数字农业研究的热点、趋势及展望

周 杨，谢会强

（贵州大学 经济学院，贵州 贵阳 550025）

一、引言

农村土地流转加速、农业就业人口持续减少、全球数字农业蓬勃生长等都预示着人类将在原有农业技术基础上，通过数字技术创造出全新的农业生产体系。为了准确把握中国数字农业研究的热点主题及演进趋势，本文以CiteSpace 可视化图谱为基础，对2010—2020 年间中国数字农业的研究文献从载文量、研究主体、研究热点及趋势三个部分进行探析，指出了数字农业的研究热点及趋势，力求为数字农业研究的未来发展提供参考和借鉴[1]。

二、数据来源与方法

文献数据来源于中国知网（CNKI），将知网中具有权威代表性的CSSCI 和北大核心子数据库作为检索平台。文献时间范围为2010—2020 年，检索日期为2021 年6 月29 日，初步获得924 篇期刊文献。对检索到的期刊论文进行人工筛选，去除主题与数字农业不相关的论文与书评后，最终得到613 篇有效文献。研究工具为CiteSpace5.7.R2。研究方法以文献计量为主，定量与定性分析相结合。

三、结论与分析

（一）文献载文量分析

本研究将众多学者的研究成果聚集在一起，以年为单位从总体上分析核心期刊在数字农业领域的研究现状。以文献发表年份为横坐标，每年发表的文献数量为纵坐标进行绘图（见图1）。从图1 可以观察出，2010—2020 年间，围绕数字农业主题展开研究的相关文献发表量在总体上呈现缓慢上升的趋势。具体来说，2012—2018 年发文量处于波动上升趋势，但自2019 年起，发文量开始出现骤增，2020 年达到历年文献发表量的峰值[2]。其发文量骤增的主要原因是2019 年中央一号文件中明确提出：加快突破农业关键核心技术、发展智慧农业、深入推动“互联网+农业”的应用等措施。

图1 年均文献量分布图

（二）研究主体分析

一个趋向于成熟的学术研究领域必须具有两个基础条件：一是研究机构之间的紧密协作，使信息和资源能够尽可能多地在学术圈内流动，形成资源共享的学术圈氛围。二是领域内的众多专家或学者凝聚在一起形成学术研究的“领头羊”，引领学术圈内的学术研究。

1.研究机构间的合作情况分析。节点的中介中心性可以度量其在整个网络中发挥作用的大小，若其中介中心性越大，则表明其在网络中的连接能力越强，从而影响整个网络的能力越大[3]。通过中介中心性的大小可以度量该机构在领域内的影响力，分析其研究力量的组成。再通过合作网络图分析作者或研究机构之间的合作强度，以便观察研究团体的形成情况。

为研究近11 年来数字农业机构间的合作强度，将中介中心性作为排序依据，从高到低依次列出十大研究机构（见表1），其中，中国农业科学院农业资源与农业区划研究所、国家农业智能装备工程技术研究中心、东北农业大学资源与环境学院等四所机构中介中心性并列第一。从表1 可以看出，70%中介中心性较强的研究机构都属于国家研究所，可见数字农业研究领域内能起到桥梁中介作用和带动作用的都是国家研究所。除国家农业信息化工程技术研究中心（国家研究所）、中国农业科学院农业资源与农业区划研究所（国家研究所）、中国农业大学现代精细化农业系统集成研究教育部重点实验室（高等院校）外，其余7 所机构11 年来的发文量均未超过10篇，可以看出数字农业领域内的研究力量分布不均衡，国家科研机构学术成果丰硕，而高等院校学术成果产量相比之下较低。

表1 2010—2020 年数字农业研究机构中介中心性十强机构

对研究机构进行可视化分析，生成了中国数字农业研究机构合作图谱（见图2）。从图2 可以看出：该领域内主要形成了三个连接紧密的合作类团，从上到下分别以国家农业信息化工程技术研究中心（14条连线）、中国农业科学院农业信息研究所（8 条连线）、新疆生产建设兵团农业技术推广总站（4 条连线）为中心。图谱中其余研究机构都各自为政，联系疏松，总体上呈现离散状态。

图2 2010—2020 年中国数字农业研究机构合作图谱

因此，依据以上两个方面的分析可以得出以下结论：各机构间的合作，主要以国家智库及研究所为桥梁，以同机构跨地区实验室或同地域不同研究所间的合作为主，不同机构或跨地区的机构合作强度不大，各高校研究机构之间缺乏横向合作，资源共享效率较低，容易造成资源浪费[4]。

