中国极端气候事件研究态势文献计量学综述

陆徐伟，宋扎磋，王文颖，索南吉，2*

(1.青海师范大学 生命科学学院，青海 西宁 810016；2.青海省人民政府—北京师范大学 高原科学与可持续发展研究院，青海 西宁 810016)

目前对于极端气候的明确定义来自IPCC(联合国政府间气候变化专门委员会)第三次以及第四次评估报告，即在特定的时间空间维度内发生的小概率气候事件[1-4].极端气候事件一般主要包括极端温度、极端降水、极端干旱、气旋等[4-5].自人类进入工业化时代以来，人类活动加剧了全球气候变化，导致极端气候发生的概率增加[6-7].与普通气候变化相比，极端气候变化对人类发展和社会稳定的影响更为严重[8-11]，也会对生态系统结构和功能构成更大的威胁[12-13].如2005年的“Gudrun”暴风袭击了瑞典，约6600万立方米的森林遭到破坏，使该区域内的碳汇在两年内减少了近300万吨[14]；气候变暖严重影响了中国青藏高原土壤质量和草地生产力，导致草地退化的加剧[15-16].也有研究表明极端降水可能会对土壤氮素和水分有效性产生负面影响，降低生态系统中植物对降雨和氮素利用效率[17].这种来自极端气候事件的威胁不单表现在生态系统层面，也体现在群落、种群、物种水平上[18]，如长期干旱导致考拉(Phascolarctoscinereus)种群锐减，洪涝降低了植物的物种丰富度等[19].

近几十年来极端气候事件在中国发生的概率也明显增加[20]，严重威胁了中国的生态平衡与安全.如2008年中国遭遇了50年一遇的极端寒流，导致中国亚热带地区生态系统遭到了毁灭性的破坏以及巨大的经济损失[21-22]；也有研究表明，近些年中国南部地区的干旱发生频率在逐年增加，2009-2010年中国西南地区发生的极端干旱事件更是导致了该区域内的植被总初级生产力和净初级生产力大幅度降低[23].作为一个极端气候事件多发的国家，中国未来也将面临着更加严峻的挑战[24].虽然极端气候已经引起了国内学者的重视，也已有不少极端气候综述性论文，但对于涉及生态系统的极端气候研究综述则相对较少，缺乏对该领域研究成果的系统性总结概括，也缺少对该研究领域的发展趋势，研究热点的梳理与分析.

文献计量分析目前已是一种成熟的文献信息定量分析和数据挖掘方法，近些年已被广泛运用于多个研究领域[25-26].由陈超美教授开发的CiteSpace软件有着十分强大的数据挖掘能力，也是目前文献计量统计和数据可视化最热门的软件之一，该软件能准确高效地帮助我们探索一个研究领域的研究热点与前沿等信息[27-29].本研究使用CiteSpace作为文献计量统计、数据挖掘与可视化工具[30]，对中国境内极端气候事件对生态系统的影响研究进行系统综述.旨在探讨中国境内极端气候事件对生态系统的影响研究热点与趋势，有助于我们掌握该领域的最新研究动态与主要方向，为后续对该领域的进一步研究提供新思路.

1 数据来源与分析方法

1.1 数据来源

本研究的数据来自于WEB OF SCIENCE(WOS)与中国知网(CNKI)数据库核心合集.WOS数据库检索式为：TS=(“extreme climate*” OR “extreme weather*” OR “extreme precipitation” OR “extreme rainfall” OR “extreme temperature” OR “extreme drought” OR “cyclone” OR “heat wave” OR “El Nino”)；AND(“ecosystem” OR “community” OR “population” OR “species”)；AND(“China” OR “Chinese”)，选择文献类型为“Article”和“Review”，检索时间范围为2000年1月1日至2021年12月31日，共检索获得745条结果.CNKI数据库检索式为：主题=极端气候+极端天气+极端降水+极端降雨+极端温度+极端干旱+气旋+热浪+厄尔尼诺；并且主题=生态系统+群落+种群+物种；并且主题=中国+中国的.检索时间范围为2000年1月1日至2021年12月31日，共检索获得165条结果(检索时间为2022年5月26日).

