袁建霞 张秋菊 胡小鹿
摘要 农业传感器是农业全产业链体系中用于感知和传输相关信息的器件,是智慧农业发展的关键和基础,近年来受到国内外的广泛关注,成为农业科技研究热点之一。本研究以农业传感器相关SCI论文为研究对象,综合运用文献计量法、内容分析法和专家咨询法等,对农业传感器的国际研究态势与研究前沿进行了分析,旨在把握该领域的国家竞争态势、研究前沿方向和未来科技发展趋势。
关键词 农业传感器;SCI论文;竞争态势;研究前沿
中图分类号 TP212;S126 文献标识码 A
文章编号 1007-5739(2019)14-0233-03 开放科学(资源服务)标识码(OSID)
Abstract Agricultural sensor is a device for sensing and transmitting relevant information in the agricultural industrial chain system.It is the key and foundation for the development of smart agriculture.In recent years,agricultural sensor technology has received extensive attention from the academic community,and has become one of the hotspots of agricultural science and technology research.In this paper,with the agricultural sensor related SCI papers as research objects,combining biblio metrics method,content analysis method and expert consultation method,we analyzed the international research situation and research fronts of agricultural sensors,in order to grasp the national competition situation,research fronts and future technology trends in this area.
Key words agricultural sensor;SCI paper;competition situation;research front
农业传感器是在农业全产业链体系中,用于感知农业环境、农业动植物本体、农机作业及农产品等相关信息,并将其转换为便于处理和传输的信号的器件或装置。作为农业信息感知层的关键组成部分,農业传感器承担着数据采集和传输的重任,是农业生产实现智能化、智慧化管理的关键和基础,是智慧农业的源头[1-2]。2018年美国国家科学院发布咨询报告将传感技术确定为到2030年可以极大提高食品与农业科学能力的五项科学突破之一[3]。我国也高度重视农业传感器的研发,2016年工业和信息化部、农业部和发展改革委联合发布《农机装备发展行动方案(2016—2025)》[4],将农业机械专用传感器纳入重点任务关键零部件发展专项。
通过分析农业传感器SCI论文数量、热点研究主题、技术领先国家、重点论文研究内容等,揭示农业传感器的国际研究竞争态势和当前的研究前沿方向,以为相关科技管理部门优化科技创新布局和科研项目管理提供决策支撑。
1 研究数据与方法
本研究以科睿唯安科学引文索引(SCI)数据库的期刊论文为数据源,利用农业、传感器相关主题词,结合传感器期刊名称及学科方向等设计综合检索式,检索发表于2013—2018年的相关研究论文。然后,以检索到的论文作为研究对象,进行国际研究竞争态势和研究前沿分析,分析思路和框架见图1。
国际研究竞争态势分析以检索到的全部SCI论文为对象,首先利用科睿唯安的数据分析工具进行数据清洗,包括国家、关键词等字段的规范和统一。然后利用该工具对清洗后的标准化数据进行分析,包括论文数量、热点主题、国家竞争态势等,以此来反映农业传感器的国际研究竞争态势。
研究前沿分析在检索到的SCI论文数据集的基础上,筛选出被引频次排名在前1%的论文,再请专家进行遴选,选出重点论文逐篇进行内容解读,然后在此基础上根据研究主题进行聚类分析,获得当前农业传感器的研究前沿方向及其重点研究内容。
2 国际研究竞争态势分析
本研究共检索到发表于2013—2018年的农业传感器SCI论文10 564篇(检索日期为2018年9月),年度变化从2013年的1 359篇增加至2017年的2 185篇(2018年数据不完整),增加了近2/3。表明近年来农业传感器研究规模在不断扩大,处于研究上升期,越来越受关注。
