1999—2019年中国退耕还林工程研究进展*

李 坦，惠宝航，张添烨，陈天宇

(安徽农业大学 经济管理学院，安徽 合肥 230036)

退耕还林还草工程是中国及至世界范围内资金投入最多、执行力度最大、群众参与程度最高的重大生态恢复工程之一。该工程于1999年在陕、甘、川三省试点并逐步推广，旨在对中国和世界产生有益的生态与社会经济影响。自实施以来，已累计退耕还林还草2.06亿公顷，财政总投入5 112亿元，每年产生的生态效益总价值达1.38万亿元[1]。截至2020年，该项目已先后执行两轮，执行期达到20年，取得了巨大的综合效益[2]。在2020年新一轮退耕还林工程即将到期的重要时间节点，梳理20年来退耕还林政策的研究成果与进展，旨在明确下一轮退耕还林政策的执行方向，为政府和学界提供理论与现实依据。

退耕还林工程不仅肩负防风固沙、防止水土流失和应对气候变化的生态学目标[3-5]，还承担着退耕地区经济结构调整、生态文明建设和扶贫脱贫等经济学重任[6-8]。因此，学术界对退耕还林工程进行了大量研究。表1中列出了与退耕还林工程政策演进时间节点相关的文献综述。退耕还林工程1999年开始试点示范，2002年，宣布全面启动；2003年，《退耕还林条例》在全国范围内正式实施，该年工程总任务达0.07亿公顷①；2007年，国务院下发《关于完善退耕还林政策的通知》，提出巩固发展退耕还林还草成果的主要政策措施。我国的退耕还林工程经历了逐步发展(1999—2003)、迅速扩张(2003—2007)、巩固成果(2007年至今)三个阶段。

由表1可知，尽管学界从不同视角对退耕还林工程的研究进行了归纳概括，但大多采用人工查阅与归纳整理的方法进行定性分析，在文献选择、热点解读和文献覆盖量等方面有一定的局限，缺少对文献特征及被引数据的定量分析。

CiteSpace软件是一种使用JAVA语言开发的复杂网络可视化分析平台，由美国德雷克塞尔大学陈超美开发设计[19]359，已成为文献计量分析普遍运用的一种新方法。它通过序列化的知识谱系与可视化的知识图形显示各类知识群或单元间的网络、结构、互动、交叉与演化衍生等隐含关系，目前在环境领域得到广泛应用。如毛文山等对国内水生态环境研究领域进行了文献计量分析[20],胡志毅等利用文献计量技术研究了中国旅游生态足迹[21],许恩银等对LULUCF关联林业碳问题进行了文献计量分析[22]。但对国内的退耕还林工程研究领域仍缺乏科学知识图谱分析，传统归纳概括的综述研究(见表1)也无法定量分析研究趋势与热点。因此，为进一步全面对退耕还林工程的研究现状与热点问题进行总结，以CiteSpace软件为工具，运用关键词共现、聚类和突现分析方法，对退耕还林领域内的文献数据进行分析，通过提取聚类标签和附加时间标签，绘制出作者合作网络、机构合作网络、关键词共现网络三类科学知识图谱，选取相对应的指标用于分析和评价，对退耕还林研究领域发展历程进行梳理并揭示发展趋势和热点问题。

一、文献检索与分析

(一)文献检索方法

参考毛文山等归纳的六元组检索模型[20]，于2020年2月在中国知网(CNKI)上进行文献检索。在CNKI官网选择高级检索，检索字段为“退耕还林”，检索式为“篇名or关键词or摘要”，检索模式为“精确”，时间跨度为“1999-2019”，文献类型为“期刊”，同时为保证文献质量，将数据来源限定为“CSSCI”和“CSCD”。最后通过人工对比筛选，剔除新闻报道、政府报告等无关结果，最终得到有效中文期刊文献记录858条。

为检验中国学者的国际影响力，在Web of science(WOS)核心合集数据库中检索，主题词为“Conversion of cropland to forest program” (CCFP)、“Sloping land conversion program” (SLCP)、“Grain for green program” (GFGP)，选取被引频次最高的10篇文献分析。

