APP下载

基于CNKI数据库的土壤酶研究文献计量分析

2021-10-05李贝贝张永慧苏友波

广东农业科学 2021年8期
关键词:发文聚类文献

李贝贝,张永慧,苏友波

(云南农业大学资源与环境学院,云南 昆明 650102)

【研究意义】土壤酶是一种具有生物催化能力和蛋白质性质的高分子活性物质[1]。主要来源于土壤微生物活动、植物根系分泌和土壤动植物残体分解[2]。土壤中酶的来源不同,种类繁多,已经被鉴定出的约60种酶活性,根据作用原理可以分为水解酶、氧化还原酶、转移酶、裂合酶、异构酶和合成酶等六大类[3]。土壤酶作为生态系统中一切复杂的生物化学过程的催化剂,在土壤生态系统的物质循环和能量转化过程中起着重要作用[4],不仅可以反映土壤生物活性的高低,表征土壤物质能量代谢旺盛程度,而且可以间接评价土壤肥力状况[5]。【前人研究进展】土壤酶活性对环境变化敏感,成为土壤生态系统变化的预警指标,在一定程度上反映了土壤环境和质量,在土壤生态系统中扮演着重要的角色[6]。土壤酶作为农业土壤中的重要生物活性指标,从20世纪80年代开始我国开展了大量研究工作[1]。面对越来越多的研究文献,及时把握最新研究成果及学科发展态势,对于土壤酶研究来说十分必要。

【本研究切入点】文献计量法基于大量的文献数据进行快速、准确的定量分析并进行可视化表达,相比传统的文献综述方法更科学直观[7-8]。CiteSpace软件能够对特定领域文献进行计量,探寻出学科领域演化的关键路径及知识转折点,并绘制相关的可视化图谱,为我们直观地展示了某学科领域的发展脉络及研究热点[9-10]。目前,国内还没有关于土壤酶主题的文献计量分析内容发表。【拟解决的关键问题】为全面了解我国土壤酶的研究热点与发展趋势,本研究基于CNKI期刊数据库采用文献计量学方法,运用Excel及CiteSpace可视化分析软件,对国内土壤酶研究文献进行计量及可视化分析,以期为我国土壤酶研究提供科学依据与参考资料。

1 材料与方法

1.1 数据来源

本研究数据采集于2021年2月15日,来源为中国知网(CNKI)检索平台,选择中国期刊全文数据库作为数据源。以“土壤酶”为主题,对2021年之前发表的期刊文献进行“精确”检索,检索到相关中文文献共6 929篇。选择近5年即2015—2020年共2 602篇文献数据进行研究热点和趋势的详细分析,将数据记录分6批次导出为“Refworks”文件格式,按次序命名为“download_ XXXX.txt”。

1.2 分析方法

运用CNKI可视化分析功能及Excel软件对国内土壤酶研究发文数量、发文机构、学科分布和主题等进行计量统计分析。通过CiteSpace软件,对2 602篇文献进行研究机构的科学合作网络、关键词的共现网络分析。通过对图谱可视化及计量结果分析总结得出土壤酶研究领域的高产机构、研究前沿与热点领域。

2 结果与分析

2.1 土壤酶研究基本情况

2.1.1 年发文特征分析 某领域的年度发文量代表该领域知识量的变化,也可以反映其近年的学术关注程度[11]。以“土壤酶”为主题在CNKI学术期刊库中进行检索,国内土壤酶研究各年度发文量趋势见图1。由图1可知,1978年发表第1篇土壤酶主题研究文献,至今共收录相关文章6 929篇,发文数量总体呈上升态势;2000年以前,共发表以“土壤酶”为主题的论文451篇,仅占总发文量6.58%,国内土壤酶研究尚处于初始阶段;进入21世纪后,相关主题发表的学术论文数量呈指数增长态势,并在2020年达到年发文量最大值593篇。这说明进入新世纪以来,土壤酶研究在我国逐渐成为热点,且目前仍处于高速发展期。由此预测,近几十年国内期刊还将有大量以土壤酶为主题的论文继续发表。近5年即2015—2020年共发表相关论文2 602篇,占总发文量的38%,年均发文量500篇左右,总体处于较高水平。为此本研究选择2015—2020年2 602篇论文进行研究热点及趋势分析。

图1 1978—2020年国内土壤酶研究发文数量变化趋势Fig.1 Trend of number of published articles on soil enzyme research in China from 1978 to 2020

2.1.2 基金来源统计 将土壤酶研究发文基金来源进行统计,由表1可知,土壤酶研究主要由国家级项目基金支持,占近5年总发文量的55.65%。尤其是在国家自然科学基金的支持下,以“土壤酶”为主题发表论文900篇,占比34.59%。该结果体现了国家对土壤酶研究的重视,同时国内土壤酶研究也在国家基金的支持下取得较大进展。此外,其他相关研究主要为各省科学基金支持。

