李诗琦,刘俊雁,严贤春,廖雨辰,陈 琪,谢 雨,吴 彦
(1.西华师范大学 生命科学学院,四川 南充 637009;2.中国科学院成都生物研究所,成都 610041)
SWAT(Soil and Water Assessment Tool)模型是由美国农业部于20世纪80年代研发的一种分布式水文模型,主要用于评估大流域地区土地利用类型、土壤类型和土地管理措施对水分、泥沙、化学物质的较为长期的影响[1-2]。此外,SWAT还被用于各种流域和水质模型的研究,其优点在于能够在资料缺乏的地区构建模型,模拟流域水文过程的变化;能够对模型进行修改从而进行二次开发;能够联合其他模型共同开展研究,如Kim等[3]将SWAT与MODFLOW模型耦合,成功解决了地下水补给速率、含水层蒸散量、地下水位的时空分布等一系列问题,Loukika等[4]通过将SWAT模型中的HRU与MODFLOW单元进行交换,从而估算了地下水补给速率。
目前,国内外研究者利用SWAT模型开展了大量研究[5-8],研究主要围绕利用SWAT模型评估流域地区土地利用类型变化[9-10]、气候变化[11]以及农业管理措施对生态水文的影响[12]等方面。然而,对该领域的研究现状和热点分析的研究却很少[13-14],且对该领域的国内外研究现状对比分析的研究还未见报道。过去对某一领域的研究进行梳理时,往往是通过抽象梳理和归纳总结的方法,耗时且片面,难以定量地梳理出该领域的研究现状与发展趋势[15-16]。利用文献计量工具对国内外SWAT模型应用研究领域历年来发表的文献信息进行综合梳理和统计分析,有助于了解该领域的发展动态及趋势,为未来国内的研究提供指导。
CiteSpace作为一个文献计量分析的可视化工具,用于分析某个领域的研究现状、研究热点及发展趋势等[17],因而被运用到生态学研究领域[18]。基于此,本文以SWAT模型为主题,采用文献计量分析方法,利用CiteSpace软件对关键词共现、突现强度等方面对比分析国内外该领域的研究态势与热点[19],以期为推动未来国内SWAT模型相关研究发展提供借鉴参考。
本文以中国知网(CNKI)和Web of Science(WOS)核心合集为数据来源,均以“SWAT”为主题词进行检索。将中国知网的文献类型设定为“期刊文献”,语言设置为中文;将WOS数据库的文献类型设置为“article”,语言设置为英文,分别对2000—2020年的文献进行检索。将2个数据库中检索到的文献分别以refworks和纯文本的格式导出到本地数据库。最终,CNKI检索到1 076篇,WOS数据库检索到1 214篇,通过查看文献摘要人工剔除非相关文献,并对文献进行合并去重后,最终确定了992篇中文文献和1 042篇英文文献。
在分析该领域年度发文量变化趋势的基础上,运用CiteSpace 5.6.R2分析工具绘制机构、作者和学科布局共现等网络图谱[20]。将准备好的数据导入CiteSpace中,时间设置为2000.01—2020.12,时间切片设置为1,选择标准使用Thresholds。通过构建关键词图谱分析国内外该领域的研究热点与趋势[21]。
年发文量在一定程度上能反映该研究领域的发展状况及研究热度的变化[22]。由图1可示,自本世纪以来,SWAT模型应用领域进入一个快速发展阶段。然而,相比国外,国内SWAT模型的应用研究起步较晚,在2003年以前的发文量为零。在之后的很长一段时间内(2008—2015年),国内的年度发文量已超过国外,然而,近年来国内的年度发文量明显低于国外。尽管2016年后的发文量有所下降,但从整体上来看,国内外SWAT模型研究相关领域的发文量均呈快速上升趋势。
2.2.1 高产作者关系网络分析
作者是科学研究的主体,通过对文献计量高产作者之间的结构网络分析,反映领域内核心作者之间的合作关系,帮助快速理解文献之间的联系[23-24]。国内外论文发文量最高的作者分别为徐宗学(21篇)和R SRINIVASAN(71篇),其论文发表量占相应国内外总论文发表量的2.12%和6.81%(表1)。从合作网络图中可以看出,国内形成了以杜鹏飞[25]、徐宗学[26]等为首的研究团队,而国外是以Srinivasan[27]和Arnold[28]为首的研究团队(图2)。国内与国外都形成了一定的研究团队,但通过对比节点层数得知,国外主要研究人员的发文量远远超过国内。
表1 SWAT模型运用研究2000—2020年高产作者文献发文数量
2.2.2 研究机构分析