(二)文献知识图谱分析与归纳

为合理评价退耕还林工程的研究进展与演变特征，运用CiteSpace进行知识图谱聚类分析与归纳。在知识图谱分析中，一般使用3个基本概念对其工作原理进行阐述，分别为“研究领域”“研究前沿”和“知识基础”[19]360。3个概念之间的逻辑关系为：Φ(t)：Ψ(t)→Ω(t)。其中，Ψ(t)表示退耕还林工程领域的“研究前沿”，由一组在t时刻与研究前沿新趋势密切相关的学术名词或术语组成；Ω(t)代表退耕还林研究领域的“知识基础”，主要由包含前沿术语的研究论文所引用的大量参考文献构成；Φ(t)表示退耕还林“研究领域”，主要表示为从“研究前沿”到“知识基础”的一个时间映射。因此，在以上概念的基础上，可以得到以下公式：

Ψ(t)={term|term∈STI∪SAB∪SDE∪SID∧IsHotTopic(term,t)}

(1)

Ω(t)={article|term∈Ψ(t)∩term∈article0∩article0→article}

(2)

在上式中，STI、SAB、SDE和SID分别表示来自论文标题、摘要、作者和关键词的一系列专业术语，IsHotTopic(term,t)是布尔函数，表示t时刻term是否作为一个热点术语；article0→article表示论文article0引用了论文article。

以此为基础，分析内容为：文献产出时间及来源期刊、高被引文献与作者、核心作者及合作网络、研究关键词。其中，文献产出时间及来源期刊、高被引文献与作者主要通过CiteSpace软件对1999—2019年退耕还林文献输出数据进行归纳整理与分析。核心作者及合作网络、研究关键词主要进行可视化知识图谱分析，计算方法如下：

1.核心作者与核心机构筛选

发文量常被用来确定研究领域的核心作者与核心机构。根据普赖斯定律[23]，作者或机构发表Mp篇论文即可被视为核心作者(机构)，计算公式为：

(3)

式中，Mp代表论文篇数，Npmax代表所统计年限最高产作者(机构)的发文量。常数0.749为普莱斯在洛特卡定律的基础上演算证实的一个常数，即个人论文数大于该常数的学者发表论文总数恰好等于全部论文总数的一半[24]。

2.可视化知识图谱分析

知识图谱的构建和分析流程为：第一步，通过确定时间切片(1 year per slice)、阈值参数(Top=50 per slice)、连接强度(Cosine)、网络剪裁(Pathfinder)，生成作者、机构合作网络及关键词共现网络；第二步，基于CiteSpace输出数据，并结合节点数、连线数、网络密度、中介中心性和Sigma值来分析核心作者(机构)的构成情况和合作关系；第三步，使用CiteSpace软件对关键词进行突发性分析，能有效地从数据中勾勒出突发的研究热点以及其热度持续的时长，从而体现学科前沿动态。对关键词进行聚类分析和突发性检测，提取聚类标签和突现词来分析退耕还林研究各阶段的研究热点和前沿趋势。其中，通过对数似然比算法(log-likelihood ratio，LLR)来提取聚类标签和突现词，具体算法为：

(4)

3.知识图谱中的关键评价指标

第一，知识图谱分析按照网络结构和聚类的清晰程度提供了Modularity Q值和Silhouette值(简称为Q值和S值)[26]28，作为评判图谱绘制效果的参照。

Q值反映聚类结构的效果，计算公式为：

(5)

式中，i代表划分好的聚类编码，eii代表聚类内部连线占全图所有连线的比例，di是聚类i相关的连线占所有连线的比例。当Q>0.3时，可以认为聚类结构显著[26]28。

S值反映聚类的同质性，即聚类平均轮廓系数，单个样本的S值计算公式为：

S=1-a(i)/b(i)

(6)

式中，a(i)为i点与所在类别中其他点的平均距离，b(i)为i点与最接近i点所在类的类中各点的平均距离。当S>0.5时，可以认为聚类结果合理[26]。

第二，节点的中介中心性可以用来衡量文献的重要性，计算公式为：

(7)

