基于CiteSpace的农业灌溉水资源价值知识图谱分析

周淑梅 李晶晶 卢娜

摘要：基于2000—2021年WoS数据库收录的3 687条农业灌溉用水价值相关文献，利用CiteSpace软件绘制全球灌溉用水价值研究的知识图谱，分析国内外灌溉用水价值研究的发文量、作者、国家、期刊和机构分布情况、研究热点及发展趋势。研究结果表明：2000—2021年，灌溉用水价值领域发文量整体呈上升趋势；发文核心作者和团队主要来自中国和美国；研究力量主要分布在中国、美国、西班牙等国家；中国科学院、中国农业大学、德黑兰大学等机构贡献突出；灌溉水价和水资源的利用效率始终是研究的热点内容；从发展趋势看，灌溉用水价值的多维度评估以及灌溉用水价值的时空动态变化特征是未来研究关注的热点；多源时空数据源、结合计算机人工智能技术的多种定价方法的融合及优化成为灌溉用水价值研究的新趋势。

关键词：农业灌溉；水资源价值；CiteSpace；知识图谱

中图分类号：［TV-9］： S274

文献标识码：A

文章编号：2095-5553 （2023） 03-0141-08

Abstract： Based on 3 687 related literatures on agricultural irrigation water value included in the WoS database from 2000 to 2021， this paper uses CiteSpace software to draw a knowledge map of global irrigation water value research， and analyzes the number of published papers， authors， distribution of countries， journals and institutions， research hotspots and development trends of irrigation water value research at home and abroad. The research results showed that from 2000 to 2021， the number of papers issued in the field of irrigation water value showed an overall upward trend; the core authors and teams of the papers were mainly from China and America; the research forces were mainly distributed in China， America， Spain and other countries; the Chinese Academy of Sciences， China Agricultural University， Tehran University and other institutional contributions were out standing; the price of irrigation water and the utilization efficiency of water resources had always been the hot topics of research; from the perspective of development trends， the multidimensional evaluation of irrigation water value and the temporal and spatial dynamic characteristics of irrigation water value were the focus of future research; multisource spatiotemporal data sources and the integration and optimization of various pricing methods combined with computer artificial intelligence technology have become a new trend in the research of irrigation water value.

Keywords： agricultural irrigation; water resources value; CiteSpace; knowledge map

0引言

水资源危机是21世纪全球社会面临的重大问题之一。已有研究表明，农业用水量占全球水资源消耗的70%，而农业产值贡献率仅为6.4%。鉴于此，为提高农业用水效率，各国政府采取了一系列农业节水政策。农业水价是一种行之有效的节水政策，水价的合理制定一方面需要考虑农民可承受能力，另一方面还需要结合农业灌溉用水的实际价值综合制定。因此，对农业灌溉用水價值的深入研究和探索是制定合理水价的前提和基础，对实现农业节水增效至关重要。

现有农业灌溉用水价值的研究内容丰富多样。在水资源价值内涵方面，1992年都柏林国际水与环境会议上水的价值概念被采纳，即：“水在其所有竞争性用途中都具有经济价值，应被视为经济商品”。吴泽宁综合考虑水资源的供给和需求，基于能值理论，立足于水资源经济—社会—生态环境复合系统定义水资源价值［1］。在灌溉用水价值评估方面，20世纪70年代，秘鲁采用余差法和线性规划法对灌溉用水价值进行了估算。世界粮农组织出版报告“The Economic Value of Water for Agricultural， Domestic and Industrial Uses： A Global Compilation of Economic Studies and Market Prices”，总结了灌溉用水价值计算的方法和理论体系［2］。Bierkens通过构建农作物产出和水资源投入之间的生产函数来量化影子价格，借助影子价格大小判断灌溉水利用效率的高低［3］。在灌溉用水价值的影响方面，魏帅基于宏微观尺度确定的农业水价，对农业水资源进行优化配置，使得节水效果达到最佳［4］。Portoghese模拟了不同灌溉用水定价情景对地下水可持续利用的影响，结果发现不公平的地表水定价策略可能会对地下水资源产生负面影响［5］。由于灌溉用水价值的时空差异性，水资源价值评估问题仍然是摆在研究人员面前的重大问题，亟待进一步解决。通过分析农业灌溉用水价值领域的热点及演变趋势，为农业水价合理评估奠定基础，对提高农业用水效率、实现水资源可持续利用具有重要意义。