1.2 研究方法

首先，我们对两个数据库检索后的745和165条记录分别进行人工删减无关文献后得到466和78篇相关文献，并结合WOS和CNKI内的统计功能和Excel对文献进行统计，对2000-2021年中国境内极端气候事件对生态系统的影响研究的年发文量趋势进行分析.其次，将这些相关文献信息作为纯文本格式导出保存为本地数据源，使用CiteSpace(CiteSpace 5.8.R3)作为文献计量分析的工具，对2000-2021年中国境内极端气候事件对生态系统的影响的研究力量，研究热点趋势进行系统综述.

2 结果

2.1 年发文量

通过对筛选后的文献进行统计分析得到了不同年份的发文量随时间的变化趋势,如图1所示.WOS数据库第一次有相关的文献出版时间是2008年，可以简单分为起步-缓慢增长-快速增长3个阶段，2008-2011年的年均发文量为6篇左右，说明当时学术界对该领域的关注度相对较弱，正处于起步阶段.2012-2015年，更多的学者和机构开始投入到相关研究中，这段时间发文量开始缓慢增长，年均发文量增长到16篇左右.2016-2021年由于全球变化的继续加剧，进一步引起了人们对该领域的重视，加之各种研究方法工具基本已经成熟，发文量开始迅速增长，这6年平均发文量在63篇左右.CNKI数据库中第一次有相关文献出版时间是2005年，与WOS数据库相比，其年发文量波动较小，虽然增长速度不如外文数据库，但逐年发文量整体仍然呈上升趋势.可见近段时间学术界对该领域愈发关注与重视.

图1 年发文量趋势图

2.2 研究力量分析

2.2.1 国家

分析不同国家的发文情况可以判断其对该领域的重视的程度.由于CNKI数据库的文献来源均为中国，所以本文只对WOS数据库的文献进行分析，结果如图2所示，2008-2011年、2012-2015年、2016-2021年三个阶段中国均为发文量最高的国家，发文量分别为19、60、330篇，这也与本文在主题的选择中将区域定为中国的原因.在2008-2011年，处于起步阶段时，参与到该领域研究的国家只有7个，在2012-2015年则有15个国家，而2016-2021年这段时间里参与到该领域研究的国家则达到了45个，可见不止是国内，国际上对该领域也愈发重视.同时我们发现各节点都比较集中，各国间的合作都比较紧密，也说明了我国对该领域研究在追求自主研究和创新的同时，也重视与国际学术的交流与合作.

图2 国家合作共现图谱注：节点越大说明发文量越高，各节点间的连线说明存在合作关系.

2.2.2 研究机构

分析研究机构的发文量与合作关系，有助于了解不同机构在该领域的影响力，并有助于加强机构单位间的合作与交流.由于CNKI数据库的文献较少，所以本文只对WOS进行分析，结果如图3所示.发文机构主要以高校和科研院所为主，2008-2011年、2012-2015年、2016-2021年三个阶段发文量最高的机构均是Chinese Acad Sci(中国科学院)，发文量分别为14、31、143篇.Chinese Acad Sci(中国科学院)在该领域共发表188篇，第一次发文时间是2008，是目前发表成果最多的机构，也是投入该领域研究时间最早的机构之一，可见其在该领域的影响力.研究机构从起步阶段的47个(2008年)到106个(2015年)，最后增长至207个(2021年)，可见这些年越来越多的机构开始投入到该领域的相关研究，也说明了这几年该领域的热度在不断上升.大部分节点都比较集中，说明这些机构合作与联系都比较紧密.

图3 机构合作共现图谱注：节点越大说明发文量越高，各节点间的连线说明存在合作关系.

