.煤炭學(xué)報(bào)，2021，46（11）：3502-3514.

［31］PAPACHARALAMPOUS G，TYRALIS H.Time Series Features for Supporting Hydrometeorological Explorations and Predictions in Ungauged Locations Using Large Datasets ［J］.Water，2022，14（10）：2073-4441.

［32］孔繁翔，胡維平，范成新，等.太湖流域水污染控制與生態(tài)修復(fù)的研究與戰(zhàn)略思考［J］.湖泊科學(xué)，2006（3）：193-198.

［33］宋曉猛，張建云，占車生，等.氣候變化和人類活動(dòng)對(duì)水文循環(huán)影響研究進(jìn)展［J］.水利學(xué)報(bào)，2013，44（7）：779-790.

［34］劉昌明，李道峰，田英，等.基于DEM的分布式水文模型在大尺度流域應(yīng)用研究［J］.地理科學(xué)進(jìn)展，2003（5）：437-445，541-542.

［35］王中根，劉昌明，黃友波.SWAT模型的原理、結(jié)構(gòu)及應(yīng)用研究［J］.地理科學(xué)進(jìn)展，2003（1）：79-86.

［36］石培禮，李文華.森林植被變化對(duì)水文過(guò)程和徑流的影響效應(yīng)［J］.自然資源學(xué)報(bào)，2001（5）：481-487.

［37］劉晉高，方神光，許劼婧，等.基于河湖長(zhǎng)制的河湖岸線智慧監(jiān)管方案設(shè)計(jì)：以珠江三角洲河網(wǎng)區(qū)為例［J］.人民珠江，2019，40（9）：121-127.

［38］李冬杰，王愛(ài)娜，肖鳳林，等.大數(shù)據(jù)和云技術(shù)在省級(jí)山洪監(jiān)測(cè)預(yù)警中的應(yīng)用［J］.水利信息化，2016（4）：10-14.

［39］程海云.推進(jìn)新時(shí)代長(zhǎng)江水文高質(zhì)量發(fā)展體系建設(shè)構(gòu)想［J］.人民長(zhǎng)江，2023，54（1）：88-97.

［40］毛興華.水文信息化思路與總體框架設(shè)計(jì)探討［J］.水利信息化，2021（5）：69-72.

［41］王培，王美玲，曹曉寧.江蘇水文自動(dòng)測(cè)報(bào)系統(tǒng)智慧化運(yùn)維研究與設(shè)計(jì)［J］.水利信息化，2019（3）：1-3，9.

［42］孫濤，王雷，付文博，等.深度學(xué)習(xí)在水利行業(yè)上的應(yīng)用綜述［J］.中國(guó)農(nóng)村水利水電，2018（12）：90-93，100.

［43］MARCAIS J，DE DREUZY J-R.Prospective Interest of Deep Learning for Hydrological Inference［J］.Groundwater，2017，55（5）：688-692.

［44］翟思貝，范海玲，楊波.基于水文大數(shù)據(jù)分析技術(shù)的洪澇災(zāi)害預(yù)警系統(tǒng)設(shè)計(jì)［J］.水利技術(shù)監(jiān)督，2022（5）：53-56，74.

［45］謝宇揚(yáng).云平臺(tái)下的水文監(jiān)測(cè)數(shù)據(jù)共享模式研究［D］.西安：西安科技大學(xué)，2019.

［46］李嬌，等.基于復(fù)雜網(wǎng)絡(luò)的地下水位變化預(yù)測(cè)模型研究［J］.水利科技進(jìn)展，2019，39（4）：1-8.

（責(zé)任編輯：程 茜）