表1 近5年土壤酶研究主要基金来源统计Table 1 Statistics of main fund sources for soil enzyme research in recent five years

2.1.3 高产发文机构 发文量是研究机构科研能力的一个侧面表现[12]。表2统计了土壤酶研究发文量前10的机构,通过统计分析发现,国内各地涉农高校是土壤酶研究的核心力量,尤其是近5年发文量第1名的西北农林科技大学、共发文106篇,其次是甘肃农业大学92篇、山东农业大学82篇。

表2 近5年土壤酶研究主要研究机构统计Table 2 Statistics of main research institutions of soil enzyme research in recent five years

图2为土壤酶研究发文机构共现图谱,圆形节点代表研究机构,节点半径越大表明该机构的合作发文量越多,各层年轮厚度与对应年份合作发表的论文频次呈正比;紫色外圈代表中介中心性,其厚度代表合作研究活跃程度[13]。节点间连线代表共现关系,连线的粗细反映合作密切程度,不同的合作年份用不同颜色表示。整体来看,国内各土壤酶研究机构间联系较多,具有较好的合作关系。尤其是中国科学院大学合作研究最活跃,反映了其在国内土壤酶研究领域的影响较大。合作发文量较高的机构依次为中国科学院大学、宁夏大学及西北农林科技大学,且三者间的交叉合作紧密。发文量机构排名(表2)与合作发文量排序在一定程度上有重叠,说明合作研究在土壤酶研究中发挥着重要作用。在当今信息化时代,知识交流和资源互补更加便捷,科研单位间的合作将促进土壤酶的研究发展。

图2 近5年国内土壤酶研究机构共现图谱Fig.2 Co-occurrence map of soil enzyme research institutions in China in recent five years

2.1.4 发表期刊统计 按近5年发文量对刊物进行排序,排前10名的期刊均为北京大学《中文核心期刊要目总览2020》来源期刊(表3),依次为生态学报(79篇)、应用生态学报(59篇)、植物营养与肥料学报(39篇)和环境科学(33篇)等,涉及生态、环境、植物营养及农林科学等学科。前10名的期刊共载文316篇,仅占近5年总发文量的12.14%,说明土壤酶发表期刊较为分散,可刊领域广泛。

表3 近5年土壤酶研究主要发表期刊统计Table 3 Statistics of main published journals of soil enzyme research in recent five years

2.2 土壤酶研究热点及方向

2.2.1 涉及学科 由图3可知,土壤酶研究发文量较高的学科依次为农业基础学科、农艺学、农作物、园艺及自然地理学和测绘学等。主要集中在农学和理学两大领域,尤其是农业基础科学和农艺学两个专业发文量占土壤酶研究总发文量的50%。在信息传递便捷的当今,增强学科融合交叉会对某领域研究发展产生积极的促进作用[14]。土壤酶学已不仅限于土壤学的研究范畴,与林学、生态学、农学和环境科学等学科相互渗透,成为陆地生态系统研究中的必测指标[4]。

图3 近5年土壤酶研究前10名学科分布Fig.3 Top ten disciplines of soil enzyme research in recent five years

2.2.2 高频主题词 对不同划分阶段的土壤酶研究进行主题词统计,结果(表4)显示,自1978年国内第1篇土壤酶主题文献发表以来,高频研究主题分布在土壤酶活性、土壤酶、土壤微生物、土壤养分及肥力等方面。近5年来研究主题仍集中在土壤酶活性、土壤微生物及土壤养分等方面,而关于土壤肥力、根际土壤酶等方面的研究稍有下降,土壤理化性质研究较为稳定,有机肥研究显著增加,尤其是生物炭代替秸秆还田进入高频主题词前10名,说明国内关于生物炭及土壤酶活性间的关系在近年逐渐成为新的研究热点[15]。

表4 不同阶段土壤酶研究高频主题词统计Table 4 Statistics of high frequency key words in soil enzyme research at different stages

2.2.3 关键词统计分析 关键词是对论文主题的概括性描述。对关键词进行共现分析有助于挖掘某领域的研究热点,进行聚类分析可以辨析该领域研究方向[16-17]。运用CiteSpace分析软件绘制近5年土壤酶研究关键词共现图谱(图4),由图4可知,各研究热点之间联系紧密。土壤酶研究围绕土壤酶活性集中在土壤微生物、土壤肥力等方面,与近5年热点主题词的统计结果相近。基于关键词共现图谱进行聚类分析,提取聚类信息见表5,近5年土壤酶研究领域共提取出12个聚类,最大聚类包含50个文献研究,最小包含18个,聚类结果可靠(silhouette>0.7)。

表5 近5年土壤酶研究发文关键词聚类信息Table 5 Cluster information of key words in soil enzyme research paper in recent five years

