基于SciVal数据的农业工程学科发展报告（2015—2020）

杨睿 王宝济

摘要：本文基于SciVal平台新推出的基于文章级别的教育部一级学科分类功能（China SCADC Subject Categories），对全球及我国农业工程领域研究成果进行计量分析。研究发现，2015-2020年间，全球农业工程学科研究成果总量已达22万，生物炭、生物柴油、温室、干旱、黄土等是全球农业工程研究的热点主题词，国内跨机构合作与机构内合作是主要的成果产出模式；中国农业工程学科研究成果总量已达15万，中国科学院、西北农林科技大学、中国农业大学等学术机构在该领域的科研实力雄厚，生物炭是目前我国最热门的研究主题。

关键词：SciVal；农业工程；文献计量；分析报告

引言

习近平总书记在2020年12月召开的中央农村工作会议做出的重要指示中强调，坚持把解决好“三农”问题作为全党工作重中之重，举全党全社会之力推动乡村振兴，促进农业高质高效、乡村宜居宜业、农民富裕富足。构建新发展格局，把战略基点放在扩大内需上，农村有巨大空间，可以大有作为[1]。我国要通过深化农业供给侧改革提高农业生产水平，实现农业现代化，依靠农业工程技术提升和改造传统农业是其关键所在[2]。

通过文献计量方法可以对科研成果的特征进行分析，在一定程度上可以反映相应学科发展的状况。SciVal是爱思唯尔旗下的科研管理工具，分析数据来源于Scopus的研究成果及其使用数据，包括5个主要功能模块：Overview（概览）、Benchmarking（比较分析）、Collaboration（合作分析）、Trend（分析研究趋势）、Reporting（定制研究报告）。Scopus自身的学科分类体系——全学科期刊分类系统（All Science Journal Classification，ASJC）中并没有“农业工程”精准对应的学科类别，但在2020年12月SciVal新推出了基于文章级别的教育部一级学科分类功能（China SCADC Subject Categories），包括97个子学科，其中0828为农业工程。SciVal平台通过机器学习算法，利用基于Fast Text算法训练的文章级别分类器，将研究成果直接映射到该分类体系的相应学科，而非粗粒度地通过文献来源出版物进行映射。

本文基于这一新功能，对全球以及我国农业工程领域研究成果进行计量分析，可以从一个侧面反映国内外农业工程领域研究及发展状况。

1 数据来源

在SciVal的Research Area（研究领域）选择China SCADC Subject Categories--China SCADC：0828 Agricultural Engineering （农业工程），时间范围选择2015-2020年，数据库最近一次更新时间为2021年1月20日，结合SciVal的Overview以及Trend等功能模块进行国内外农业工程学科科研成果的分析。截至目前，数据库中2020年的数据还并不完整，因此在统计数据中显示2020年不完整数据年，根據Scopus信息显示，直到2021年5-6月，2020年的数据才会达到95%的完整度，从而成为完整的数据年份[3]。

2 全球农业工程学科发展

2.1 年度发文量

2015-2020年全球农业工程学科研究成果产出数量分别为32 786、33 943、36 136、41 459、46 757、30 623（图1）。由于2020年的统计数据并不完整，在图中以虚线的形式显示（下同）。除去数据不完整的2020年，可以看到，近几年全球农业工程学科科研成果产出数量呈现增长态势，学科内研究活跃度高。中国的科研成果数量最多，其次是美国、印度等国家（图2），各个国家的成果总数、浏览量等指标见表1。

2.2 学科分布

ASJC是Scopus的学科分类体系，包括27个一级学科领域和334个二级学科领域[4]。研究成果根据其来源（Scopus Source）被划分入ASJC体系下不同的类别中，但由于来源（Scopus Source）可能被同时映射到多个学科，对应的研究成果也会被映射到多个学科。因此从图3可以看出，各学科成果产出比例之和要大于100%。利用ASJC学科分类功能进行研究成果学科层面的分析。从一级学科来看，Engineering（工程）是最大的学科类别，包含成果数量最多，为92 541，占比22.1%。其次是Agricultural and Biological Sciences（农业与生物科学），成果数量为55 638，占比13.3%，以及Environmental Science（环境科学），成果数量为46 844，占比11.2%。深入分析以上包含文章数量最多的3个一级学科（图4-6）：

Engineering（工程）学科中主要的二级学科为Mechanical Engineering（机械工程）、Electrical and Electronic Engineering（电气电子工程）、General Engineering（工程综合）、Industrial and Manufacturing Engineering（工业与制造工程）；