第三，网络密度(Density)的含义为图谱网络中的“实际关系数”除以“理论上的最大关系数”，即在一个节点数量为n的无向网络中，最大可能的关系数[25]148。网络密度值越高，就表明整个关系网络的联系越紧密。计算公式为：

Density=2m/[n(n-1)]

(8)

式中，n为网络中的节点数，m为网络中的连线数。

二、结果与分析

(一)文献产出时间及来源期刊分析

对退耕还林工程的相关文献进行统计分析，主要是对该领域的研究情况从文献产出时间和来源期刊两个方面进行分析。

1.文献产出时间分析

文献发表量是衡量退耕还林工程领域内研究进展的重要指标。通过对文献进行分年度统计分析，可以了解不同时间段退耕还林工程的研究情况及总体变化趋势。由图1可知，退耕还林工程的文献发表数量总体呈现波动趋势，社会热点与政策聚焦对发文量有一定的影响。根据波动趋势可以将其分为四个阶段： 第一阶段，1999—2005年，是退耕还林工程相关研究从初步兴起到快速发展的阶段，发文量逐年递增。1999年，川、陕、甘三省开展退耕还林工程的试点工作；2002年，国务院正式通过《退耕还林条例》，并于2003年1月正式施行。作为一项中国乃至世界范围内规模最大、农户参与程度最高的生态恢复政策，退耕还林工程的相关研究相对匮乏，引起了大量学者关注。在这一阶段，退耕还林工程文献数量稳步上升。第二阶段，2006—2008年，退耕还林工程的相关研究数量开始呈现下降趋势。可能的原因为：一方面，政策研究具有一定的时滞性；另一方面，2006年国务院明确提出确保18亿亩耕地红线的耕地保护政策，国家发展改革委员会等部门联合印发的《关于下达2006年退耕还林计划的通知》中指出：“确保退耕农户基本口粮田，口粮田不达标的地方不安排退耕还林任务。”第三阶段：2009—2014年，退耕还林工程的研究数量呈现迅速增加再少量减少的趋势。可能的原因是，这一时期没有下达实施新一轮退耕还林任务，仅实施了退耕还林成果巩固专项规划。因此，这一时期文献主要围绕如何巩固退耕还林成果展开研究，发文数量有下降趋势。第四阶段，2015—2019年，国内发文量比较稳定，但依然呈小幅下降趋势。可能的原因是，2014年后国务院重启了退耕还林政策，但覆盖范围与第一轮相比明显缩小。同时，新一轮退耕还林工作与生态文明建设、精准扶贫政策逐步结合[27]，各类交叉研究逐渐成为重点，研究主题更为细化深入，以退耕还林为唯一主题搜索到的文献数量有所减少。

图1 1999—2019年退耕还林文献年分布

1999—2019年，我国退耕还林工程相关研究的发展与政府对退耕还林政策的导向紧密相关。从发文量趋势曲线来看，随着不同时期焦点问题的演变与研究技术的进步，发文数量呈现一定的波动趋势。

2.来源期刊分布统计

退耕还林工程是一项多学科交叉的系统工程，因此文献来源期刊的学科分布是衡量该领域研究进展的重要指标。从学科分布上看(见图2)，退耕还林研究的文献在各学科类别分布较为平均，农林经济管理学科的发文量最多，共318篇，约占总量的37.06%；其次是农学、林学学科，共292篇，约占文献总量的34.07%；资源、环境、生态学学科的发文量相对较低，共248篇，约占发文总量的28.90%。

图2 主要学科类别文献数量及其占比

(二)高被引文献及其作者分析

高被引文献可以体现该领域的国内外学术影响力，也是一项重要的指标。因此，基于CNKI被引量数据和Web of Science被引量数据，对我国退耕还林研究领域的高被引中英文文献进行回顾。

被引次数最高(338次)的中文文献是徐晋涛等运用双重差分这一准自然实验的方法评估退耕还林工程的成本有效性和经济可持续性的经典文献，发表于《经济学(季刊)》[28]。从文献发表年份上看，2005年前发表文献共7篇，2010年后发表文献仅3篇。