近20年来，灌溉用水价值的研究取得了丰硕成果，为后人进行农业水资源价值研究提供了重要研究基础。然而通过查阅文献，发现目前对该领域最新研究成果的梳理尚不充分，难以全面反映农业水资源价值研究特征及趋势。CiteSpace作为一款新兴的科学文献分析软件，用于识别和探测某一学科领域的热点问题、主题演变和发展趋势，广泛应用在图情学［6］、教育学［7］、计算机［8］、农业经济［9］等。因此，本文拟选取2000—2021年科学网络核心收集（WoS）数据库收录的有关农业灌溉用水价值研究文献，使用CiteSpace工具检测农业灌溉用水价值领域的演变，识别重要研究人员和机构，跟踪关键词和关键文献，分析探讨农业灌溉用水价值的研究特点、热点及趋势，对国内外农业灌溉用水价值研究文献进行系统性梳理，以期为农业水价的后续研究提供参考。

1数据来源与研究方法

1.1数据来源

本文以Web of Science核心数据库（http：//apps.webofknowledge.com）为检索平台，引文索引为Science Citation Index Expanded（SCI-EXPANDED）—1996—至今，主题词设置为：（agricultural irrigation water）AND［TS=（value）OR TS=（valuation） OR TS=（price）］，时间跨度为2000—2021年，语言选择English，文献类型选择Article和Review进行检索，得到文献信息共3 687条。文献数据最后检索时间为2022年1月5日。

1.2研究方法

将WoS核心合集中的3 687篇文献导出。为保证文献非重复性和关联性，利用CiteSpace对导出文献进行除重，人工筛除与该领域相关性弱的文献，得到有效文献3 180条，分别对导出文献的发文量、作者、国家、期刊、研究机构、关键词和核心文献进行分析。

采用CiteSpace 5.8 R2版本对文献数据进行网络图谱分析，时间切片统一设置为1年，其他为默认，所选定的各指标经系统分析后得到相应图谱。图谱中节点的不同颜色表示分析对象的被引用历史，节点大小表示分析对象在特定时段内的聚焦程度，节点间连接线则表示两个节点之间的共引关系，线条越粗表示共引词汇出现的频次越高，其颜色表示两个节点第一次被共引的时间。一个被紫色环包围的节点具有相对较高的中心性（≥0.1），又称关键节点，表明与其他节点有广泛的联系［10］。此类型节点通常是知识领域关注的焦点，对节点网络分析具有重要意义［11］。

2结果分析

2.1农业灌溉用水价值文献描述性分析

2.1.1发文量分析

发文量的变化可以反映该领域在某个时间段内的研究态势和发展速度。在灌溉用水价值研究领域，WoS的全球发文量整体呈上升趋势（图1），发文增长速度为18.8篇/年。从文章数量的变化趋势来看，对灌溉用水价值的研究可以划分为3个阶段。（1）初始勘探阶段：2000—2005年。灌溉用水价值研究处于起步阶段，年发表数量较低，发展缓慢；（2）波动增长阶段：2006—2014年。随着农业的快速发展，农业需水量显著增加和水资源稀缺性的矛盾日渐突出。在此期间，论文数量有所增加，但年出版量波动不定。（3）快速发展阶段：2015—2021年。特别是在2019年，其发文量较2018年增长了28.02%，增长速度最快。随着经济的快速增长，人水矛盾的突出，引发了全球对农业灌溉用水全方面的深入研究。

2.1.2作者群体分析

作者共现网络图谱，展现了灌溉用水价值研究领域的核心团队及其间合作关系。图2为在该领域发文量排名前6的作者合作团队。

郭萍领导的由国内外多个研究小组组成的团队规模最大，节点数最多且合作密切，该组其他杰出成员分别是东北农业大学的付强、李茉团队以及中国农业大学农业用水研究中心的张帆、张成龙团队等。第二大研究团队由西北农林科技大学农业土木工程重点实验室的吴普特领导下的河海大学曹新春和普渡大学王玉宝等人员组成。其他如维也纳自然资源与应用生命科学大学的Erwin Schmid团队、中国水利水电科学研究院的邓小雅团队等在该领域研究贡献也较为突出。各研究团队目前已基本成熟稳定，团队内部学者联系较紧密。

