基于CiteSpace的森林小气候研究态势与热点分析①

陈文盛， 丁慧慧， 李江荣， 陈康， 汪汉驹

西藏农牧学院 高原生态研究所/西藏高原森林生态教育部重点实验室/西藏林芝高山森林生态系统国家野外科学观测研究站/西藏自治区高寒植被生态安全重点实验室， 西藏 林芝 860000

森林小气候是指在森林内乔木层、 灌木层与草本层共同作用下所形成的不同于大环境下的局部地区的气候[1]， 主要是通过不同的林型、 树木生长情况、 地形地势等(统称下垫面)影响林内光、 热、 水、 汽等气象要素综合作用的结果． 森林小气候的研究能够体现森林与气象因子之间的关系与时空变化规律[2]， 对地表植被的组成及其分解过程具有中介性[3]， 且能够评估森林生态系统的服务功能[4]． 目前， 国内外对森林小气候的研究工作主要围绕4个方面展开： 一是对不同冠层结构的小气候研究． 如Zellweger等[5]与Jucker等[6]认为不同的冠层结构具有不同的小气候特征， Kovács等[7]认为不同的林业处理(改变冠层结构)会造成不同的微气候特征， 杨钙仁等[8]研究了不同冠层结构针阔混交林与纯桉树林之间森林小气候的差异． 二是对林内垂直梯度上小气候研究． 如Takemoto[9]认为影响森林小气候的主要因素是森林的垂直结构， 程璨[10]研究了空青山次生栎林温度垂直梯度变化， 并认为太阳辐射是其主要影响因素； 王霞等[11]对比黄河三角洲白蜡人工林冠层上与冠层内的小气候特征， 认为冠层具有保温增湿、 降低风速的作用． 三是对林内与林外的小气候研究． 如Georg等[12]研究了疏密林冠下小气候与邻近开阔区小气候的关系； Spittlehouse等[13]通过对比林内、 林外、 林缘3种不同生境的温度、 湿度和辐射等， 阐述了森林的小气候效应； 孙金伟等[4]和李洁等[2]分别对长白山阔叶红松林、 昆明树木园林内与林外的小气候特征展开了对比研究． 四是对林线过渡带区域的小气候研究． 如何吉成等[14]、 Liu等[15]、 殷文杰等[16]和王媛韬等[17]对藏东南色季拉山林线过渡带的生态气候进行了研究； 王晓东等[18]和薛峰等[19]也分别对长白山北坡岳桦林线与芦芽山针叶林林线展开了小气候的研究.

文献计量学是通过数学与统计的方法对文献进行处理并提取可量化的数据用来评价某个学科或领域的发展水平及现状[20]． CiteSpace是一种进行文献计量分析的软件工具， 在众多研究领域得到了广泛运用， 弥补了传统文献综述定量的不足， 可直观地表达研究前沿与热点[21-22]． 国内外对森林小气候进行了相对系统的研究， 但很少采用文献计量学的方法对其进行研究， 本研究基于中国知网(CNKI)与Web of Science(WOS)文献数据库， 利用CiteSpace对近20年有关森林小气候的研究成果进行可视化分析， 旨在于揭示该领域国内外的研究现状与热点， 以期为森林小气候相关研究提供参考.

1 材料与方法

1.1 数据来源

本研究的数据来源于CNKI与WOS文献数据库， 其中中文文献检索采用CNKI， 主题词为“森林小气候”“森林气象学”“森林微气候”“森林生态气候”， 时间跨度为2000—2021年， 去除英文文献、 科技成果及不相关文献， 最终获得的文献数量为167篇； 英文文献检索主要采用WOS数据库， 高级检索下Booleans检索式： (TS=(forest meteorology*OR ecoclimate * OR forest microclimate )) ， 语种为English， 文献类型为Article与Review， 时间跨度为2000—2021年， 去重后最终获得的文献数量为2 611篇(其中研究报告2 531篇， 研究综述80篇)． 检索时间均为2021年10月5日.

