基于文献计量的草地生物量遥感监测研究进展

杨 东，杨秀春，金云翔，徐 斌

（1.农业部农业信息技术重点实验室 / 中国农业科学院农业资源与农业区划研究所，北京 100081；2.北京林业大学草业与草原学院 / 草地资源与生态研究中心，北京 100083）

草地生态系统是全球重要的生态系统之一，占全球陆地面积的25%[1]；草原也是我国面积最大的陆地生态系统，占国土陆地面积的41.7%[2]。草地生态系统在气候调节、土壤保持、生物多样性维护和碳固定等[3-6]方面均有着不可替代的功能。准确及时地估算草地生物量，对草地保护修复、草畜平衡分析、草地生态状况监测评估、资源动态监测等方面具有重要意义[7-10]。遥感技术由于具有宏观、高效、重复观测和受地面限制少等优势，自20 世纪60年代开始兴起，并于20 世纪80年代末应用于草地领域，通过遥感数据和地面调查资料等信息的综合分析与研究，明显提升了草地宏观调查的效率，极大提高了草地生物量监测的准确性和时效性[11]，促进了草地遥感学科的快速发展。

草地生物量是草地生态系统最重要的度量指标之一，可直接反映草地的初级生产能力，是草地生态系统中动物、微生物生存的物质基础，也是反映草地生态状况的重要指标。草地生物量分为地上生物量和地下生物量，遥感方法监测草地生物量通常指地上生物量，地下生物量目前研究较少。利用草地地面调查数据与卫星影像数据，采用光谱、热感等遥感技术及数理统计、机器学习等方法，构建草地地上生物量反演模型，通过模型定量反演草地地上生物量。地下生物量可通过草地地上/地下生物量比值，在估算地上生物量之后，通过比值进行地下生物量的估算。草地生物量作为一个具有重要研究价值和潜力的研究方向，将遥感技术应用于草地生物量研究已成为一种普遍手段，相关研究结果也受到了学者们的广泛关注。

CiteSpace 是由美国德雷塞尔大学陈超美教授基于Java 平台开发的文献计量可视化分析软件。CiteSpace 软件具有强大的对发表论文的国家、机构、文献共被引等方面的分析能力，是近年来信息分析领域中最具影响力的信息可视化分析软件之一。CiteSpace 可免费下载使用，且随着不断的发展完善，分析功能不断优化。当前CiteSpace 软件已经被广泛应用于计算机科学、信息科学以及医学等60 多个领域[12]，支持包括中国知网(CNKI)、科学网(Web of Science)、PubMed、Scopus、Dimensions 等文献数据库。CiteSpace 较传统文献综述可以通过图片可视化的方法更加直观地对所研究领域的发展脉络、研究热点等进行梳理。目前已有学者利用CiteSpace 对草地保护、草地碳汇等[13-14]方向进行计量可视化分析。其中郑海朋等[15]利用CiteSpace 对草地遥感进行了较全面的文献计量研究，具体包括草地灾害监测、盖度和叶面积指数估算、草地退化和碳储量估算等方面，是对整个草地遥感领域展开的计量分析，但草地生物量遥感仅为其部分内容，由于篇幅原因未充分展开，相关梳理略显不足。为了更加系统地对草地生物量遥感监测进展进行整理归纳、分析总结和展望，本文利用CiteSpace 软件针对1995 – 2020年发表的相关论文更加全面详尽地展开文献计量分析。

1 材料与方法

1.1 研究方法

本研究通过使用CiteSpace 软件对ISI Web of Science (WOS)核心数据库中检索到的草地生物量遥感监测文献从国家、机构，以及关键词进行共现、共被引、聚类等相关分析并绘制相关知识图谱，以梳理其发展进程和研究热点，为草地生物量遥感监测的研究提供参考。

1.2 数据来源

为了更加直观地展示草地生物量遥感监测研究的发展阶段，利用CiteSpace 软件，并根据Web of Science 核心合集数据库中的Science Citation Index Expanded(SCIE)和Conference Proceedings Citation Index-Science (CPCI-S)数据库，在高级检索模块下，选取主题式为：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*)进行高级检索。文献语言为英语，时间跨度为1995 − 2020年。根据2021年1月20日检索结果，得到文献共计600 篇。再将文献类型进行筛选，仅保留研究论文(Article)和综述论文(Review)，最终得到用于本研究分析的文献为557 篇，利用Web of Science 和CiteSpace 对检索结果进行计量分析。

2 结果与分析

2.1 发表趋势

草地生物量遥感监测文献在1995 − 2002年发表论文的数量很少，直到2003 − 2008年每年发表的相关文献稳定在10 篇左右，2009年开始发表的文献数量快速增加，到2015年发表数量达到高峰，全年共计发表52 篇，2015年之后便稍有回落和波动，但随时间推移总体呈增长趋势。引用数量在2009年之前增长较慢，2009年之后开始快速增长(图1)。