图4 近5年土壤酶研究发文关键词共现图谱Fig.4 Keywords co-occurrence map of soil enzyme research paper in recent five years

聚类0土壤、聚类1土壤肥力、聚类9土壤有机碳和聚类10氮沉降这4类聚类为土壤酶研究领域最主要的方向,涉及土壤养分与土壤酶的关系。土壤酶能促进土壤系统中养分循环,提高养分的转化利用效率[18]。有机肥的施用能够补充土壤养分,更重要的是有助于改善土壤的微生物环境,提高酶活性[19-20]。通过研究不同种类有机肥施用和不同施肥措施对农田土壤理化性状、生物学性状、养分利用以及作物产量等的影响,提出合理的施肥建议[21-24]。

聚类3微生物、聚类7土壤微生物、聚类8微生物量和聚类11微生物群落这4类聚类关注点主要在改善土壤微生物群落及提高微生物量的研究方面。土壤微生物是土壤酶的主要来源,对土壤酶活性水平具有决定性作用[25]。农田土壤微生物群落丰度与土壤理化性质密切相关,主要受耕作方式和种植年限的影响[26]。秸秆还田、免耕等保护性耕作方式降低了耕层土壤容重,改善了水热环境,进而增加土壤微生物数量和多样性[27-28]。连作年限较长容易导致致病菌数量积累,土传病害加重,产生连作障碍,影响作物产量[29]。

聚类2连作障碍的研究目的为解决农业生产中各类作物连作导致的病害加重、产量降低的问题。连作障碍的土壤普遍酶活性降低[29]。轮茬相比连作能显著提高土壤酶活性,优化细菌群落结构,提高土地生产力进而提高产量[30]。

聚类5酶活性和聚类6脲酶关注提升土壤酶活性的最佳农事措施,主要通过增加养分含量及改善农田土壤微生态[31]。

聚类4通径分析和聚类12高通量测序这两种聚类涉及试验分析方法。高通量测序法是对土壤细菌群落多样性进行分析的先进方法[30]。通径分析与简单相关分析相比能更深入的揭示土壤酶活性和影响因子的关系[32]。表明近年来土壤酶相关研究试验分析技术的进步。

根据上述13个聚类关键词分析可知,近5年国内土壤酶研究热点主要集中在3个方面:(1)探寻不同农事措施和有机肥料施用等对改善土壤理化性状、提高土壤酶活性和养分利用效率的影响;(2)改善土壤微生态和微生物群落结构,通过保护性耕作等措施降低土传病害,解决农业生产问题;(3)应用高通量测序和通径分析等新技术方法精确全面解释土壤酶问题。

3 讨论

本研究对国内土壤酶相关研究进行梳理,并着重对近5年的研究成果进行分析。借助计量学方法和可视化分析讨论总结了土壤酶的研究状况和热点趋势:

从不同时间发文量特征来看,我国进行土壤酶相关研究已有40多年历史,起步时间相对较早。在2005年以前,即约前30年的研究中发文量增长缓慢,关注度较低;而在2005年以后呈现指数增长,尤其近10年达到土壤酶研究史以来的发文最高峰,说明土壤酶相关研究仍处于蓬勃发展期。

土壤酶相关研究主要来源于国家项目基金支持,涉农高校是土壤酶研究的重要力量。各大科研院所及农业院校积极合作研究,挖掘土壤酶在农学、园艺和自然地理等多领域的应用价值。

由高频主题及关键词分析可知,土壤酶活性、土壤微生物和土壤肥力一直是土壤酶研究的关注热点,目前国内土壤酶研究主要集中在以下3个方向:不同施肥和农事措施对提高土壤酶活性和养分利用效率的影响;改善土壤微生态和微生物群落结构,解决农业生产问题;应用分子生物学技术提高土壤酶研究的试验分析水平。

4 结论

自20世纪70年代国内开展土壤酶相关研究以来,土壤酶一直受到国内学者的高度重视。研究方向趋向多样化,研究深度和广度不断得到拓展,研究方法和手段持续更新。随着与环境、生态等领域的融合发展,土壤酶已成长为自然科学研究中重要的一部分,并将在农业生产应用方面发挥越来越重要的作用。

猜你喜欢

发文聚类文献
Hostile takeovers in China and Japan
10条具体举措! 山东发文做好返乡留乡农民工就地就近就业
Cultural and Religious Context of the Two Ancient Egyptian Stelae An Opening Paragraph
校园拾趣
爷孙趣事
以牙还牙
基于DBSACN聚类算法的XML文档聚类
The Application of the Situational Teaching Method in English Classroom Teaching at Vocational Colleges
The Role and Significant of Professional Ethics in Accounting and Auditing
基于改进的遗传算法的模糊聚类算法