表1为该领域研究中最具生产力的前12位作者。郭萍是最有生产力的作者，发表19篇论文。Mohammad仅发表7篇文章，被引用高达558篇，文章质量水平较高。核心作者和团队主要来自中国和美国，国外学者与国内作者合作联系较弱。未来应进一步加强国内外研究团队之间的学术交流，从而推动灌溉用水价值研究领域的创新发展。

2.1.3国家地区分析

图3的国家合作网络图谱反映了高产国家之间的合作状态。

其中，美国、德国和荷兰与其他国家合作较为密切，而中国集中于独立研究。农业作为发展中国家的重要产业，灌溉用水问题日渐突出，因此在高度活跃合作网络的国家中，除了发达国家，还出现了许多发展中国家（印度尼西亚、伊朗、南非、墨西哥、巴西等），在该领域的研究逐渐活跃，说明这些国家越来越重视灌溉水资源的保护和可持续利用，也越来越重视学术间的国际合作。

由表2可知，美国发文量为646篇，占总量的20.31%；其次是中国（608篇，19.12%）和西班牙（234篇，7.35%）。結合中心性值可知，美国中心性最高（0.71），说明美国与其他国家合作较广泛，科研实力雄厚，对全球的影响深远。根据被引频次，意大利、澳大利亚、德国和荷兰篇均被引频次较高；而中国为16.27，文献篇均被引频次较低，论文综合影响力有待提高，因此，国内研究学者需进一步提高论文质量和研究深度，扩大我国学术影响力。

2.1.4载文期刊分析

表3列出了研究期间国际上关于农业灌溉用水价值研究发文量排名前十的期刊。这十种期刊在该主题的出版物约占该领域所有文献总量的27.75%，表明农业灌溉用水价值研究期刊分布多样，涉及农业水资源管理、环境科学、可持续发展、水文学等主题，特别是涉及许多学科的主题交叉。在WoS核心数据库中收录的期刊中，由荷兰主办，Elsevier BV出版的《Agricultural Water Management》排名第一，在研究期间发表的灌溉用水价值相关论文最多，其影响因子为4.516，该期刊发表与农业水资源管理的科学、经济学和政策有关的具有国际意义的论文，提供解决并影响有关农业水资源管理的见解。此外，《Water》、《Science of The Total Environment》、《Water Resources Management》和《Journal of Hydrology》等期刊发文量位居前五。

这些期刊的目标与农业灌溉用水价值的研究意义密切相关，即促使水资源高效利用和管理，实现水文环境可持续发展。同时这些期刊也为学者们提供了研究农业灌溉用水价值的平台。

2.1.5发文机构分析

发文机构的合作网络图谱见图4，節点大小代表一个机构发表文章的数量，而连接强度显示不同机构之间的协作水平。中国科学院（Chinese Acad Sci，194篇，0.27）及中国农业大学（China Agr Univ，90篇，0.11）的发文量和中心度均较高，科研实力雄厚，影响深远。德黑兰大学（Univ Tehran）发文数量位居第三（65篇），最具影响力的前10个机构共有695篇文献，占农业灌溉用水价值出版物总数的18.9%以上。农业灌溉用水价值主要研发机构来自中国、伊朗和美国，这些国家在农业灌溉水资源研究方面具有卓越的研发能力。在协作方面，整个网络图谱中大多数机构之间的联系较广泛，表明机构在内部和内部子网络层面的合作较为密切。

2.2农业灌溉水资源价值研究热点分析

研究热点的分布和演变可以直观地展示不同时期的研究主题、研究视角和研究方法的变化。通过对灌溉水资源价值研究文献的关键词和核心文献分析概括，可以反映研究关注的焦点和核心问题，也体现了一定时期研究人员感兴趣的热点话题。

2.2.1关键词突变图谱分析

关键词突发性检测是研究关键词出现频次的分布时间，并从众多词语中探测出有较高频次变化率的关键词，从而依据词频的变化趋势得到灌溉用水价值研究热点变化。由CiteSpace绘制的关键词突变表（表4）可以定量地代表农业灌溉用水价值研究领域不同的研究热点和变化规律。