2.1 热点研究主题
关键词能鲜明而直观地表述文献论述或表达的主题。因此,本文通过分析农业传感器SCI论文中出现频次排名靠前、具有实质意义的30个关键词(表1),来揭示该领域当前的热点研究主题。
30个高频关键词主要分布在农业传感器类型、敏感材料、应用目标、关键技术及其他等5个方面(表2)。从传感器类型看,生物传感器、电化学传感器、光学传感器、免疫传感器、电子鼻、电子舌是热点研究类型;从敏感材料看,金纳米粒子、石墨烯、氧化石墨烯及专用于生物传感器的核酸适配体和分子印迹聚合物是热点研究材料。从探测目标看,研究热点集中在土壤湿度、植被指数、蒸发蒸腾量、杀虫剂、温度和叶面积指数测定及食品安全检测;从关键技术看,研究热点主要有遥感、荧光、修饰电极、伏安法、量子点、离子性液体、表面等离子共振等技术。此外,MODIS传感器和美国NASA的陆地卫星也是研究热点,MODIS是搭载在TERRA和AQUA卫星上的美国地球观测系统(EOS)计划中用于观测全球生物和物理过程的重要传感器。Landsat自1972年以来已发射多颗,最近于2013年发射的Landsat-8上携带有2个主要载荷:陆地成像仪和热红外传感器。另外2个研究热点无线传感网络和机器学习初步反应出传感器正在向网络化和智能化方向发展。
2.2 国家竞争态势
2.2.1 SCI论文数量领先的国家。从论文数量的国家分布看,2013—2018年,发表论文数量最多的前10个国家依次是中国、美国、西班牙、德国、印度、意大利、英国、巴西、韩国、澳大利亚,这10个国家的论文数量合计9 144篇,约占论文总量的87%(图2)。在这10个领先国家中,中国和美国的论文数量最多,分别名列第一和第二位,均>2 000篇,其中中国2 531篇,美国2 195篇,遥遥领先其他国家。其余8个国家的论文数量均<1 000篇,介于390~750篇。
2.2.2 中美两国SCI论文数量的年度变化。分析了2013—2017年中国和美国论文数量变化趋势,中国的论文数量逐年增加,且增势明显,从2013年的245篇增加至2017年的560篇,4年间增长了一倍多(图3)。2015年开始超过美国,排名从之前的第二位跃居到第一位,显示出强劲的增长势头。美国的年度论文数量亦呈增长趋势,从2013年的309篇增加至2017年的432篇,增加了约1/3,但与中国相比增势相对平缓。
2.2.3 中美两国的热点研究主题比较。对比分析中美论文中出现频次最高的前10个具有实质性意义的关键词(图4),中国的前10个关键词依次是电化学传感器、生物传感器、金纳米粒子、核酸适配体、石墨烯、分子印迹聚合物、无线传感网络、遥感、荧光、量子点。美国依次是遥感、生物传感器、土壤湿度、植被指数、MODIS传感器、美国NASA陆地卫星、蒸发蒸腾量、灌溉、无线传感网络、食品安全。由此可见,生物传感器、遥感和无线传感网络是中美两国共同的研究热点。此外,中国的研究热点还有电化学传感器的研发,敏感材料金纳米粒子、核酸适配体、石墨烯和分子印迹聚合物的研究,以及荧光技术和量子点技术研发。美国研究热点则是传感器在灌溉系统、食品安全检测、土壤湿度、植被指数和蒸发蒸腾量检测中的应用,以及MODIS传感器和美国NASA陆地卫星的研究和应用。
3 研究前沿分析
论文被引频次指的是论文发表后被后续发表的论文作为参考文献引用的次数,能在一定程度上反映被引论文的质量和影响力,被引频次越高说明质量和影响力越高。因此,这些高引用率论文的研究内容在一定程度上可以反映当前其所在领域的研究前沿。本研究在检索到的10 564篇农业传感器论文中,选取被引频次排名位于前1%的论文106篇,经专家判读后遴选出其中92篇进行重点解读和分析,其中有46篇研究性论文根据研究主题明显聚为4个研究前沿方向,分别是农业生物信息监测、農田环境监测、食品安全检测和食品品质检测传感器研究(表3)。
3.1 农业生物信息监测传感器研究
聚焦农业生物信息监测传感器研究的论文共16篇,来自美国、中国、德国等10个国家,美国5篇,中国和德国分别2篇,其余7个国家各1篇。农业生物信息监测目标主要有细胞分裂素、植物生长素、植物叶绿素、三磷酸腺苷、细胞色素和胎蛋白、细胞器特异性pH表达、植物胁迫应急信号、植物动态性状、作物育种过程、作物生长、作物产量、植株高度和动物的呼吸等。所研发的传感器有生物传感器、(电)化学传感器、光学传感器、气敏传感器、图像传感器等,利用的关键技术有遥感技术、微电极技术、免疫传感技术、纳米材料修饰技术、多传感器融合技术、图像处理技术、荧光技术、热成像技术等。
3.2 农田环境监测传感器研究