2.2.3 科研作者

科研作者作为科研工作的主体，通过分析其发文量和合作关系可以了解他们对该领域的贡献和各个团队的合作情况.本文使用CiteSpace分析了科研作者发文和合作情况，结果如图4所示.WOS数据库中2008-2011年发文量最多的作者是Chai Fei；2012-2015年发文量最高的作者是Tang Danling；2016-2021年发文量最高的作者是Zuo Xiaoan.三个阶段累计发文量最高的作者是Zuo Xiaoan，共发表9篇文献；在发文量前10的作者中，国外作者有两位，分别是Melinda D.Smith和Alan K.Knapp，发文量均是4篇.三个阶段参与该领域研究的科研作者人数分别为91、102、188人，可见从2008年开始越来越多的科研人员开始投身于该领域的研究当中.CNKI中发文量最多的作者是温震君，发文量为4篇.从节点分析，我们发现其都是总体分散但局部又相对集中，说明各个研究团队的成员交流与合作密切，但各团队间的合作关系还需进一步加强.

图4 作者合作共现图谱注：节点越大说明发文量越高，各节点间的连线说明存在合作关系.

2.3 研究热点及趋势分析

2.3.1 关键词分析

图5 热点关键词时区演化图

关键词是作者对文献主旨和内容的高度凝练，也是一篇文献核心观点的缩影，同时关键词能反映一个领域的研究热点，关键词分析也有助于了解历史发展脉络与研究现状[31].本文使用CiteSpace软件对关键词进行共现分析，结果如图5所示，WOS图谱共有398个节点833条连线，网络密度为0.0105，CNKI图谱有176个节点282条连线，网络密度为0.0183.节点越大代表该关键词出现频次越高，两个节点间的连线说明关键词共现于相同的文献中，连线越粗则共现的次数越多[24].

WOS和CNKI数据库的最大的节点均是climate change(气候变化)，频次分别达到了118次和15次，气候变化已经是我们人类生存和发展的最大挑战之一[32]，IPCC几次报告综合表明气候变化在日益加剧，全球在继续变暖，极端气候发生的概率也在增加[33]，所以气候变化一直是该领域的一个研究重点.同时我们发现WOS中干旱第一次出现时间是2008年，极端干旱第一次出现的年份是2018年；CNKI中干旱第一次出现时间是2007年，极端干旱第一次出现的年份是2011年，中间分别相隔10年和4年.说明学术界很早就开始关注中国境内生态系统的干旱问题，但也揭示了受全球气候变化影响，这些生态系统中的干旱问题近些年在日益加剧.WOS中在2008-2011年出现的关键词有climate change(气候变化)、impact(影响)、ecosystem(生态系统)、response(响应)、dynamics(动态)等，由于当时正处于起步阶段，主要是对极端气候对生态系统影响机制的探索和理论框架的搭建.在2012-2015年这段时间该领域很多理论框架基本已经搭建完成，更多的研究开始使用模型分析解决问题，研究工具与方法也趋于成熟.所以出现了mode(模型)、pattern(模式)等关键词.2016-2021年关键词有index(指标)、trend(趋势)、nitrogen(氮)、plant(植物)等，主要是对之前的理论和模型进行补充，生态系统中越来越多的因素被量化作为指标或参数考虑到理论和模型中.随着大数据时代到来和计算机科学的发展，更多的数据与指标被运用到该领域的相关研究中，进一步完善相关模型和研究方法.在有足够的数据支撑下，我们也开始对未来趋势开展预测如物种分布模型等.

2.3.2 研究前沿分析

图6 关键词突显图

突现性可以反映关键词在一定时间出现频次的增长情况，突现性数值越大说明在这段时间内增长率越高，一定程度上反映了这段时间内研究领域焦点的改变或一个前沿热点的出现[27].由于CNKI数据库无突显性关键词，所以我们只对WOS数据库进行分析.我们一共发现了14个突现性关键词如图6所示，红色粗线代表突现持续时间.在时间上离我们最近的突现性关键词是extreme drought(极端干旱)，说明在近几年里极端干旱会成为我国境内大部分生态系统的主要威胁，也是当前该领域一个前沿的研究热点.