1.2 研究方法

采用CiteSpace(5.7.R5W)文献计量软件结合数据库的可视化对检索文献进行分析． 在图谱中， 节点大小代表频次的高低， 反映该时段关注的焦点， 而连线粗细代表共现频次的多少[23]； 中心性代表其在知识网络中的作用， 中心性越高说明关键性越强[24]； 爆发值与突现值相关， 是评判文献或关键词活跃度大小的指标[20]；H指数则是用来衡量期刊的学术影响力，H指数越大， 说明其学术影响力越大[25]； 并用论文专业度、 期刊自引率、 核心作者的最少发文量和文献半衰期等指标进行讨论[26-30].

1) 论文专业度为：

(1)

式中：SP为论文专业度，mi为学科类别中的文献数.

2) 期刊自引率为：

(2)

式中：RRSC-ing为期刊自引率，a为期刊自引次数，b为引用其他期刊次数.

3) 根据普赖斯定律， 核心作者的最少发文量为：

(3)

式中：M为核心作者的最少发文量，Nmax为作者最多发文量.

4) 文献半衰期为：

式中：x为时间(以10 a为计量单位)，y是经过x时间时总的引文比率，a和b均是系数，T1/2是文献半衰期， (6)式运用B-K方程计算方法.

2 结果与讨论

2.1 森林小气候文献基本特征分析

2.1.1 发文年变化趋势

单位时间内发文量的变化程度代表着该学科或领域的研究趋势与学术活跃度[31-32]． 分析CNKI(167篇)与WOS(2 611篇)两个数据库的2 778篇检索文献发现(图1)， 2000—2021年， 英文文献的年均发表量为118.68篇， 且增长显著， 以平均5.91篇/a的速率逐年增加， 近10 a发文量占总数的68.90%； 中国作者在WOS的发文量为234篇， 占总发文量的8.96%， 以平均1.82篇/a的速率逐年增加； 而中文文献的年均发表量为7.59篇， 以平均0.09篇/a的速率逐年增加， 且中文文献每年的发表总量始终低于英文文献， 两者的平均发文比为0.07， 总体发文趋势为前10 a发文比波动较大， 后10 a波动较小且呈下降趋势． 总而言之， 森林小气候研究在中外都取得了一定的成果， 但中英文文献的数量之间相差较大， 也说明近20 a该领域得到了国外学者较大的重视， 而并没有得到国内学者足够的关注， 国内发展较为缓慢； 同时国内学者的英文发文量(234篇)要多于中文发文量(167篇)， 也说明在该领域内国内学者更趋向于外文期刊.

PR-C： 中国作者在WOS的发文量； RCF： 中英文文献发文比； NOP(WOS)： WOS发文量；NOP-C： 中国作者在WOS的发文量； NOP(CNKI)： CNKI发文量．图1 2000—2021年森林小气候研究文献年发表量

2.1.2 学科分布与期刊分析

多学科的交叉与融合已成为一种趋势， 了解学科间的内容交汇与知识演化， 可以为学科发展提供进一步的参考[33]． 森林小气候领域也出现了多学科内容交汇的情况， 探明其学科分布与知识演化， 对研究其发展趋势具有重大意义． 因CNKI数据库文献数量较少， 所以只对WOS数据库的学科分布与期刊展开讨论， CNKI的数据仅作为对比分析． 近20 a与森林小气候领域相近的各个学科发文量逐年增多， 且2016-2021年的发文量平均为2000-2005年的3倍(表1)． 论文专业度(SP)指的是文献所属学科类别的集中化程度，SP越小， 说明该领域的学科分布越广[33]； WOS数据库中森林小气候领域的SP维持在0.15～0.18(表2)， 低于图书情报领域的0.32～0.39[33]、 生物传感器领域的0.23及Enso循环领域的0.45[34]， 说明森林小气候领域的学科分布比其他领域广； 而CNKI的SP为0.34～0.60， 整体呈递减趋势， 说明随着时间推移该领域的学科分布在国内趋于变广， 且在SP上， CNKI大于WOS． 总而言之， 从专业度上分析， 森林小气候领域呈现出了多学科交叉与融合的趋势.