有13篇论文聚焦农田环境监测传感器研究。这些论文来自8个国家,其中中国有4篇,西班牙和印度各2篇,其余5个国家各1篇。农田环境监测传感器的主要监测目标包括土壤污染物、地表温度、土壤湿度、杂草及其他降雨和气候等环境参数,其中土壤污染物重点监测的是重金属离子汞离子及有机污染物双酚A和羟胺。涉及的传感器类型有生物传感器、电化学传感器、气敏传感器、图像传感器、化学传感器。运用的关键技术包括纳米材料(主要有石墨烯-金属氧化物复合材料、活性金纳米星二聚体材料)修饰技术、多传感器微波遥感技术、无线传感器网络技术、碳糊电极技术、多传感器融合技术、热红外光谱技术和无人机搭载技术等。
3.3 食品安全检测传感器研究
聚焦食品安全检测用传感器研究的论文有11篇,来自3个国家,分别是中国、伊朗和新加坡,分别有7篇、3篇和1篇。食品安全检测传感器研发的目标主要是检测食物或粮食中的农药、大肠杆菌、金黄色葡萄球菌、黄曲霉素、苏丹红、三聚氰胺和塑化剂、酚类物质、甲基对硫磷和汞离子等有害物质。所研发的传感器类型主要是生物传感器和电化学传感器。利用的关键技术包括纳米材料(石墨烯量子点和纳米金颗粒)修饰技术、DNA传感技术、免疫传感技术、荧光探针技术、超敏适配体的研制技术、碳糊电极技术、量子点发光技术及比色汞传感器技术等。
3.4 食品品质检测传感器研究
有6篇论文聚焦食品品质检测传感器研究,共来自5个国家,包括中国、加拿大、伊朗、波兰、罗马尼亚,其中中国有2篇,其余国家各1篇。食品品质检测传感器旨在进行葡萄糖和甲醇检测、VC检测、猪肉品质检测、农产品品质检测、食品色香味的综合检测等。所涉及的的传感器主要是电化学传感器,其次还有综合传感器和光学传感器。所利用的关键技术有纳米材料(石墨烯/NiO纳米复合材料)修饰技术、电子舌技术、电子鼻技术、碳糊电极技术、多传感器融合技术(光谱、图像和电子鼻)和高光谱技术。
4 总结与展望
近5年来,农业传感器研究规模不断扩大,研究论文数量逐年增加,呈现出蓬勃发展的上升趋势。其中,中国和美国的研究论文产出均远远领先其他国家,分别占据了前两位,并且论文数量呈逐年上升趋势,中国增势强劲,表现出较高的研究活跃度。从研究热点来看,中国更侧重于相关材料、技术、方法等的探索性研究,而美国的相关研究与实际应用结合更加紧密。
农业传感器研究前沿主要集中在农业生物信息监测、农田环境监测、食品安全检测和食品品质检测等领域传感器的研发上。其中,农业生物信息监测主要是监测植物表型性状、胁迫应急信号、细胞分裂素、植物生长素、植物叶绿素及动物呼吸等,美国在该方向上有较多的布局和产出,中国则比较关注另外3个方向的研究,特别是在食品安全检测传感器方向上,研究产出的重点研究论文最多,反映出中国对食品安全的重视,同时也说明食品安全是中国正面临的一项严峻挑战。
未来,随着精准农业[5]、垂直农业[6]的深入实施和智能农业的发展,农业传感器研究将越来越受到关注。并且随着生物物理学、生物数学、生物力学和光学在传感器领域应用基础研究的加强,以及纳米材料修饰技术、大分子印迹技术、多传感器融合技术、无线传感器网络技術、机器学习和大数据技术的推进,农业传感器将加速向精准化、网络化和智能化方向发展,智能农业传感器将成为未来研发的重点。
5 参考文献
[1] 张建华,吴建寨,韩书庆,等.农业传感器技术研究进展与性能分析[J].农业展望,2017(1):38-48.
[2] 王儒敬.农业传感器与智能检测技术发展任重道远[J].中国农村科技,2018(1):32-36.
[3] National Academies of Sciences.Science breakthroughs to advance food and agricultural research by 2030[R/OL].[2019-03-01].https://www.nap.edu/catalog/25059/science-breakthroughs-to-advance-food-and-agricultural-research-by-2030.
[4] 中华人民共和国工业和信息化部.三部委关于印发《农机装备发展行动方案(2016-2025)》的通知[EB/OL].[2019-03-01].http://www.miit.gov.cn/n1146295/n1652858/n1652930/n3757018/c5433686/content.html.
[5] 何勇,赵春江,吴迪,等.作物-环境信息的快速获取技术与传感仪器[J].中国科学:信息科学,2010,40(增刊1):1-20.
[6] Cambridge Consultants.The future of vertical farming:The intelligent ec-osystem[EB/OL].[2019-03-01].https://www.cambridgeconsultants.com/sites/default/files/uploaded-pdfs/vertical-farming.pdf.