图1 研究文献发表数量及被引数量的时间分布图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 发文国家、机构及学科分布

国家合作共现图谱可以直白地反映国家发文量和国家之间的合作强度。利用CiteSpace 的国家合作分析功能，对发文国家进行合作分析，得到时间区间为1995 – 2020年，时间切片为2，有36 个节点、38 条连线，网络密度为0.0603 的国家合作共现图谱（图2）。图谱中每一个节点代表一个国家，国家发文量与节点大小呈正相关关系，发文量越多，则节点越大，节点内圈中不同年轮环的颜色代表该国家不同时间段的发文量，年轮环越粗则该段时间发文量越多，节点之间的连线粗细则与国家间共现的强度呈正相关关系。如图2 所示，发文数量最多的国家依次为美国(32.48%)、中国(29.53%)、德国(15.16%)、澳大利亚(7.68%)、加拿大(6.3%)、南非(5.7%)、法国(5.32%)等。中心性是测度节点在网络中重要性的一个指标，CiteSpace 中使用中心性来发现和衡量节点的重要性。就中心性而言，大于0.2的国家依次为英国(0.99)、加拿大(0.76)、中国(0.47)、德国(0.46)、丹麦(0.44)、爱尔兰(0.44)、美国(0.41)、苏格兰(0.41)、瑞典(0.38)、比利时(0.36)、西班牙(0.32)、南非(0.22)、荷兰(0.22)。通过比较各节点的中心性与发文数量，可见大部分发文量高的国家间国际合作程度较强，交流较多。

图2 国家合作共现图谱Figure 2 Country co-operation map

利用CiteSpace 的机构合作分析功能，对发文机构进行合作分析，得到时间区间为1995 – 2020年，时间切片为2，有124 个节点、432 条连线，网络密度为0.056 6 的机构合作共现图谱（图3）。图谱每一个节点代表一个机构，机构发文量与节点大小呈正相关关系，机构发文量越多，则节点越大。节点内圈中不同年轮环的颜色代表该机构不同时间段的发文量，年轮环越粗则该段时间发文量越多，节点之间的连线粗细则与机构间共现的强度呈正相关关系。草地生物量遥感监测相关机构共现图谱(图3)显示，1995 – 2020年，中国科学院的发文量远超过其他机构，出现频次为93 次(表1)。除中国科学院外，其他出现频次大于10 次的机构还有中国科学院大学(27 次)、科罗拉多州立大学(19 次)、美国农业部农业研究所(14 次)、明尼苏达大学(13 次)、北京师范大学(12 次)。从中心性上看，中心性较高的机构有科罗拉多州立大学(0.46)、明尼苏达大学(0.33)、中国科学院(0.22)、怀俄明大学(0.22)、美国农业部农业研究所(0.18)等。

表1 出现频次大于10 的机构Table 1 Organizations with a publication frequency of > 10

图3 机构合作共现图谱Figure 3 Institutional co-occurrence map

从Web of Science 学科类别分布情况来看(表2)，发文主要集中在生态学(35.548%) 和环境科学(29.084%)，二者占据一半以上的发文量，其次还有遥感(14.901%)、植物科学(14.363%)、林学(10.054%)、土壤科学(10.054%)、农学(9.156%)、影像科学与摄影技术(8.259%)、地质科学(5.386%)、大气科学(5.206%)等其他学科领域，总体上呈现出多种学科领域相交叉融合的趋势。因部分文章涉及交叉学科，在学科类别分布中可能同属于不同学科，故表2中数量总数大于前文所叙的用于文章分析的文献数量，占比之和也大于100%。

表2 已发表文献前10 学科分布Table 2 Top 10 disciplines in the published literature

2.3 被引期刊分析

学术期刊展示了研究领域的成果，并起到了传播的作用，期刊间的共被引分析可以帮助研究人员更加快速地找到该领域中具有较高影响力的期刊，并发现期刊间的相互联系。利用CiteSpace 内置的被引期刊分析功能绘制共被引期刊图谱，通过分析被引期刊出现的频次和中心性，对草地生物量遥感监测领域相关期刊进行可视化分析。表3 出现频次最高的期刊为《Ecology》，共出现307 次；其次是《Oecologia》，出现260 次，同时也是中心性最高的期刊，中心性达0.34，说明此期刊在该领域中具有较大的影响力并且与其他期刊联系较紧密。其他具有较高影响力的期刊还有《Global Change Biology》、《Nature》、《Science》、《Ecological Applications》等。