表1 森林小气候研究领域学科分布前10及其发文量(WOS)

表2 WOS与CNKI论文专业度比较

对期刊进行可视化分析能够了解相关领域文献流入的情况， 也能够为科研工作者文献阅读与发表提供便利[31，33]； 引入期刊自引率来评价期刊是否为健康状态， 大于20%均可认定为过度自引(高危期刊)[35]． 近20 a森林小气候领域发文量排名前10的期刊(表3)， 《Forest Ecology and Management》在该领域的发文量高达213篇(占比8.16%)， 远远高于排名第2的《Agricultural and Forest Meteorology》(87篇， 占比3.33%)， 同时《Forest Ecology and Management》的被引频次与H指数均为最高， 也说明了在该领域中该期刊一直处于领先地位； 从影响因子分析， 《Global Change Biology》最高(10.863)， 《Plant Ecology》最低(1.854)； 此外， 这10种期刊的RRSC-ing范围均小于5%， 低于我国期刊的平均RRSC-ing的水平(5%～20%)[36]， 其中《ECOSPHERE》的RRSC-ing为0， 均说明该领域的期刊较为健康.

表3 森林小气候领域发文量排名前10的期刊(WOS)

2.1.3 文献作者

“小同行”概念的提出促进了对同一领域内作者发文情况的分析研究， 也能为文献阅读者提供检索便利[37]． 近20 a发表中文文献(CNKI)的作者共有407位， 发表英文文献(WOS)的作者共有768位， 因CNKI数据库文献数量较少， 所以也只对WOS数据库的发文作者(表4)展开详细讨论． WOS数据库发文量最多与H指数最高的是来自Ghent University的Verheyen(25篇， 12)， 被引频次、 篇均被引频次与H指数最高的是中国地质大学的Chen(1 366次， 85.38次， 12)， 说明这两位作者在该领域具有较大的影响力． 探讨核心作者群对分辨该领域内的专家以及分析研究前沿具有重大的意义[31]． 本研究根据普赖斯定律来衡量作者的学术产出， 从而分析其是否为该领域的核心作者[38]． 由表4可知WOS的作者最多发文量为25篇(Verheyen K)， 因此由(3)式可以得知发文量分别不少于4篇就可认为其是森林小气候研究领域的核心作者， 其中， 英文文献的核心作者共72位， 占总发文作者数的9.39%， 而核心作者发文量688篇， 占总发文量的26.35%； 根据核心作者发文量占比超过总发文量的50%即可认定其是稳固的核心作者群[31]， 从而得知并未形成稳固的核心作者群.

表4 森林小气候研究领域作者发文量前10名(WOS)

2.1.4 文献发表机构

对WOS数据库进行分析， 共有566个机构对森林小气候领域展开了研究， 其中美国农业部的发文量(173篇， 占比6.63%)、 被引频次(5 566)与H指数(43)最高， 而篇均被引频数最高的是加州大学(42.19)； 在发文量前10名机构中， 来自美国的研究机构5个， 占比50%， 发文量占前10发文量的61.56%， 且发文量前3也均来自美国， 可看出美国研究机构在该领域具有较大的影响力． 而在前10当中有一个中国机构(中国科学院)， 其发文量位列第4， 但被引频次(1 791)、 篇均被引频次(17.39)与H指数(22)均处于较低水平(表5)． 对CNKI数据库进行分析， 国内共有119个研究机构对森林小气候邻域展开研究(表6)， 其中发文量最多的是南京林业大学(10篇， 占比5.99%)， 说明该机构对该领域研究较为关注； 被引频次与篇均被引频次最多的是北京林业大学(146次， 16.22次)， 说明该机构的产出质量较高； 下载量与篇均下载量最多的是来自中国林业科学研究院(4 944次， 824次)， 且均为硕博论文， 说明该机构所产出论文的传播性较高.