从研究领域看，社会科学类文献共7篇，自然科学类仅3篇(见表2)。在社会科学类文献中，有从宏观层面探讨政策实施情况。如李世东通过回顾总结国外退耕还林还草概况，为我国退耕还林政策实施提供了启示[29]；陶然等在评估退耕还林工程成本有效性的基础上，揭示该工程从试点、扩张到调整的体制和政策逻辑[30]。也有文献从补偿视角探讨制度问题。如黄富祥等通过构建经济补偿的概念模型，对补偿标准的确定和补偿制度建立进行探讨[31]；支玲等对西部退耕还林经济补偿机制及运行进行初步探讨并提出政策建议[32]。还有探讨农户生计问题的研究。如谢旭轩等基于退耕还林可持续生计分析框架，采用匹配倍差法等计量模型发现，退耕还林对农户的种植业收入产生显著负面影响[33]；李树茁等基于农户家庭结构的可持续生计分析框架探究退耕还林政策对农户生计的影响差异[34]。自然科学类文献中，2001年，傅伯杰等对遵化县的土地利用变化与土壤养分变化相互关系与作用机制进行研究[35]926-931；2005年，彭文英等研究发现，退耕还林工程对土壤质量恢复具有显著促进作用，土壤物理结构明显改善，土壤养分明显增加[36]；2011年，宋富强等基于NODIS/NDVI数据，利用均值变化和趋势分析方法研究发现，退耕还林对植被恢复具有明显促进作用[37]。上述文献在国内权威期刊公开发表后，被学界广泛引用，产生了一定的影响力，具有推动相关研究发展与政策演进的积极作用。

表2 高被引中文文献

(三)核心作者群体分析

1.作者合作网络分析

基于CiteSpace软件运算可以得到研究者合作网络，对合作网络的分析可以反映出退耕还林工程的核心作者及研究团体之间的合作关系。对所有发文作者进行分析后得到核心作者图谱(见图3)，共有节点201个，连接线272条，网络密度为0.013 5，表明作者合作网络总体较为分散。结合作者资料可以得出，作者以3～5人团体合作为主，大多限于同一机构或地域内；整体合作并不紧密，跨地域和机构合作比较少见；部分学者之间形成了较为固定的合作关系，核心合作网络已初见雏形。

图3 研究者合作网络

根据普赖斯定律，发文量在3篇以上即为核心作者，经统计，退耕还林工程相关研究的核心作者共有33位。该领域核心作者发文量仅占总量的36.59%，未达到50%，说明研究者较为分散，未形成高产作者群。

结合可视化数据可知，发文量大于6篇的作者共有11位，排名前三的作者分别为姚顺波、王继军和孙保平(见表3)。

表3 发文量前11名的作者

2.核心机构合作网络分析

根据CiteSpace软件可以进一步得到研究机构合作网络，借助可视化分析可以了解国内退耕还林工程研究领域各个科研院所和机构之间的关系(见图4)。发现节点96个，连线78条，网络密度为0.017 1，研究机构合作网络整体较为分散。将发文量达到4篇以上的机构定义为核心机构，共有28家机构为退耕还林领域相关研究的核心机构。从空间上看，部分机构之间有一定的连线，形成了一定的合作关系。以研究机构(高等院校或科研单位)下属的各分支机构(学院或研究所)的内部合作为主，核心合作网络已初见雏形，但不同研究机构之间或属于不同研究机构的分支机构，合作不紧密。由图4可知，农林类高校与地理资源类机构之间合作相对较多，二级机构中的农学院、林学院、经济管理学院、水土保持研究所和资源环境管理部门等参与较多。同一地域内的研究机构间合作较多，跨地域和跨学科的研究合作较少。

图4 退耕还林研究机构合作网络

结合可视化数据，研究发现，退耕还林领域的研究团体集中于以西北农林科技大学和北京林业大学为代表的农林类高等院校及中国科学院院属研究所(见表4)。发文量最多的机构是西北农林科技大学、中国科学院和北京林业大学。其中，西北农林科技大学共发表90篇文献，总被引1 425次，中国科学院共发表77篇文献，总被引1 964次，北京林业大学共发表47篇文献，总被引814次。可知，在退耕还林工程研究领域内，农林类高校的科研资源相对集中，投入和研究力度也最大，中国科学院和国家林业局等科研院所、管理部门整体参与度较高。