表3 被引频数前10 的期刊Table 3 Top ten most cited journals

2.4 研究热点关键词分析

文献的关键词可以反映该领域的研究进展和前沿变化以及该领域与其他领域的相关性，高频率的关键词是进行文献分析的重点[16]。在CiteSpace 软件中，设置时间切片间隔为2年，时间跨度为1995 –2020年，节点类型选择关键词，绘制关键词知识共现图谱，并使用Pathfinder (寻径网络)、Pruning sliced networks (对每个切片的网络进行裁剪)和Pruning the merged network (对合并后的网络进行裁剪) 3 种方法对生成的图谱进行剪枝。运行后得到关键词共现图谱(图4)，图谱包含163 个节点、261 条连线，网络密度为0.019 8，每一个节点代表一个关键词，节点大小与关键词的出现频次呈正相关关系，频次越高，则节点越大，节点内圈中不同年轮环的颜色代表该关键词不同时间段的出现频次，年轮环越粗则该段时间发文中出现该关键词次数越多，节点之间的连线粗细则与关键词间共现的强度呈正相关关系，随后对所生成的图谱中相同含义的词汇(包括英文单复数、英式和美式英语，以及同义词、同义短语等) 进行合并处理，例如above-ground biomass 和

图4 关键词共现图谱Figure 4 Keyword co-occurrence map

aboveground biomass、pasture 和rangeland 、remote sensing 和remote sensing data 等，处理后对关键词进行分类(表4)，从关键词角度来看，受气候变化影响和遥感技术快速发展，草地生物量作为影响气候变化的关键参数之一被广泛关注[17]。当前，大范围草地生物量的估测主要利用遥感植被指数建立模型并反演。其中，MODIS (Moderate-resolution Imaging Spectroradiometer)卫星数据，因其免费、易获取、高时间分辨率、适合大尺度等特点，成为草原研究者最常用的遥感数据。此外，草地生物量往往也会与氮、大气CO2、群落等其他研究领域相结合。草原研究区主要集中在中国、美国和非洲，而中国的内蒙古自治区则更加受到国内外学者的关注。

表4 主要关键词分类统计Table 4 Statistics describing the main keyword classifications

2.5 被引文献聚类分析

高中心性节点文献与高被引节点文献一定程度上可以反映当前领域的研究热点与前沿[18]。利用CiteSpace 进行引文分析，绘制文献共被引关系图谱，其中高中心性文献往往是图谱中起到链接作用的节点，如Liang 等[19]、JIN 等[20]、Ullah 等[21]。在此基础上进行聚类分析，得到的图谱显示聚类Q 值为0.308 3，平均轮廓S 值为0.945 3。当Q 值大于0.3，S 值大于0.5，所得到的聚类结果被认为是显著且合理的[22]。CiteSpace 中生成的聚类结果中使用#代表聚类的类别，每个类别有一个聚类ID，主要聚类信息如表5 所示。

表5 共被引文献主要聚类信息Table 5 Clustering analysis of cited references

#0 的聚类标签主要是地上生物量、NDVI、机器学习、多尺度的遥感数据等。

#1 聚类的标签则是地上生物量、回归、北方农牧交错带、MODIS 和偏最小二乘法等。二者聚类都是关于草地生物量遥感估测方法的。草地生物量作为草地关键参数，早在20 世纪80年代便开始进行草地生物量遥感监测，经过几十年的发展，遥感因其大尺度、低成本、方便快捷的特性成为生物量监测的基本工具，且遥感数据源得到极大提升，多种分辨率遥感数据产品应用到草地监测中，研究人员在进行科研时可以有更多的选择。遥感反演生物量则是以构建植被指数与生物量之间的关系，建立回归反演模型为主。随着模型构建方法不断发展完善，由最初的简单一元线性模型或者非线性模型到后面的多元回归模型如偏最小二乘回归模型，再到后来的非参数机器学习模型，精度得到了大幅提高，模型的应用也有了更多的选择。

#3 聚类主要是荒漠草原、野外光谱法、植被指数、高光谱遥感、地上生物量等。与传统的多光谱遥感相比，高光谱仪可以把光谱分离成几十甚至数百个很窄的波段来接收信息，光谱范围从可见光到热红外的电磁辐射波谱，所有波段排列在一起能形成一条连续的、完整的光谱曲线[23]。高光谱遥感在对植被特征参数进行计算方面具有极大的优势，可以完成红边特征、绿峰特征和导数光谱等运用常规遥感方法所不能完成的某些植被特征的计算[24]。赵风杰等[25]使用地物波谱仪对放牧区和禁牧区的主要草场进行植被反射光谱与生物量关系的研究、Zhang 等[26]利用植被光谱仪测量植被的归一化植被指数(NDVI)，并与地面测量相结合构建反演草地生物量的光谱模型，对内蒙古自治区科尔沁草原的地上生物量进行了反演。二者均取得了较高的模型反演精度，结果表明在区域尺度上，使用高光谱地物光谱仪测量植被关键参数可弥补常规地面生物量调查缺乏及时性和全面性的缺点，为区域尺度草地高精度大面积生产力估算和生态退化诊断提供技术支持。