通过对发文作者所在机构进行分析,有助于了解SWAT模型应用领域的核心研究机构[29]。表2为国内外SWAT模型应用领域发文量排名前5的机构。从表中可以看出,国内的河海大学在SWAT模型应用领域方面取得了较好的成果,其发文数量约占国内总数量的4.60%;而USDA ARS(美国农业部)和Texas A&M Univ(美国德克萨斯大学)两所国外研究机构,其发文数分别占国外在该领域发文数量的11.13%和9.30%。通过对比发现,国内外研究机构的发文量还存在一定的差距。尽管河海大学、中国科学院大学等国内机构在该领域也取得了一定的成果,但相比国外尚且不足。从不同机构间合作网络图中可以看出(图3),国外该领域排名前5的主要机构与其他机构之间联系较为紧密,而国内研究机构间的合作更为局限,机构之间的联系交流相对较少。
表2 SWAT模型运用研究2000—2020年发文机构文献数量
SWAT模型应用研究领域的学科属性分析结果显示(表3):从总体上看,国内与国外SWAT模型研究领域隶属学科相似。然而,国内相关领域所属学科占比最多的为“地球物理学”,覆盖本领域发文量的52.60%;其次为“环境科学与资源利用(28.85%)”和“水利水电工程(26.20%)”。而国外SWAT模型应用领域研究的所属学科占比最多是“Water resouces(水资源)”,占比为56.95%,其次是“Enviromental sciences(环境科学)”,占比为36.24%,以及“Geosciences Multidisciplinary(地球科学)”,占比为23.59%。
表3 SWAT模型应用研究2000—2020年文献的学科领域分布
2.4.1 高频关键词共现分析
关键词是对文章研究内容的高度浓缩[30],高频关键词则代表了一个领域研究的相关热点,而关键词与其他关键词之间的联系越多就有着更大的中心度[31]。关键词中心度可以识别研究对象发展过程中核心主题的变化趋势。通过对SWAT模型应用研究领域的关键词进行词频统计,得到国内外相关领域的研究热点(排名前7位)(表4)。从表中可以看出,国内外SWAT领域研究热点存在差异,国内出现频次较高的关键词为“径流模拟”“气候变化”“敏感性分析”等,说明国内主要是通过利用模型模拟未来的径流量变化,为制定管理措施提供科学依据。国外出现频次较高的关键词为“River basin(流域)”“Suif-2”“Sediment(沉积物)”“Management(管理)”“Nutrient(营养物)”和“Water quality(水质)”等。“Suif-2”之所以出现频次较高,是由于国外根据研究得出了“在所有的率定方法中“Suif-2”方法最佳”的结论,因此该方法的使用最为普遍[32]。而“沉积物”“水质”“管理”“营养物”等词有着较高的出现频次,可能是由于国外更多地关注农业管理的集约化影响以及水土保持和治理等方面[33-34]。
表4 SWAT模型运用研究2000—2020年文献高频关键词
2.4.2 关键词突现分析
突现词指某些年份发表文献中突然出现的专业术语,用以表征研究前沿或发展趋势;突现强度是指某领域在某些年份的文献中突然新增词的强度,用以表征剧烈程度[35]。由表5可知,国内外SWAT模型应用领域的研究热点既有相似又有区别,其中“径流(Runoff)”“水文模拟(Modeling)”在国内外均受到关注。2010年前国内研究围绕“非点源污染”“水质”等水体污染防治问题的成因提出解决方案[36-37];2010—2016年围绕提高模型的准确性进行研究,因此“敏感性分析”作为关键词突现;“水文模拟”“水文响应”这2个关键词一直持续至今,说明在未来一段时间内仍可能是国内SWAT研究的热点。相比国内,国外的突现强度从整体上都高于国内,除对径流的模拟、预测外,国外将关注点放在了对水土流失的治理以及水体富营养化的改善等方面[38-40]。
表5 SWAT模型运用研究文献关键词共线网络突现词
本研究利用CiteSpace软件通过对年度发文量、主要研究力量、学科布局以及研究热点与趋势的分析可知,我国在利用SWAT模型进行水文模拟研究已逐渐形成了系统,其发文量呈快速上升趋势。然而,相比国外,由于国内在SWAT模型应用研究领域起步较晚,且研究实力相对较弱,无论从整体发文量、研究机构间联系和高产研究学者发文量等方面都与国外存在一定的差距,这导致我国的在一定程度上滞后于国外的研究。国内的相关研究主要集中在探讨土地利用变化、气候变化对径流量的变化,而国外的研究方向已经逐步向解决农业管理、水土治理等方向发展,这表明国内尚未扩大研究视角进行深入挖掘,许多研究还处于基础研究的状态,研究质量尚待提高。此外,国外近年来致力于将SWAT模型与其他模型相结合,利用新模型将研究的精度提高或是将研究的范围变广,这也为未来我国在该领域的研究提供了方向。综上所述,本研究基于CNKI以及Web of Science数据库探讨SWAT模型在国内与国外使用方面的区别,对明确我国水文模型的研究方向具有一定的指导意义。但本研究还存在一些不足和需要完善的地方,比如仅选取了核心数据库中的文献,未对核心数据库以外的文献一并考虑,因此研究结果可能缺乏一定的完整性,这些需在今后的研究中进一步完善。