表5 森林小气候研究领域机构发文量前10名(WOS)

表6 森林小气候研究领域机构发文量前10名(CNKI)

2.1.5 文献发表国家

全球共有111个国家对森林小气候领域展开了研究， 其中美国发文量(875篇， 占比33.51%)、 被引频次(28 227)、 H指数(78)最高， 英国篇均被引频次(39.5次)最高； 而中国文献被引频次(3 816次)、 篇均被引频次(16.45次)与H指数(29)最低， 中心性最低的则是瑞典与瑞士(0.04)(表7)． 整体来看， 欧美国家在该领域的研究具有一定的领先地位， 而中国在该领域的产出质量不高， 有待加强.

表7 森林小气候研究领域国家发文量前10名

2.2 学术版图分析

关键词是作者对文献内容及其研究思想的凝结， 代表着该研究领域的方向、 版图与热点[31， 39]． 运用关键词聚类分析来确定森林小气候研究领域的学术版图， 设定Time slicing为2000年1月-2021年10月， Years Per Slice为1年， Node Types为Keywords， Pruning选择Pathfinder与Pruning Sliced networks， 计算方法选择“LLR”， 其他均为默认． 分析结果为： 英文文献显示了662个节点， 3 950条连线， 形成了11个聚类(图2a)， 模块值Q为0.360 3>0.3， 聚类结构显著， 轮廓均值S为0.665>0.5， 聚类结果可信； 中文文献显示了404个节点， 880条连线， 形成了14个聚类(图2b)， 模块值Q为0.791 6>0.3， 聚类结构显著， 轮廓均值S为0.938 2>0.5， 聚类结果可信.

图2 森林小气候领域关键词聚类网络图谱

2.2.1 英文文献学术版图分析

#0，#4和#6聚类分别是亚高山冷杉林、 国家公园、 俄勒冈州西部， 这3项主要以研究对象或研究地点进行聚类， 讨论某块区域的小气候特征[40-42]； #1和#2聚类分别是树冠蒸腾与土壤呼吸， 这2项主要以研究指标进行聚类， 讨论在不同环境(气候条件)下所造成对应结果的不同[43-46]； #3聚类是边缘效应， 指的是在林缘地带表现出不同于林内中心地带的生态学特征， 具有环境异质性[47]， 主要以研究理论进行聚类， 讨论的是边缘效应与小气候的关系[48-49]； #9聚类是太阳辐射， 主要以气象因子进行聚类， 讨论的是小气候各指标的时空变化特征[50-51]； #10聚类是景观生态系统， 主要以宏观生态学进行聚类， 讨论的是小气候特征与整个森林生态系统的关系[52].

2.2.2 中文文献学术版图分析

#0和#1聚类是小气候与森林小气候， 以研究主题进行聚类， 主要讨论的是小区域内非生物因子的时空变化特征[53]； #2，#6和#13聚类分别是城市森林、 次生林、 九华山， 以研究地点或对象进行聚类， 讨论的是某个区域的森林小气候特征[54-56]； #3和#4聚类分别是森林气象学与小气候效应， 以研究理论进行聚类， 主要讨论的是森林对空气温湿度等气象要素的调节效应[57]； #5，#7和#9聚类分别是逐步回归、 旷场实验与模糊综合分析， 以研究方法进行聚类， 利用以上方法来评价生态效益的大小[58-60]； #8聚类是树冠形态， 以生物因子进行聚类， 讨论的是生物因子与气候要素之间的关系[61].