Agricultural and Biological Sciences（农业与生物科学）中主要的二级学科为General Agricultural and Biological Sciences（农业与生物科学综合）、Agronomy and Crop Science（农艺学及作物科学）、Food Science（食品科学）；

Environmental Science（环境科学）中主要的二级学科为General Environmental Science（环境科学综合）、Water Science and Technology（水科学与技术）、Pollution（环境污染）。

除此之外，从二级学科来看，Materials Science（材料科学）学科下属的General Materials Science（材料科学综合）、Energy（能源）学科下属的Energy Engineering and Power Technology（能源工程与动力技术）、Computer Science（计算机科学）学科下属的Computer Science Applications（计算机科学应用）、Chemical Engineering（化学工程）学科下属的General Chemical Engineering（化学工程综合）等领域的成果数量也较多。

2.3 主题和主题簇

为了解全球农业工程研究的热点所在，利用SciVal的主题（Topic）和主题簇（Topic Cluster）功能进行研究成果主题层面的分析。

主题基于直接引用分析算法（direct citation analysis）对成果进行聚类，同一类即被归为同一主题。主题簇同样基于直接引用分析算法，将相近的主题进行聚类，主题簇比主题层级更高、范围更广[5]。与ASJC学科分类不同，每个研究成果只能映射到唯一的主题或主题簇。目前，SciVal中大约有96 000个主题和1 500个主题簇。

统计得出，全球农业工程研究总共包含23 713个主题和1 374个主题簇。主题或主题簇可以用气泡图的形式展现，某主题或主题簇越靠近圈中心，一定程度上说明该主题或主题簇越具有跨学科性质[6]。由于主题数量较多，为了更加清晰地展示关键研究主题的分布，选择Prominence指标[7]排名前1%的主题、排名前5%的主题簇进行可视化展示。Prominence指标综合了3个方面的数据：第n年和第n-1年发表的文献在第n年的被引总数；第n年和第n-1年发表的文献在第n年的浏览量；第n年CiteScore的平均值，因此，Prominence指标可以用来探测主题影响力的发展趋势。从这个角度看，Prominence指标排名高且成果数量多的主题在一定程度上可以看作是该领域的热点主题。

从气泡图（图7、8）中可以看出，全球农业工程研究的热点主题包括：Biochar；Soil Amendments；Black Carbon（生物炭；土壤改良剂；黑炭）、Fuel Tests；Diesel Engines；Exhaust Emission（燃料测试；柴油发动机；废气排放）、Anaerobic Digestion；Digester；Methane Production（厌氧消化；消化；甲烷制造）、Centrifugal Pumps；Axial Flow Pumps；Rotating Stalls（离心泵、轴流泵、旋转失速）、Vegetation Index；Leaf Area Index；Hyperspectral Data（植被指数；叶面积指数；高光谱数据）等。

研究热点主题簇包括：Soil；Biochar；Soil Organic Carbon（土壤；生物炭；土壤有机碳）、Microbial Fuel Cells；Anaerobic Digestion；Bioreactors（微生物燃料电池；厌氧消化；生物反应器）、Climate Models；Model；Rainfall（氣候模型；模型；降雨）、Remote Sensing；Image Classification；Satellite Imagery（遥感；图像识别；卫星图像）等。

2.4 关键词

SciVal通过Elsevier指纹引擎对特定研究领域提取关键词语，通过自然语言处理技术对研究成果的标题、摘要以及作者关键词进行文本挖掘，从而发现具有重要意义的关键词。这些关键词与全学科主题词表相匹配，从而将关键词标准化处理。基于关键词词频与IDF算法，每个关键词会被赋予一个Relevance值，取值范围为0-1。利用SciVal的关键词分析功能进行研究成果主题词层面的分析可以了解学科研究趋势。

图9展示了全球农业工程研究领域Relevance值排名前50的关键词。Relevance值越高，关键词的字体越大；关键词显示的颜色代表在数据完整的统计年份范围内（2015-2019年），该词相关成果产出数量的变化趋势，蓝色代表下降，灰色代表不变，绿色代表上升。由图9可知，Relevance值排名前50的关键词的相关成果的产出数量都呈现上升的趋势，以上领域的相关研究均较为活跃。生物炭、生物柴油、温室、干旱、黄土等是全球农业工程研究的热点主题词（表2）。

2.5 合作

利用Collaboration功能分析科研合作情况。SciVal将成果产出模式分为4种类型，包括国际合作、国内跨机构合作、机构内合作以及无合作。可以看出，在全球农业工程学科研究中，国内跨机构合作与机构内合作已经成为主要的产出模式（表3），符合目前的“大科学”背景。合作文献的增多是科研合作日益广泛的重要标志[8]。国际合作占比为10.1%，国际合作成果的篇均被引数（9）与FWCI值（1.27）要高于其他的产出模式，在一定程度上可以验证国际合作对成果的影响力有正向作用。