表4 研究机构发文量(二级机构合并)

(四)关键词分析

1.关键词共现

运用CiteSpace软件发现，退耕还林研究领域内文献的关键词较为集中，联系紧密。最为核心的关键词为“退耕还林”，共出现了471次，中介中心性达到0.87。而“退耕还林还草”这一关键词的Sigma值达到了2.45(见表5)，表明具有同样重要的地位。其他高频词(出现频率大于15次)主要有“退耕还林还草”“黄土高原”“土地利用”“生态补偿”“农户和可持续发展”，核心关键词(中介中心性高于0.1)主要有“退耕还林”“黄土高原”“生态补偿”和“天然林禁伐”。可以看出，学术界对退耕还林(还草)工程的研究主要集中在对政策本身及其对土地利用、生态效益和对重要利益相关方即农户群体的影响。同时，退耕还林工程的焦点地区和典型地区也引起了广泛关注。

表5 关键词出现频次

2.关键词聚类分析

对聚类关键词的分析有助于了解退耕还林工程领域的研究热点与焦点。使用CiteSpace软件进行关键词聚类分析，把关联程度较高的关键词聚为一类，抽取该类别中的关键词进行标注，形成某个学科或领域的一个研究主题。聚类参数显示，Q值=0.7337>0.3，S值=0.8354>0.7，均与1接近，说明聚类结果较为合理，总体聚类效果较好[35]。根据所包含的关键词数量多少，对代表性较差的聚类不予显示，最后得到17个代表性较高的聚类类别。最终生成关键词聚类时间线图谱(见图5)，可以直接展示聚类间关系，即聚类之间的相互联系和相互影响都会在时间线视图上直观表现[38]。在对聚类主题进行判别分析后，将17个聚类组合总结为四个类别：第一类为退耕还林的内涵界定，包括#5退耕还林模式、#8退耕还林政策等[39-41]； 第二类为退耕还林的研究区域和对象，包括#3黄土高原、#7农村、#10耕地等[42-44]；第三类为退耕还林的研究方法和角度，包括#2影响因素、#6时空变化、#15 3S技术、#16监测等[45-47]；第四类为退耕还林的效果探讨，包括#0生态恢复、#1土地利用、#4可持续发展、#14土壤侵蚀、#17碳汇等[48-51]。从时空尺度来看，对退耕还林工程的研究整体经历了由现象到机理、由理论到应用、由普遍到典型的发展历程，与退耕还林工程由“大规模扩张”到“高质量发展”的政策演变路径较为契合。

3.突现词分析

研究共得到8个突现词(图6)，包括“退耕还林还草”“可持续发展”“农民”“劳动者”“黄土高原”“黄土丘陵区”“西部地区”和“生态环境”。

图6 排名前八位的研究突现词

从影响周期来看，“西部地区”“农民”和“劳动者”的影响周期在2001—2005年，如李双江等在对西部退耕还林(草)的必要性及目前状况论述的基础上，分析了目前存在的问题并提出了相应建议[52]；刘燕等对退耕还林中地方政府和农民承担的成本和收益损失进行估算[53]。“生态环境”的影响周期在2002—2008年，如王小龙构建双重任务委托—代理模型，分析退耕还林实施中的激励不相容问题[54]。“退耕还林还草”的影响周期在2004—2006年，如彭文英等以安塞县为例，选取不同类型的退耕样区，探讨退耕还林还草对土壤理化性质的影响[36]272-278。“可持续发展”的影响周期在2007—2010年，如支玲等运用层次分析法建立评价指标体系，评估退耕还林工程可持续发展能力[55]。2010—2019年，突现性较强的两个关键词是“黄土丘陵区”和“黄土高原”，如赵安周等基于 GIMMS NDVI3g数据，分析不同周期黄土高原植被覆盖时空演变特征及其驱动因素[56]。