2.3 研究热点与前沿分析

2.3.1 研究热点分析

为了更加直观地了解关键词在某个时间段的具体情况， 采用CiteSpace的关键词时区图来进行分析． WOS数据库在2000-2004年新出现的关键词较多， 但随着年份的增加， 新关键词的出现数量逐步减少， 而CNKI数据库在近20 a间新出现的关键词次数表现为先增后减． 与此同时， 根据关键词时区图(图3和图4)大致可将研究热点分为2个阶段． 第1阶段(2000-2009年)是森林小气候领域的快速发展与繁盛阶段， 重点围绕森林对气象因子的改善作用等基础研究． 在WOS数据库中出现频次最多的关键词主要有： microclimate(小气候， 950次)、 forest(森林， 474次)、 climate change(气候变化， 389次)、 vegetation(植被， 341次)、 temperature(温度， 281次)等； 在CNKI数据库出现次数最多的关键词是小气候(42次)、 森林小气候(24次)、 城市森林(18次)、 小气候特征(11次)、 森林(9次)等， 同时也出现了土壤、 呼吸、 昆虫、 土壤养分、 空间格局等向其他领域或学科渗透的关键词． 第2阶段(2010-2021年)是对该领域的补充发展阶段， 重点围绕该领域的应用基础研究， 并与城市发展、 人体健康等话题相结合． 在WOS数据库中出现次数最多的关键词主要有： ecosystem service(生态系统服务， 34次)、 sap flow(液流， 31次)、 β-diversity(β多样性， 19次)、 heat island(热岛效应， 15次)、 organic carbon(有机碳， 15次)； 在CNKI数据库出现次数最多的关键词是人体舒适度(5次)、 森林康养(4次)、 气候舒适度(5次)、 人工林(3次)、 森林火险等级(2次)等.

图3 森林小气候领域关键词时区图(WOS)

图4 森林小气候领域关键词时区图(CNKI)

对中英文文献关键词时区图进行比较分析发现， 英文文献对森林小气候的研究主要出现在2000年甚至更早， 而中文文献中在2000年也提出了小气候效应、 气象要素等与森林小气候领域有关的关键词， 但对“森林小气候”与“小气候”的系统研究主要开始于2002-2003年， 说明中文文献在该领域的研究具有一定的滞后性， 处于被动状态； 而随着时间的推移， 中文文献的研究重点逐步向森林小气候特征与人之间的关系研究上倾斜(首次出现于2005年)， 出现了生态效益、 气候舒适度、 空气负离子浓度、 森林旅游、 舒适有效温度、 空气舒适度、 空气清洁度等与人体健康相关的关键词， 而英文文献对于该方面的研究起步却较晚， 与人有关的关键词， 如heat(心脏)、 feedback(反馈)、 fire severity(火灾严重性)、 Ecosystem service(生态系统服务)等首次出现的时间均在2010年之后， 说明中文文献在该方面的研究具有一定的创新性与先进性.

2.3.2 研究前沿分析

关键词的突变反映研究领域的发展趋势与前沿[39]． 在英文文献中， douglas fir forest(道格拉斯冷杉森林)、 edge effect(边缘效应)、 vegetation structure(植被结构)、 ecosystem service(生态系统服务)等关键词的突现强度高于其他关键词 (图5a)， 表明了这些方向均为该时期内的关键主题， 而 douglas fir forest(道格拉斯冷杉森林)、 gas exchange(气体交换)、 light(光照)等关键词的持续时间较长， 且主要集中在2000-2011年， 说明了这些方向均为该领域的基础研究.

根据图谱可将其分为2个阶段， 第1阶段(2000-2009年)： 研究重点主要集中在森林与小气候之间的关系； 第2阶段(2010-2021年)： 研究重点主要集中在森林与人之间的关系， 以及更多的开展森林小气候对地下层面(如土壤微生物等)与地表层面(如地表温度、 凋落物分解等)的影响． 如图5b所示， 在中文文献中， 小气候特征、 森林小气候、 森林康养这3个关键词的突现强度较高， 表明这3个方向在近20 a来一直备受国内学者的关注， 同时气温这个关键词是当中持续时间最长的， 也就说明了该关键词在森林小气候研究领域中的基础性作用.

