張德權(quán) 杜崇 龐超 徐新宇

(黑龍江大學(xué)水利電力學(xué)院，黑龍江 哈爾濱 150080)

前言

中國是世界產(chǎn)糧大國，通過糧食作物生長監(jiān)測及產(chǎn)量預(yù)測對我國的糧食安全和農(nóng)業(yè)產(chǎn)品的管理有著重要意義[1]。隨著國內(nèi)外遙感技術(shù)發(fā)展的不斷完善與成熟，將遙感與作物模型兩者優(yōu)勢相結(jié)合的研究已成為國內(nèi)外的研究熱點[2]。

遙感，通過使用空間遙感技術(shù)來滿足農(nóng)業(yè)上的各種需求[3]。監(jiān)測在農(nóng)作物方面的研究也因為遙感技術(shù)的迅速發(fā)展有了明顯提高，也在許多學(xué)科領(lǐng)域方面如農(nóng)業(yè)有著廣泛的應(yīng)用[4]。遙感技術(shù)的快速發(fā)展讓人們可以全天候觀測，從多方位、多角度進行，遙感技術(shù)的優(yōu)點包括獲取信息迅速且信息量大、準(zhǔn)確性高、涵蓋的地物范圍大等優(yōu)點[5]。作物模型，在20世紀(jì)中葉，隨著作物生長動力學(xué)以及作物生長機理的不斷研究，研究人員用計算機技術(shù)實現(xiàn)了對作物生長機理的數(shù)學(xué)描述，世界上各個國家開始了對作物模型的開發(fā)工作[6]。

我國農(nóng)作物的研究起步較晚，所以發(fā)展還不夠先進，研究的技術(shù)和科研力量不夠強大和先進，但隨著我國對作物模型的不斷深入研究，開始應(yīng)用作物模型對北方地區(qū)的農(nóng)作物進行模擬，確定模型參數(shù)，結(jié)合遙感技術(shù)，對農(nóng)作物進行估產(chǎn)。同時該模型在農(nóng)業(yè)氣象學(xué)是被廣泛使用且發(fā)展在前列的，對作物產(chǎn)量的預(yù)測和風(fēng)險分析、農(nóng)業(yè)生產(chǎn)的決策和管理等方面都具備了十分突出的科學(xué)性和技術(shù)優(yōu)點[7]。趙艷霞[8]等將CERES-Wheat模型與MODIS數(shù)據(jù)耦合，提高了估算小麥產(chǎn)量的準(zhǔn)確度[9]。陳勁松[10]使用HJ-1A/B衛(wèi)星數(shù)據(jù)獲得水稻的LAI，與作物模型結(jié)合，通過耦合LAI有效提升估產(chǎn)的準(zhǔn)確率。

本文通過CiteSpace軟件對中國知網(wǎng)(CNKI)所檢索到的文獻分析遙感技術(shù)和作物模型耦合的研究現(xiàn)狀和發(fā)展趨勢。

1 研究方法與數(shù)據(jù)來源

文獻計量工具CiteSpace軟件通過學(xué)科相關(guān)領(lǐng)域的文獻發(fā)文量與文獻相關(guān)度[11]，探究多個領(lǐng)域的深度合作研究[12]。本文將采用CiteSpace軟件，對中國知網(wǎng)(CNKI)可檢索到的文獻通過文獻統(tǒng)計量和知識圖譜可視化映射的方法對其研究[13]。以中國知網(wǎng)中的文獻和期刊的發(fā)文量、關(guān)鍵詞共現(xiàn)、作者、研究前景和展望為遙感和作物模型耦合提供研究參考價值[14]。

本文通過中國知網(wǎng)(CNKI)數(shù)據(jù)庫，選擇高級檢索主題是遙感，篇關(guān)摘是作物模型，共計545篇，存在外文圖書本文不做分析，處理之后523篇。時間跨度為1989—2021年。

2 結(jié)果與分析

2.1 發(fā)文量分析

圍繞遙感和作物模型耦合研究的發(fā)文量上分析可以分為3個階段，分別為初步探索階段、快速增長階段、持續(xù)發(fā)展階段，見圖1。在1989—2003年呈初步研究階段，發(fā)文數(shù)量呈起步增加平緩態(tài)勢，在2011年文獻發(fā)表量呈現(xiàn)逐年上升趨勢，在2015年文獻發(fā)文量呈現(xiàn)持續(xù)發(fā)展態(tài)勢[15]，如圖1所示。

圖1 CNKI數(shù)據(jù)庫關(guān)于遙感和作物模型耦合發(fā)文量

2.1.1 第1階段(1989—2003年)