由表4可知，前期研究热点主要是水资源、氮、水质、水资源政策、小麦和非充分灌溉等。表明早期学者对灌溉用水的研究集中于水含有的化学元素、水质与水资源价值之间的关系；同时在水资源政策的支持下，大多数学者倾向选择小麦为研究作物探讨非充分灌溉下的作物产量和水资源利用效益。此阶段关于农业灌溉用水价值的研究较少，有关方法理论尚处于起步阶段。

进入2009年，人们开始综合使用地表水和地下水进行灌溉，通过引入相关理论模型对灌溉用水价值进行估算，测算水在蒸发后的经济效益和成本。由于化肥、农药等化学物质的大量使用，使得水资源受到严重污染，粮食安全也受到威胁。因此，全球更加重视水资源的保护和可持续利用，但研究仅处于理论阶段，实证研究偏少。

2014年以后，研究热点出现快速转型，大部分研究热点持续时间相对较短，说明关于灌溉用水价值的研究范围较为广泛，进入全面快速发展阶段。研究学者在制定相关理论基础体系后，步入实证探索阶段，集中于以平原地区为研究区域，研究对象也由单一作物转向多种农作物，研究内容上侧重于估算农业用水的生态系统服务价值，综合考虑经济、社会和环境因素，由此评估的水价真实反映了水资源的价值。

目前新兴研究热点主要为灌溉用水价值的模型预测及算法应用。随着人工智能技术的快速发展，深度学习神经网络算法日渐完善，部分学者基于实际调研数据对灌溉用水价值、作物灌溉需水量进行预测研究，结果显示神经网络模型具有较高的准确率［12］。可以看出，农业灌溉用水价值研究逐步集中于“经济—社会—生态—科技”的多尺度、多层面的研究探索。

2.2.2关键词时间线图谱分析

对不同文献中的高频关键词进行聚类，可以展示该领域的重要知识结构和前沿研究热点。图5为关键词时间线图谱，共生成10个聚类标签。其中，水价（water pricing）和水利用效率（water use efficiency）是灌溉用水价值研究的核心内容；水平衡（water balance）研究最为持久；土壤湿度（soil moisture）、地下水质量（groundwater quality）和重金属（heavy metals）是农业水资源价值研究的重要方面；农业政策（agricultural policy）为该领域的研究提供有力支持；灌溉水资源的生态系统服务（ecosystem services）价值评估对区域生态建设和发展具有重要意义。基于大数据、3S技术、计算机人工智能等新技术进行多源时空用水数据和灌溉用水价值模拟评估［13］，为决策者制定合理水价、获得最优水资源配置方案和结果提供科学依据。

2.2.3研究热点与核心文献分析

对近几年国内外关于农业灌溉用水价值的核心文献进行梳理和总结，研究内容分为以下几个方面。

1） 灌溉用水价值内涵。价值是价格的基础，水价是水资源价值的货币表现形式。1992年都柏林国际水与环境会议指出，“水在其所有竞争性用途中都具有经济价值，应被视为经济商品”。

多数学者对灌溉用水价值的研究限定为水的经济价值，李良县等基于效用价值论，探讨水资源价值体现为商品水给使用者带来的总效用，并以一定的货币衡量水资源的价值［14］。Nikouei等［15］从成本收益角度出发，提出灌溉水的经济价值源于它通过农作物的生产和销售为农民所带来的收入。类似地，刘维哲等［16］从农民投入产出角度，认为农业总产出价值扣除灌溉以外的其他投入要素价值后，剩下部分可归结为灌溉水产生的经济价值。

随着研究的深入，学者对灌溉用水价值的内涵逐步扩展到社会、环境和政治等方面。Shen等［17］表示水资源不应仅视为一种经济商品，灌溉用水价值与经济、政治、环境和社会因素交织在一起。吴泽宁等［1］综合考虑水资源的供给和需求，以黄河流域为研究对象，基于能值理论，立足于水资源经济-社会-生态环境复合系统量化用水价值，更全面地评估了灌溉用水价值。

2） 灌溉用水价值核算方法。基于灌溉用水价值不同内涵对应多种水价核算理论及模型，目前应用较广泛的理论及模型包括能值理论、剩余价值法（残值法）、生产函数法、完全成本法、条件估值法、模糊数学模型、一般均衡（CGE）模型等。下面重点分析剩余价值法、生产函数法和神经网络模型的研究应用。