图5 国内外森林小气候领域高突变关键词

英文文献中的plantation(人工林)、 ecosystem service(生态系统服务)与中文文献中的森林康养、 人体舒适度均是近几年来突现强度较高的关键词， 代表着森林小气候领域近几年的研究前沿， 同时也很有可能代表着未来近几年的发展趋势． Locosselli等[62]则认为森林内的气候因子与康养保健因子会影响树木的生长， 从而影响其生态服务的功能； 刘海轩等[63]则对城市森林内的空气温度、 空气湿度与风速进行了监测， 认为冠层结构具有降温与增湿的效果， 从而提高人体的舒适度； 段文军[64]则对城市森林内的气象因子、 空气负氧离子和PM2.5等康养保健因子进行监测， 认为在夏季森林具有提高人体舒适度的效果， 且能降低PM2.5等． 这些研究也让我们了解到了森林的生态价值.

2.3.3 高被引文献分析

研究被引文献的频次、 爆发值与半衰期等指标能够在一定程度上反映文献的学术价值和对该领域做出贡献的大小． 被引频次指的是一篇文献被引用次数的多少； 文献的爆发值常用突现值来表示， 越高的爆发值表明其在特定的时间内出现且活跃度更高[65]； 文献的半衰期常用来指示文献老化程度的大小[30]， 半衰期越长意味着文献的价值越大[20]． 被引频次最高的前10篇文献分别来自于奥地利、 美国、 英国、 法国和比利时的学者或团队， 而国内学者对该领域的研究并无高质量的文章产出， 说明国内在该领域的研究较为薄弱(表8)； R Core Team所发表的有关R语言的文献篇数占前10篇文献中的5篇， 占比50%， 平均爆发值为15.638， 普遍高于其他文献， 说明R语言的运用在森林小气候领域的研究保持着较高的活跃度与热度； 《R： A Language and Environment for Statistical Computing.(2017)》的被引频次与爆发值最高， 半衰期仅次于2014年与2015年版本， 该篇文献周围连线较为密集且连线较粗， 说明了其在森林小气候的研究中发挥着关键的枢纽作用(图6)； 前10名文献发表的时间分布在2011-2019年， 说明了这10年间是森林小气候研究领域高质量产出的阶段； 其中《The relationship between leaf area index and microclimate in tropical forest and oil palm plantation： Forest disturbance drives changes in microclimate》是该领域中影响力较大的文献． 总体来看， 这10篇文献的半衰期均不高(0.77～2.31a)， 说明其文献的老化程度与速度较快， 也说明该研究领域发展较快.

表8 森林小气候领域文献被引频次前10名

图6 森林小气候领域共被引文献网络图谱

3 结论与展望

近年来对于森林小气候的研究主要由北美、 欧洲和中国的生态学家完成， 并有增加的趋势． 前期主要围绕该领域的基础研究进行， 重点围绕森林对气象因子的改善作用等方面展开； 后期主要是围绕该领域的应用研究进行， 与人相结合， 以及更多地开展森林小气候对地下层面(如土壤微生物等)与地表层面(如地表温度、 凋落物分解等)的影响研究.

森林小气候领域未来几年的发展趋势主要围绕城市的发展以及与人的关系进行展开， 森林康养、 人体舒适度的提高、 生态系统服务以及森林小气候特征对“碳源”“碳汇”的影响机制等研究方向可能将会成为热点主题． 研究区域上， 城市森林与树线交错带的气候变化将会成为研究焦点； 研究手段上， 将会运用到更多高科技手段和模型， 如遥感技术等； 研究内容上， 将会更多地往森林的生态效益与生态功能转移， 特别是森林的“生物物理效应”， 如森林对气象因子(空气温湿度等)、 康养保健因子(负氧离子、 PM2.5等)等的影响． 与此同时， 在对其进行研究时， 应综合各方面的因素去讨论， 做到生态系统服务与社会发展相结合， 实现可持续发展目标． 最后， 在环境日益恶化的今天， 森林到底起到了什么作用？其作用有多大？能为人类的生存环境带来怎样的改变？这就是研究森林-气候相互作用机制的意义所在.