从研究内容来看，突现词可以分成三类：一是热点地区，如“西部地区”“黄土丘陵区”和“黄土高原”；二是重要利益相关方，如“农民”和“劳动者”；三是政策及政策效应相关内容，如“退耕还林还草”“生态环境”和“可持续发展”。西部地区作为退耕还林工程实施的发源地与生态敏感地区，引起了学术界的广泛关注。随着退耕还林工程的实施，典型生态脆弱地区(如黄土丘陵区、黄土高原地区)的生态修复成效显著，这一地区成了研究的热点区域。同时，退耕还林工程不仅承担着“改善生态环境和增加林草资源”的目标任务，还肩负着“调整退耕地区经济结构、促进农民脱贫增收”的减贫使命。因此，对农民和劳动者的福利研究成为研究热点。此外，退耕还林还草工程实施后，学术界对其产生的生态环境效益、政策机制与可持续发展等进行了广泛探讨，积累了大量的研究成果，体现了学术界对退耕还林工程“高质量发展”的关注。

三、结论与展望

从知识图谱分析的角度，以1999—2019年间CNKI收录的858篇文献为主要研究对象，以CiteSpace可视化软件为工具，揭示国内退耕还林领域的研究演进路径、研究趋势和研究热点。结果表明：退耕还林工程是农林科学、农林经济管理和生态学领域中近20年来持续关注的热门选题。中国科学院、西北农林科技大学、北京林业大学在该领域的科研影响力较大，但各个作者对该领域的贡献比较分散，相互间合作较少；目前退耕还林工程领域的热点问题主要包括：对于生态脆弱地区(如黄土高原地区)退耕还林后生态状况的研究；关于退耕还林地区农户生计研究，主要从政策执行度和延续度等方面建立评估框架展开研究；关于退耕还林和精准扶贫实现效果的研究，主要从退耕还林政策贫困瞄准度等方面展开。研究范畴由聚焦政策内涵与逻辑阐释逐渐转向对实践导向的探索总结与凝练，多数研究肯定了退耕还林工程对生态环境和农户福利的恢复与提高的作用。

退耕还林(还草)工程经过20余年的发展，已经成为一项长期复杂的系统工程，涉及多部门、多学科和多领域。通过梳理文献和知识图谱可以发现，以下几个方面值得深入研究：第一，对2020年退耕还林还草第二轮工程到期后的评估工作。从政策设计与评价视角，对新一轮退耕还林政策到期后耕地的规模和边界的研究，对新一轮退耕还林实施效果、农户响应度、复耕意愿、财政支持力度等相对研究较少，是值得关注的方向。第二，依托第三次全国土地调查结果，建立全国统一的多学科、多领域、多维度退耕还林数据评价与动态监测体系。将多学科如测绘学、统计学、农林经济管理、生态学等进行交叉的研究尚不多见，是未来应当深入探索的研究方向与路径，应在巩固研究机构内部各单位合作的基础上，加强研究机构的内外部交流与合作。第三，对现阶段的乡村振兴和精准扶贫政策之间的交互与瞄准效应，以及黄河地区的乡村治理、农民用水问题等研究相对不足，这也是未来值得关注的方向。第四，在退耕还林工程的实施中，如何精准施策、科学引导参与者在不同的空间上选择合适的生态修复模式也是值得研究的问题。第五，相较于横向生态补偿模式，退耕还林工程仍是以中央财政转移支付为主要特点。深入分析生态补偿机制简单逻辑背后的复杂社会关系，逐步转变激励机制，探索跨区域横向生态退耕交易模式，也是未来值得关注的方向。

中国的退耕还林工程成功树立了全球生态治理与生态恢复的典范，对世界其他国家特别是发展中国家具有重要的参考意义。但由于主要图谱分析数据来源于中文期刊，对国外文献没有进行可视化分析。同时，由于制度的差异，对于国外如美国、英国、法国、日本和澳大利亚等发达国家的退耕还林工程没有进行对比分析。因此，在未来研究中将扩大数据检索范围，对国内外退耕还林工程的相关研究成果进行综合比较分析。

注释：

①数据来源于国家林业与草原局发布的《中国退耕还林还草二十年(1999—2019)》。