基于葡萄牙南部阿伦特霍地区六个灌溉区中最具有代表性的作物，Rodrigues等［18］利用残值法确定了灌溉用水价值，预测灌溉用水价格与作物成本的合理性。王西琴等［19］基于华北地区小麦和玉米种植户的调研数据，采用剩余价值法估计粮食作物灌溉用水的经济价值，并比较了灌溉用水价格的区域差异。由于剩余价值法基于一定的前提假设，因此测算结果不能完全反映灌溉用水的实际价值。

Bierkens等［3］通过构建农作物产出和水资源投入之间的生产函数，估算了地下水使用量最大的11个国家灌溉用水的影子价格，即水产生的边际价值，进一步分析了灌溉用水价值在国家之间的变化特征。Chebil等［20］根据突尼斯主要柑橘产区的42个农场的选定样本数据执行随机前沿生产函数方法，估算了灌溉用水价值，并确定最佳水价。研究中由于某些投入产出数据难以准确衡量，计算结果会有一定误差。

神经网络模型是目前灌溉用水价值较为先进的核算方法，NguyenKy等［21］使用人工神经网络-贝叶斯建模方法，与在线用水数据集成，预测澳大利亚Murry灌溉区的水价，比人工神经网络预测精度更高，实现更好的水分配交易决策，并提高灌溉农业的生产力和盈利能力。

由于单一方法的局限性，对不同测算方法的比较研究会进一步推动灌溉水价的评估研究，并为相关农业水资源定价策略的执行提供科学依据。此外，由于灌溉用水空间分布离散，且地方用水量統计缺乏统一标准，导致对灌溉用水量时空变化的刻画能力不足，关于灌溉用水价值评估的时空动态特征有待深入探讨。

3） 灌溉用水价值影响因素。近年来，国内外学者在灌溉用水价值的影响因素方面做了大量研究。灌溉水价一般受到水资源稀缺程度、供求关系、农民心理承受范围、农户用水量、种植作物类型、灌溉节水技术等因素影响，主要体现在水资源的自身特性、供给和需求以及稀缺性角度。

美国环保署强调，水不是一维商品，用户为水付费的意愿可能取决于水量、质量、时间、空间和获取可靠性等因素。刘红艳等除考虑水量、水质等环境因素，还引入人均可支配收入、技术成本投资和农民满意程度，综合从环境、经济和社会三方面测算灌溉用水价值。Singh［22］认为边际成本定价法不能完全反映灌溉用水的公共性、外部性、信息不对称性等特性，应在充分考虑农户承受能力基础上确定灌溉用水价格。

史尚等［23］从灌溉供给角度建立了农业水价成本测算指标体系，采用层次分析法得出灌水方式、输水方式、渠道衬砌情况、信息化程度、节水灌溉技术是影响农业水价的关键因素。从需求角度来看，刘维哲等［16］通过比较小麦、玉米和苹果三种作物的灌溉用水价值，建立灌溉用水价值影响因素分位数回归模型，分析发现农作物类型是影响灌溉用水价值的重要因素。Hellwig等［24］在研究德国水价时发现，影响水价的主要因素是成本和需求函数，政治联系起次要作用。

从资源稀缺性角度分析，Cauberghe等［25］认为水作为商品，水的稀缺性可以加强其积极价值，从而增加其可取性，表明水资源短缺是价格变化的重要驱动因素。然而，由于某些重要影响因素数据难以准确获取，如环境变化等，在实证研究中往往被忽略，从而降低了灌溉用水价值评估的准确性。

3结论

本研究采用CiteSpace软件对WoS数据库检索得到的3 687条农业灌溉水资源价值相关文献进行科学计量分析，分别检测发文量、发文作者、发文国家、载文期刊、发文机构、关键词和主题文献，得出以下结论。

1） 农业灌溉用水价值研究领域的发文量整体呈上升趋势；核心作者和团队主要来自中国和美国，由中国农业大学郭萍领导的合作小组是该领域发文量最多的研究团队，未来应加强国内外研究团队之间的学术交流；研究力量主要分布在美国、中国、西班牙等国家，国际合作趋势逐渐明显；中国科学院、中国农业大学、德黑兰大学等机构贡献突出，影响力深远。