#4 聚类关键词是NPP、放牧强度、内生核法、遥感等。草地净初级生产力作为草地关键参数之一，与生物量一样都可反映草地生态系统的生产力。和生物量一样，遥感技术大多只适用于地上NPP 的估算，地下部分根系的NPP 往往需要其他方法进行估算，如内生核法。

#5 聚类是干旱耐受性、短草草原、过度放牧等。草原在全球范围内分布广泛，主要集中在非洲、亚洲和拉丁美洲，且草原种类繁多，常见的有荒漠草原、草甸草原、典型草原等，受过度放牧、乱垦乱伐、不当管理等影响，全球草原面临退化的问题，所以防止草原退化也就成为研究热点问题。

#6 聚类是遥感、无人机、RGB 影像、产量预测等。近年来无人机领域快速发展，与卫星遥感相比，无人机遥感具有高空间分辨率、可自定义航线、数据获取方便等优点。在草地监测中可针对相应需求通过搭载不同的镜头进行所需数据获取，如搭载RGB 波段镜头进行草地植被覆盖度(FVC)的计算；搭载雷达镜头快速获取数字表面模型(DSM)，利用DSM 与数字高程模型(DEM) 的高度差，可以迅速得出草地灌丛高度并用于灌丛生物量监测；通过搭载红外镜头进行地表温度监测；搭载高光谱镜头进行植被分类等。无人机遥感在草地监测中应用方向宽广、潜力巨大。

#7 聚类是生物多样性、环境因素、植被覆盖、分布等。草地生态系统是全球六大生态系统之一，其生态作用独一无二，是地球的天然保护层，在草地生物量监测过程中，往往与草地生产力、植被覆盖度、碳通量等共同研究，探讨其与生物量之间的关系，以更好的达到保护草原的作用。

#8 聚类平均年份为2001年，是聚类中平均年份最早的一类，关键词是美国、Landsat、碳库、碳汇等，可见美国早在20 世纪初便利用遥感方法对草原进行了大量的研究，是用遥感法对草地进行研究最早的国家之一。

#9 聚类主要是自然保护、生物能源潜力、植物等。草地生态系统约占陆地总面积25%，分布广泛，可提供大量的生物质能源。French 等[27]通过比较英国13 个草原和73 种其他生物质能源原料样品的化学成分和沼气产量，发现经过管理的草原每吨干物质产生的沼气比谷物或农作物废料多出160%，草地在作为生物质能源方面的潜力巨大。

3 结论与展望

本研究通过CiteSpace 软件对从WOS 上所选文献进行计量可视化分析，较系统地总结了从1995年到2020年草地生物量遥感监测领域的发展趋势。利用CiteSpace 软件对所选文献从国家、被引期刊、机构、关键词等方面进行了共现分析和聚类分析，并绘制了相关共现图谱，通过研究得出以下结论：

1)在发文上，尽管近年来草地生物量遥感监测发表论文数量偶有波动，但总体发文量随时间推移仍呈增长趋势；文献发表的国家中，大部分发文量高的国家具有国际间合作程度较强、交流较多的特点；发文机构中，中国科学院以93 次发文量远超其他机构，且中心性较高，与其他机构间合作更紧密；发文学科中，主要集中在生态学、环境科学、遥感和植物科学等相关学科，不同学科间联系密切，交叉性较高。

2)从被引期刊共现上看，《Ecology》和《Oecologia》分别以306 次的频次和0.34 的中心性在该领域中具有较强的影响力；其他影响力较强的期刊还有《 Global Change Biology》 、 《Nature》 、 《Science》 、《Ecological Applications》等。

3) 根据关键词共现结果，在气候变化、遥感发展的背景下，草地生物量研究愈发受到重视，草地生物量的监测方法主要以遥感植被指数法为主，并且作为草地关键参数之一，与其他参数结合应用较强；草原研究区最常见的有中国、美国和非洲，其中，我国内蒙古自治区受到国内外学者的广泛关注。

4)文献聚类结果表明，草地生物量遥感监测常见方式仍然是利用植被指数与生物量的相关关系构建反演模型为主，近年来，随着科技发展，新技术如无人机等成为了草地生物量监测新的热点。

虽然草地生物量遥感监测起步较晚，但发展迅猛，往往与其他草地关键参数一同被学者进行相关研究。但在遥感监测方法上仍然是以模型法为主，受影像分辨率、影像获取时间的影响，存在着模型精度较低、大尺度反演适用性差等问题。随着遥感数据源的不断丰富和监测手段的发展，包括无人机在内的更高分辨率的遥感数据源和机器学习等更加精确的建模方法将给草地生物量遥感监测带来新的发展机遇。