2.3.3 聚类分析

同一篇文章的参考文献一般有着相似的研究内容或研究主旨，我们可以通过探究文献的共被引情况，对参考文献进行聚类分析，可得到具体的研究主题，从而分析该领域的研究热点[34].目前CiteSpace的共被引分析只限于英文文献，本文只对WOS数据库的文献进行了共被引聚类分析，聚类结果如图7所示.其中Q(模块化值，modularity)值和S(平均轮廓值，the mean silhouette)值分别为0.877和0.9346，表明聚类结构显著并且聚类可信度高(一般我们认为Q>0.3说明聚类结构是显著的；S>0.5聚类结果合理；S>0.7则聚类结果可信[31].).如果聚类簇中包含的文献过少会使结果不可靠，所以我们提取了前6个聚类簇，#0 precipitation event(降水事件)，#1 vegetation growth(植被生长)，#2 case study(个案研究)，#3 historical record(历史记录)，#4 extreme nature drought(极端自然干旱)，#5 vegetation greenness(植被绿度)，聚类簇序号越小，所包含的文献数量越多.

图7 引文聚类情况网络图(时间线视图)

聚类簇#0[precipitation event(降水事件)]是针对草地生态系统，通过控制降水量或者模拟干旱时的降水量来探究该生态系统对极端降水或干旱的响应为研究主题的文章.如Luo等[35]在内蒙古及中国其他地区的3个半干旱草地上，通过连续3年降低生长季66%降雨量的控制实验，跟踪群落功能组成的变化，以此分析植物群落的干旱敏感性.Wang等[36]在内蒙古一荒漠草原研究了极端降水对该生态系统中CO2交换的影响.草地约占全球陆地面积的40.5%，占生态系统总碳的34%左右，在碳循环以及水循环中起到关键作用[37-38].全球气候变化背景下极端降水事件可能会对草地生态系统生产力产生深远影响[39]，并威胁其功能和结构，因此极端气候的研究对草地生态系统尤为重要[38，40].

聚类簇#1[vegetation growth(植被生长)]是分析极端气候事件对生态系统中植被生长影响为主题的文献.如Wang等[41]以退耕还林工程(GGP)地区为研究区域，估算了该地区2000-2010年的植被生长量，并分析了干旱和人类活动对其影响.Xu等[42]利用归一化差异植被指数(NDVI)和其他指标分析了东北、华北和西北地区干旱对植被生长的影响.

聚类簇#2[case study(个案研究)]中的文章主要是以中国不同省份为区域单位的研究，以西北地区和内蒙古地区最为常见.如Yao等[43]利用卫星获取新疆地区的NDVI 数据，分析了植被指数随气温和降水的年际变化，以此研究分析极端气候和植被响应之间的联系.Yue等[44]在内蒙古草原通过设置不同的干旱梯度，研究分析了植物功能性状对极端干旱的响应.

聚类簇#3[historical record(历史记录)]是对多年的历史数据进行统计分析的文献为主.此类研究通常是统计并计算极端气候与生态系统历年的观测数据和指标，再利用相应的模型拟合分析.如Xu等[45]选择了中国沿海6个亚区，分析这些区域内多个极端气候指标和近30年来(1986-2015年)的非季节性净第一性生产力(NPP)指标，在多尺度(年度和季节)上运用相关统计模型研究了NPP与气候关系.Ding等[46]则利用归一化差异植被指数(NDVI)和帕尔默干旱严重程度指数(PDSI)分析了1982-2015年多个干旱地区不同群落中植被活动与干旱的关系.

聚类簇#4[extreme natural drought(极端自然干旱)]中的文献均是以极端干自然干旱或极端干旱为主题的相关研究，例如Gao等[47]在我国半干旱黄土高原地区，探究了枣树农林复合系统的种间水分相互作用和其对极端干旱的响应.Luo等[48]则选择了中国北方两种优势种不同的植物群落[分别为羊草(Leymuschinensis)和大针茅(Stipagrandis)]，在极端干旱下，评估其养分(N、P和K)的吸收和重收来检验优势度假说和质量比假说.

聚类簇#5[vegetation greenness(植被绿度)]中的文献主要是以植被绿度来研究生态系统中植物群落对极端气候事件的响应.如Deng等[49]利用卫星观测、动态全球植被模型(DGVM)模拟等方法研究了2000-2015年间中国境内一些地区植被绿度对极端干旱的响应.