2） 农业灌溉用水价值研究集中于“经济—社会—生态—科技”的多尺度、多层面，灌溉水价和水资源的利用效率始终是该领域研究的核心内容；灌溉用水价值的核算一般受到水资源稀缺程度、供求关系、农民承受能力、用水量、作物类型、节水技术等因素影响；新兴研究热点为应用人工智能、大数据等新技术进行灌溉用水价值的模型预测和灌溉水资源优化配置。

3） 由于灌溉用水空间分布具有离散性的特征，以及部分影响因素数据获取难度较大，灌溉用水价值的时空动态特征刻画及多维度价值分析还有待深入研究。此外，目前不同灌溉用水价值测算方法均具有一定的局限性，实证研究中合理的灌溉用水价值的确定仍需进一步探索。基于此，灌溉用水价值的未来研究发展趋势主要分为两大方向：研究内容方面，灌溉用水价值的多维度评估以及灌溉用水价值的时空动态变化特征是未来研究关注的热点；研究手段方面，从传统数据源（调研、统计）到多源时空数据源（大数据、遥感监测）的转变，从单一灌溉用水价值测算方法到结合计算机人工智能技术的多种定价方法的融合及优化成为灌溉用水价值研究的新趋势。

参考文献

［1］吴泽宁， 狄丹阳， 黄硕俏. 黄河流域各省（区）用水价值空间聚集特征分析［J］. 人民黄河， 2020， 42（9）： 96-100， 106.

Wu Zening， Di Danyang， Huang Shuoqiao. Analysis of spatial clustering characteristics of water resources value in each Region of the Yellow River Basin ［J］.Yellow River， 2020， 42（9）： 96-100， 106.

［2］Aylward B， Seely H， Hartwell R， et al. The economic value of water for agricultural， domestic and industrial uses： A global compilation of economic studies and market prices ［J］. Ecosystem Economics， 2010.

［3］Bierkens M F P， Reinhard S， de Bruijn J A， et al. The shadow price of irrigation water in major groundwaterdepleting countries ［J］. Water Resources Research， 2019， 55（5）： 4266-4287.

［4］魏帅. 基于农业水价的区域农业水资源优化配置［D］. 哈尔滨： 东北农业大学， 2019.

Wei Shuai. Regional agricultural water resources optimal allocation based on the agricultural water price［D］. Harbin： Northeast Agricultural University， 2019.

［5］Portoghese I， Giannoccaro G， Gior dano R， et al. Modeling the impacts of volumetric water pricing in irrigation districts with conjunctive use of surface and groundwater resources ［J］. Agricultural Water Management， 2021， 244： 106561.

［6］叶贝， 董雁. 国内外非正式学习研究回顾与启示——基于CiteSpace的可视化分析［J］. 成人教育， 2022， 42（6）： 1-7.

Ye Bei， Dong Yan. Review and enlightenment of informal learning research at home and abroad—based on visualization analysis of CiteSpace ［J］. Adult Education， 2022， 42（6）： 1-7.

［7］李睿， 唐白仙. 教育信息化分析视角下基础教育学段教师专业发展的文献综述——基于CiteSpace可视化分析［J］. 数字教育， 2022， 8（2）： 54-60.

Li Rui， Tang Baixian. A literature review of teachers professional development of basic education section under the perspective of educational informatization analysis—Based on the visualized analysis of CiteSpace ［J］. Digital Education， 2022， 8（2）： 54-60.

［8］謝志明， 粟小颖， 易玄. 基于CiteSpace的区块链审计热点及研究趋势比较［J］. 财会通讯， 2022（3）： 23-29.

［9］邓志宏， 韦素琼， 游小珺， 等. 基于CiteSpace中国农业产业集群研究：述评与展望［J/OL］. 中国农业资源与区划： 1-14［2022-06-19］. http：//kns.cnki.net/kcms/detail/11.3513.s.20220414.1757.010.html.

Deng Zhihong， Wei Suqiong， You Xiaojun， et al. Research on Chinas agricultural industrial clusters based on CiteSpace： Review and prospects ［J/OL］. Chinese Journal of Agricultural Resources and Regional Planning： 1-14［2022-06-19］. http：//kns.cnki.net/kcms/detail/11.3513.s.20220414.1757.010.html.

［10］刘光阳. CiteSpace国内应用的传播轨迹——基于2006—2015年跨库数据的统计与可视化分析［J］. 图书情报知识， 2017（2）： 60-74.