2.核心作者形成情况。以发文作者为研究对象，使用CiteSpace 对其进行定量分析，不仅可以详细了解每个作者的发文量和首次发文时间，而且还可以将可视化知识图谱作为依据来衡量研究共同体的形成状况。将门槛值调为3，调整得到排名前十的研究作者合作知识图谱如图3 所示。

图3 2010—2020 年中国数字农业研究作者合作知识图谱

以兰玉彬、何勇为中心的合作网络，主要研究无人机在农业领域的运用，此外还涉猎可见光段、农田土壤成分测定等相关领域的研究。以李民赞和郑立华为带头人的合作网络将光谱检测技术、传感装置等新型信息技术运用到农田土壤营养和成分研究当中，以实现农田信息的实时监测。从图3 可以看出，以李民赞和郑立华为带头人和以兰玉彬、何勇为中心的合作网络中各个作者之间的合作研究时间跨度都比较大，两大合作网络都将不同时期的作者联结在了一起，但相比之下以李民赞和郑立华为带头人的合作网络中各作者之间的联系更紧密。曹卫星、朱艳、刘小军形成了一个三角形的合作网络，主要研究与小麦有关的植株动态监测和生长模型。梁斌和吕新带领的研究团队作为2020 年的“学术新星”，研究方向包括数字农业农村建设和基于大数据的应用平台设计，但他们主要以新疆生产建设兵团为主进行相关研究，具有一定地域性。

在统计得到各作者发文数量的基础上，结合普赖斯定律可探究核心作者及核心作者群的形成情况。根据普赖斯定律中的测算公式：核心作者最低发文篇数为m=0.749*（nmax）1/2（nmax 指数字农业领域内发文量最多的作者的发文篇数）。计算得m=0.749*121/2≈2.5946，取整得m=3，则2010—2020 年间发文量大于或等于3 篇的作者是数字农业领域内的核心作者。统计得：共有44 名核心作者，累计发文185 篇，占样本总发文量（613 篇）的30.18%，与形成核心作者群的指标条件（50%）相差19.8%[2]。

（三）研究热点和趋势分析

1.研究关键词分析。使用CiteSpace 对数字农业领域的关键词进行可视化研究，选用对合并网络进行修剪、寻径、修剪网络切片这三种裁剪方式，共得到420 个节点、616 条连线，关键词共现图谱（见图4）。图4 中的圆圈大小代表各个关键词出现的频次，词频越高圆圈越大，表示其被关注程度越高。节点间的连线粗细和颜色分别代表两个节点之间联系密切程度和第一次出现融合研究的时间。连线越粗则代表两节点之间的联系程度越高，并且在之后还可能会再次出现两者的融合研究。

图4 2010—2020 年中国数字农业关键词共现图谱

关键词往往代表了一篇文章作者研究的主要方向及其核心观点，因此高频出现的关键词常被用来预测一个研究领域的研究热点[5]。本文基于关键词采用词频分析、关键词共现图、聚类知识图谱分析数字农业领域的研究热点和主题。统计结果如表2 所示，发现高频关键词主要包括“数字农业”“精准农业”“大数据”“物联网”“信息化”“传感器”“互联网+”。结合图4 中各节点连接其他节点能力的大小分析归纳出大数据、物联网、传感器三大研究高频词，将其作为研究热点进行分析。

表2 数字农业高频关键词

2.大数据。大数据以“信息风暴”为预测变革的手段从海量数据中获取有价值的信息，是数字化时代出现的一种现象。大数据的概念最早提出于维克托—迈尔—舍恩伯格的《大数据时代》一书中。在信息技术中引入大数据的概念和方法，对所采集到的农业数据进行规模化处理以便达到精准农业中提出的对信息进行高速及时处理的要求。目前，大数据在农业上的运用主要体现在智能喷药机器人的智能控制、病虫害检测技术的数据分析、智能机器作业效果的评估等方面。

3.物联网。“物联网”作为数字农业不可缺少的成分，从关键词共现图谱中可看出它连接其他节点的能力强且在研究文献中的出现频次也高，物联网技术未来在农业上的运用将更加广泛。物联网技术在农业中的运用研究起源于2010 年，自2011 年之后，物联网技术与传感器的适配和融合成为重点研究方向。目前主要将物联网技术运用在农田信息感知、病虫害诊断及预警、农产品溯源以及实现对植株长势的可视化远距离诊断和管理等方面。