3 结论与建议

本研究通过对中国境内极端气候事件对生态系统的影响研究的相关文献进行计量分析和可视化分析，综述了该领域年发文量趋势，主要研究力量和主要研究热点与趋势.结果表明(1)WOS和CNKI数据库中对于该领域研究第一次有相关文献的出版时间是分别是2008年和2005年，该领域中英文文献的逐年发文量整体呈上升趋势，其中英文文献的发文量增长尤为显著.说明该领域虽然起步较晚但发展迅速，也可见近段时间来学术界对该领域愈发关注与重视.(2)研究力量分析结果说明，中国是发文量最高的国家，中国科学院在该领域有着较强的影响力也是投入该领域研究最早的机构之一，Zuo Xiaoan和温震军等作者对该领域具有较大贡献.各个国家地区，机构和团队内部合作都比较紧密，但团队间的合作相对薄弱.(3)在研究热点趋势方面我们发现，从2008-2021年，通过多年发展，目前该领域理论框架基本搭建完成，同时受益于卫星遥感技术和计算机科学技术的进步，研究方法与工具等都已比较完善.研究区域以内蒙古和西北地区最为常见，主要生态系统类型为草地生态系统，研究方式以数据统计、模型分析为主，研究生物视角为植被生长和植被绿度，研究的主要极端气候类型是极端干旱以及极端降水，研究前沿热点为极端干旱，干旱也是该领域较早开展研究且热度至今未减的主题.

虽然近些年我们对于中国境内的极端气候事件对生态系统影响研究的关注度在不断上升，但仍存在一些问题，对此我们提出以下建议：(1)就发文量而言我们发现主要以英文文献为主，而中文文献的发表量只占到英文文献的21%左右，这在一定程度上会减少国内受众对该领域的认识与了解，所以未来应适当增加中文文献的发表量.(2)相比较国际与科研机构之间的合作，研究团队之间的交流相对较少，今后应重点推动团队之间的合作与学术交流，取长补短，同时深化学科间的交流合作.(3)受全球气候变化影响，目前以极端干旱为主的极端气候事件已对我国的生态平衡与生态安全构成了巨大的威胁，而我国西北和内蒙古地区又是干旱的“重灾区”.我国西北和内蒙古地区拥有丰富的草地资源，这些草地不仅是当地牧民生存发展的重要依靠，更是我国生态安全的天然屏障，是我们生态文明建设和保护的最前沿阵地[50-51].但近些年研究发现我国西北和蒙古地区草地退化、沙化问题日益严重，土壤肥力和含水量明显降低[51-52].所以未来应继续加强对我国西北和内蒙古地区生态建设和生态保护，同时实施合适的放牧政策，完善相关的法律与监察制度以减少放牧以及人类活动带来的生态环境破坏.(4)近年来大数据已经成为各个领域研究的热点[53]，在大数据背景下我们可以获取在空间和时间尺度上更多的信息，来探究生态系统对全球变化和极端气候的响应.迄今为止，世界各地已经累计了海量的生态观测和实验数据，这些数据量大、类型多、更符合实际，为我们对生态系统多个尺度的研究提供了绝佳的契机[54].同时这样的大数据不仅带来了更多的观测和实验数据，也加速了各类模型的完善和发展，推动了研究方法的革新[55].这些大数据为探索生态规律和机制、检验各类生态学假说与理论提供了无限的可能性[56].但大量的数据也增加了我们筛选和分析数据的难度，所以未来如何有效利用大数据，如何将其运用于解决目前生态系统中的极端气候带来的问题，是我们面临的机遇与挑战，也是未来要大力发展的方向.(5)随着研究的深入，人们也意识到想要取得更大的研究进展则需要多个专业领域的知识与技术指导，即交叉学科研究[57].在极端气候与生态系统的研究中同样需要多个学科的知识支撑，在内容上我们需要结合地理科学、地质学、海洋学、生态学、微生物学、分类学等多个领域的专业知识，在方法上则依赖数学、统计学、计算机科学与技术等领域的发展，所以交叉学科研究在该领域有非常广阔的前景，也是未来发展必不可少的一环.