利用Academic-Corporate Collaboration功能可以分析校企合作情况。农业工程是一个应用性强的学科，其主要目标就是农业持续、稳定的增产以及农业产品质量的改进和经济效益的提高[9]，因此农业工程领域的成果转化有着重要的现实意义。由表4可知，该领域的校企合作成果占比较低，仅有2.0%，在一定程度上显示出农业工程领域的产学研结合发展还不够深入，目前较多地开展校企合作研究的企业有中国国家电网公司、中国石化公司、中国石油天然气集团公司等。

2.6 经济影响力

2015年出版的研究成果中，有118件成果被224件专利引用，共有226次专利引用；2016年出版的研究成果中，有99件成果被214件专利引用，共有216次专利引用；2017年出版的研究成果中，有53件成果被87件专利引用，共有88次专利引用；2018年出版的研究成果中，有31件成果被40件专利引用，共有40次专利引用；2019年出版的研究成果中，有7件成果被15件专利引用，共有15次专利引用；2020年出版的研究成果中，有2件成果被3件专利引用，共有3次专利引用（图10-12）。

获得专利引用数最高的研究成果为Matikainen，L.（2016）[10]，是一篇关于遥感技术在输电线路走廊勘测中应用的调研，目前共获得43次专利引用。其次是Elliott，D.C.（2015）[11]，综述了生物质水热液化从间歇式反应器处理到持续式的发展，目前共有10次专利引用。

2.7 主要来源出版物

由表5可知，Transactions of the Chinese Society of Agricultural Engineering、IOP Conference Series：Earth and Environmental Science、Transactions of the Chinese Society of Agricultural Machinery等出版物的来源文献最多。表6总结了JCR和EI中的农业工程学科期刊，对比发现，一些在JCR和EI中公认的农业工程学科核心期刊并没有出现在SciVal来源出版物前列，如Transactions of the ASABE。

图13展示了成果总量Top5的来源出版物在2015-2020年间被收录成果的数量变化情况，可以看到，近年来IOP Conference Series：Earth and Environmental Science被收录的成果数量迅速增长，这是一本由英国物理学会（The Institute of Physics，IOP）出版的会议论文，IOP为作者提供快速且经济实惠的会议出版服务，论文全部开放获取。

3 中国农业工程学科发展

3.1 年度发文量

2015-2020年中国农业工程学科研究成果产出数量分别为22 129、23 365、24 701、28 605、32 009、21 517，除去数据不完整的2020年，近几年我國农业工程学科研究成果数量呈现上升态势（图14）。国际合作成果占比也呈现上升趋势，2020年国际合作占比已超过10%，表明国际交流不断加深（图15）。成果的文献类型多样，以Article（研究论文）为主（表7）。

3.2 研究机构

3.2.1 科研生产力——机构发文量

对我国各机构成果产出的数量进行统计，为了保证数据的可比性，只统计了高校以及科研院所两类学术机构的产出。科研产出数量Top10的机构为中国科学院、中国科学院大学、中国农业大学、浙江大学等（图16）。在我国农业工程领域内，科研生产力最强的机构是中国科学院，6年间的研究产出数量为12 583，发文量明显高于其他机构。

3.2.2 科研影响力——总被引频次与FWCI值

统计以上Top10机构科研产出的总体被引次数和FWCI值（图17）。从总被引次数来看，被引次数最高的机构为中国科学院，被引总数高达82 486。整体来看，各机构成果的总体被引次数与其产出数量的分布基本保持一致。

FWCI指的是某学者或机构等的研究成果的被引次数与其他相似研究成果平均被引次数的比值，相似研究成果是指需要符合同一年出版、同一文章类型、同一学科领域，由于排除了出版年、文章类型、学科等因素的影响，因此FWCI也被称为归一化影响因子。从FWCI指标来看，FWCI指数超过1的只有一个机构，即西北农林科技大学，FWCI值为1.06，影响力要高于其他机构。

3.2.3 科研发展力——高被引论文

统计Top10机构的高被引成果数量、高被引成果占比、高被引成果年度趋势变化等指标（表8），从而明确各机构在农业工程学科领域的科研发展力，其中高被引成果选择的是前10%的高被引文献。高被引成果总数最多的机构是中国科学院，其高被引文献有1 443篇。西北农林科技大学高被引论文占比最高，为15.1%。从高被引成果年度趋势变化来看，除天津大学外，其他机构发文的趋势变化均为正值，与2015年相比，江苏大学2019年高被引论文的增长比例高达300%。