4.传感器。传感器的运用伴随农业生产的全过程，在减少农业对劳动力需求的同时，优化了农业生产，使农业生产的决策变得有理可依，是未来实现数字农业的关键技术。2010 年以来，学者们主要研究传感器在农业信息采集方面的应用。目前，无线传感器在农业无人机运行状态的监测调整及植株病虫害防控等方面的运用是数字农业领域的研究热点。未来学术界将把目光转至运用电传感器、磁传感器、倾角传感器等实现各类智能系统的高精度定位的研究。

（四）数字农业研究的热点聚类和研究前沿

将检索到的613 篇文献进行聚类分析等，共产生70 个类，其中前10 个类形成的聚类图如图5 所示。聚类图谱中，最小类“模型”的容量为18（大于10），说明这几个聚类标签具有分析意义。十大类中剪影度（某个聚类中各成员联系的紧密程度和同质性）最小的为0.905（大于0.7）说明他们之间的紧密程度很高，聚类的效果较好。聚类采用了LLR（loglikelihood ratio，p-level）算法，对结果进行归纳分析，得到十大类主要反映了国内数字农业研究的三大热点主题（见表3）。

图5 数字农业热点词聚类图

表3 2010—2020 年中国数字农业研究领域聚类表

表3 中将数字农业的研究热点主题分为三个方面：一是经济效益层面的投入与产出研究，对贯彻农业绿色发展理念、构建现代农业生态体系等进行了集中研究，提出资源节约、环境保护等在现代农业建设中的重要性。倡导种养结合的生态循环农业发展模式和集约化的产业模式，以提高资源利用率、生产效益以及农业经营水平；二是资源管理配置层面的政策与资源分配研究，在政策层面上，十四五规划明确提出加快数字化发展，推动数字和实体经济深度融合，打造具有国际竞争优势的数字产业集群，在农村通过建设数字农业或现代农业示范区拉动农业信息化进程，提高农产品质量，从而提升其市场竞争力。三是技术驱动层面，高新技术与农业融合研究。中国起步最早的数字农业研究是农业模拟模型专家系统，在引入国外模型基础上进行实践研究和模型修正，目前对农业生物模型研究比较多。

（五）结论与展望

本研究使用CiteSpace 软件，采用文献计量法对中国知网在2010—2020 年间收录的数字农业相关文献进行分析，以识别中国数字农业领域研究的主要作者、主要研究机构、研究热点以及研究趋势。研究结果发现：（1）文献发表量方面，整体呈波浪式上升趋势，文献发表数量与当年或前一年政策文件中对数字农业的关注程度呈正相关。（2）研究主体方面，研究整体不够成熟，国家研究所和国家智库支撑起了整个数字农业领域的研究。机构之间合作相对缺乏，高校和民间企业有关数字农业方面的研究力量薄弱。领域内暂未形成核心作者群，各作者之间联系松散，没有形成学科带头人，研究呈高度分散状态。（3）研究主题方面，主要由投入与产出研究、政策与资源分配研究、高新技术与农业融合研究3个方面组成，以政策为主导、低投入高产出为目的、高新技术为支撑，各研究方向相互支持，共同推进数字农业研究的深度和广度。（4）未来数字农业领域内技术层面的关注焦点将集中在物联网、传感器两个方面。

基于上述结论，本文提出中国数字农业的未来研究方向：（1）数字农业技术推广研究。基于中国农业发展现状，数字农业相关技术在全国范围内的应用空间狭小，已经出现新技术推广使用速度跟不上“实验室”内的技术更新换代速度现象。因此，如何将“实验室”研究转化为“田野”研究，有效推广数字农业技术已成为未来重要的研究方向。（2）量化评估数字农业贡献。中国对数字农业缺乏相应的数据追踪系统，没有形成统一标准的统计测度和数字农业评价体系，导致数字农业对农业经济增长的贡献无法得到准确评估。因此，统计机构和研究机构如何建立高质量、系统化的数据追踪和评价体系来准确测量数字农业，对我国数字农业未来发展至关重要。（3）数字农业相关政策研究。数字农业相关技术的研发和推广都离不开政府相应的政策支持，因此，结合我国各地农业的实际情况，如何制定出适宜政策，为数字农业提供发展空间和政策支持，以加快农业市场化和数字化的创新步伐，也是未来数字农业研究的重要领域。