Liu Guangyang. The spread track of Citespace application in China—Based on the statistical and visual analysis of crossdatabase data from 2006 to 2015 ［J］. Intelligence， Information & Sharing， 2017（2）： 60-74.

［11］辛伟， 雷二庆， 常晓， 等. 知识图谱在军事心理学研究中的应用——基于ISI Web of Science数据库的CiteSpace分析 ［J］. 心理科学进展， 2014， 22（2）：  334-347.

Xin Wei， Lei Erqing， Chang Xiao， et al. The application of knowledge mapping in military psychology： Citespace analysis based on data from ISI Web of Science Database ［J］. Advances in Psychological Science， 2014， 22（2）： 334-347.

［12］Cordeiro M， Markert C， Araújo S S， et al. Towards smart farming： Fogenabled intelligent irrigation system using deep neural networks ［J］. Future Generation Computer Systems， 2022， 129： 115-124.

［13］夏帆， 陈莹， 窦明， 等. 水资源空间均衡系数计算方法及其应用［J］. 水资源保护， 2020， 36（1）： 52-57.

Xia Fan， Chen Ying， Dou Ming， et al. Calculation method and application of spatial equilibrium coefficient of water resources ［J］. Water Resources Protection， 2020， 36（1）： 52-57.

［14］李良县， 甘泓， 汪林， 等. 水资源经济价值计算与分析［J］. 自然资源学报， 2008， 23（03）： 494-499.

Li Liangxian， Gan Hong， Wang Lin， et al. Calculation and analysis of the economic value of water resource ［J］. Journal of Natural Resources， 2008， 23（3）： 494-499.

［15］Nikouei A， Ward F A. Pricing irrigation water for drought adaptation in Iran［J］. Journal of Hydrology， 2013， 503（1）： 29-46.

［16］刘维哲， 唐溧， 王西琴， 等. 农业灌溉用水经济价值及其影响因素——基于剩余价值法和陕西关中地区农户调研数据［J］. 自然资源学报， 2019， 34（3）： 553-562.

Liu Weizhe， Tang Li， Wang Xiqin， et al. Estimating economic value of irrigation water and analysis of influencing factors： A case study based on residual value method and farmers data in Guanzhong area of Shaanxi ［J］. Journal of Natural Resources， 2019， 34（3）： 553-562.

［17］Shen D， Yu X， Shi J. Introducing new mechanisms into water pricing reforms in China ［J］.  Water Pricing Experiences and Innovations， 2015： 243-258.

［18］Rodrigues G C， da Silva F G， Coelho J C. Determining farmers willingness to pay for irrigation water in the Alentejo Regi on （Southern Portugal） by the residual value method ［J］. Agronomy， 2021， 11（1）： 142.

［19］王西琴， 劉维哲， 孙爱昕. 华北地下水超采区灌溉用水经济价值研究［J］. 西北大学学报（自然科学版）， 2020， 50（2）： 212-218.

Wang Xiqin， Liu Weizhe， Sun Aixin. Study on economic value of irrigation water in groundwater overexploited areas of North China Plain［J］. Journal of Northwest University （Natural Science Edition）， 2020， 50（2）： 212-218.

［20］Chebil A， Soula R， Souissi A， et al. Efficiency， valuation， and pricing of irrigation water in northeastern Tunisia［J］. Agricultural Water Management， 2022， 266： 107577.

［21］NguyenKy T， Mushtaq S， Loch A， et al. Predicting water allocation trade prices using a hybrid Artificial Neural NetworkBayesian modelling approach ［J］. Journal of Hydrology， 2018， 567： 781-791.

［22］Singh A. Assessment of different strategies for managing the water resources problems of irrigated agriculture ［J］. Agricultural Water Management， 2018， 208： 187-192.

［23］史尚， 王文娟， 王兴. 江西省农业水价成本影响因素分析及成本测算指标体系研究［J］. 水利发展研究， 2021， 21（12）： 64-69.

［24］Hellwig M， Polk A. Do political links influence water prices？ Determinants of water prices in Germany［J］. Utilities Policy， 2021， 70： 101184.

［25］Cauberghe V， VazquezCasaubon E， Van de Sompel D. Perceptions of water as commodity or uniqueness？ The role of water value， scarcity concern and moral obligation on conservation behavior ［J］. Journal of Environmental Management， 2021， 292： 112677.