3.2.4 科研合作——国际合作、国内跨机构合作与校企合作

统计Top10机构的国际合作、国内跨机构合作与校企合作成果等数据（表9）。国际合作方面，Top10机构中，中国科学院对国际合作成果数量最多；西北农林科技大学、中国农业大学国际合作成果占比最大。国内跨机构合作方面，中国科学院的国内跨机构合作成果数量最多，中国科学院大学的国内跨机构合作成果占比最大。2015-2019年间，Top10所有机构的国际合作以及国内跨机构合作产出数量均呈现增长趋势。中国科学院、中国科学院大学的国际合作和国内跨机构合作总占比均高于96%，中国农业科学院的总占比也较高，达到了85.6%。

校企合作方面，中国科学院的合作成果数量最多，同济大学对合作成果占比最大。与2015年相比，2019年中国农业大学的校企合作成果数量突增，增长率高达350%。

3.3 作者

对我国农业工程领域学者科研成果产出的数量进行统计（表10）。科研产出数量Top10的学者有何勇、袁寿其等人。何勇教授在成果数量、成果浏览总量以及被引总频次等方面都处于领先地位，且其FWCI值高于1，不难看出何勇教授是我国农业工程领域的领军人物，其发表于2016年的研究论文：基于支持向量机的草莓成熟度高光谱成像分析[12]，截至目前已经获得82次引用。

3.4 研究热点

利用SciVal的关键词分析功能分析我国农业工程领域的研究热点（表11），可以看出Biochar（生物炭）是目前我国最热门的研究主題，相关成果数量迅速增加。

4 结语

本篇文章基于SciVal平台开展研究，有两个突出特点：第一，利用基于文章级别的教育部一级学科分类功能（China SCADC Subject Categories）进行分析，该分类体系是中国本土的学科分类体系，因此更适用于中国的学科分析研究；第二，数据源的文献类型丰富多样，打破了以往只对期刊论文单一类型数据源进行分析的局限性，增加了对于会议论文、图书、快报等多类成果的分析，有助于更加全面地反映学科领域的发展状况。

文中所有结论均基于SciVal数据，可能存在偏差。尤其是数据源的选取范围会导致国外农业工程领域的相关研究成果数据不全，国外农业工程学科的发展状况可能不能被完全反映。除此之外，尽管SciVal平台的数据每周均进行更新，但目前2020年的数据仍然不全，因此相应的分析可能还不够全面。

参考文献

[1] 习近平出席中央农村工作会议并发表重要讲

话[EB/OL]. （2020-12-29） [2021-01-24]. http：//www.gov.cn/xinwen/2020-12/29/ content_5574955.htm.

[2] 张全国.推进农业工程科技创新[N].团结报，2017-03-25（002）.

[3] What is an incomplete year？ [EB/OL].（2019-01-24） [2021-01-25].https：//service. elsevier.com/app/answers/detail/a_id/28431/ supporthub/scival/

[4] Can I filter by subject area？ [EB/OL].（2018-06-07） [2021-01-25].https：//service. elsevier.com/app/answers/detail/a_id/27726/ supporthub/scival/kw/Subject+Area/

[5] What is a Topic？ [EB/OL]. （2020-07-30）[2021-01-25].shttps：//service.elsevier.com/ app/answers/detail/a_id/28428/supporthub/ scival/kw/Topic+Cluster/

[6] What do the bubbles on the wheel of science represent？ [EB/OL]. （2020-07-30）[2021-01-25].https：//service.elsevier.com/ app/answers/detail/a_id/28428/supporthub/ scival/kw/topic/

[7] Topic Prominence in Science FAQ [EB/OL].（2020-07-30） [2021-01-25]https：//service. elsevier.com/app/answers/detail/a_id/28428/ supporthub/scival/

[8] 牛奉高，邱均平.基于国家、学科合作网络和期刊分布的中国科研国际合作研究[J].情报科学，2015，33（5）：111-118.

[9] 农业工程学科发展与回顾[EB/OL]. （2013-07-24）[2021-01-26].http：//blog.sciencenet.cn/ blog-328592-710826.html

[10] Karjalainen，Mika，Ahokas，et al. Remote sensing methods for power line corridor surveys[J].Isprs Journal of Photogrammetry& Remote Sensing，2016.

[11] Elliott D C，Biller P，Ross A B，et al. Hydrothermal liquefaction of biomass：Developments from batch to continuous process[J].Bioresource Technology，2015，178：147-156.

[12] Chu，zhang，Chen tong，et al. Hyperspectral imaging analysis for ripeness evaluation of strawberry with support vector machine[J]. Journal of Food Engineering，2016.