這一階段為初步探索階段。國內(nèi)外建立了大量的作物生長模型能夠模擬當(dāng)下的生產(chǎn)力水平，但是由于我國研究處在初步探索階段，即使有完善的作物生長模型理論，但很難真實地模擬出田間作物實際產(chǎn)量，農(nóng)業(yè)生長環(huán)境取決于當(dāng)時的科技水平，由于其科技發(fā)展落后，導(dǎo)致其生長環(huán)境存在脆弱性和生產(chǎn)特殊性，使得整個生產(chǎn)過程存在許多風(fēng)險和不確定性，其中以氣象條件為首要風(fēng)險因素[16]，這些因素在模型中難以預(yù)測，僅僅只能通過分析和系統(tǒng)推理，很難在構(gòu)建模型時考慮在內(nèi)；由于當(dāng)時測量某一地區(qū)的參數(shù)缺失以及氣候、土壤的空間差異性也存在一定程度上的影響，要想準(zhǔn)確、真實地模擬某一地區(qū)的實際作物產(chǎn)量，很難運用作物模型和遙感技術(shù)的耦合來真實的反映出來，只能通過實地觀測和考察來獲得[17]。

2.1.2 第2階段(2004—2012年)

這一階段為快速增長的階段。隨著航天衛(wèi)星科學(xué)不斷深入發(fā)展，我國衛(wèi)星技術(shù)具備了迅速、準(zhǔn)確、高效的特點，更多的科研人員將遙感技術(shù)和作物模型更好的相結(jié)合，農(nóng)作物估產(chǎn)成為遙感技術(shù)中一個重要的課題。由于衛(wèi)星遙感技術(shù)空間分辨率、時間分辨率等一些技術(shù)上的問題沒有攻克，地表和作物群體能被反映出來，但作物生長和產(chǎn)量規(guī)模、作物的生長情況和生長環(huán)境、作物與作物之間的內(nèi)在機制等用遙感技術(shù)無法表明[18]。之后的科學(xué)技術(shù)發(fā)展過程中，衛(wèi)星遙感技術(shù)的難題慢慢得到了解決。

2.1.3 第3階段(2013—2021年)

這一階段為持續(xù)發(fā)展階段。由于衛(wèi)星遙感技術(shù)和作物模型敏感參數(shù)的不斷完善，為提高作物模型和遙感數(shù)據(jù)的耦合效果，需要對模型參數(shù)進行敏感性分析[19]。加之我國對農(nóng)業(yè)領(lǐng)域的重視程度不斷加強，近幾年，高分變率的衛(wèi)星快速發(fā)展為農(nóng)業(yè)科研領(lǐng)域的精細(xì)化提供了技術(shù)手段和發(fā)展方向[20]，使得遙感技術(shù)和作物模型的耦合更加的科學(xué)和完善。

2.2 關(guān)鍵詞分析

基于CNKI數(shù)據(jù)庫中1989—2021年發(fā)表的估產(chǎn)文章，分別從頻數(shù)(Count)和中心性(Centrality)2個角度對共現(xiàn)關(guān)鍵詞進行排序，統(tǒng)計出排名前10位高頻關(guān)鍵詞和高中心性詞的關(guān)鍵詞如表1所示，“遙感”、“估產(chǎn)”、“作物模型”等關(guān)鍵詞和中心性排名靠前，表明這些詞匯研究熱度高、研究技術(shù)完善、體系成熟，并且與其他領(lǐng)域能夠有很好的結(jié)合，作為新的研究方向。通過對關(guān)鍵詞共現(xiàn)知識圖譜，見圖2，高頻關(guān)鍵詞及中心性表，見表1，分析得出，關(guān)鍵詞詞頻最高的是“遙感”(143)，中心性0.69；其次關(guān)鍵詞詞頻是“估產(chǎn)”(60)，中心性0.03；之后關(guān)鍵詞詞頻是“冬小麥”(56)，中心性是0.20。表明遙感和作物模型耦合中遙感的詞頻最高并且中心性占比很大，遙感和作物模型耦合中，在冬小麥的領(lǐng)域中應(yīng)用廣泛。我國是農(nóng)業(yè)大國，冬小麥?zhǔn)俏覈饕募Z食作物之一，其播種面積占我國糧食總播種面積的1/5，在遙感和作物模型耦合，用來大面積的推廣冬小麥作物估產(chǎn)得到了實現(xiàn)，可以準(zhǔn)確的對冬小麥進行估產(chǎn)?！白魑铩币渤蔀榱烁咧行男院透哳l性關(guān)鍵詞，表明在作物模型研究中，其他作物的研究在不斷深入?！坝衩住钡年P(guān)鍵詞詞頻為15，中心性為0.02，基于作物模型和遙感技術(shù)的耦合，表明在玉米的作物估產(chǎn)研究中前景廣泛，未來研究在玉米、大豆等農(nóng)作物作物估產(chǎn)中會更加準(zhǔn)確。

表1 CNKI數(shù)據(jù)庫中的主要高頻關(guān)鍵詞及中心性表

2.3 研究核心議題

關(guān)鍵詞聚類圖譜是通過共被引耦合分析自動提取關(guān)鍵詞，自動生成聚類標(biāo)簽，見圖3。通過聚類模塊值Modularity(Q值)與聚類平均輪廓值Mean Silhouette(S值)2個指標(biāo)，來判斷聚類耦合程度。通常Q>0.3表明聚類結(jié)構(gòu)優(yōu)異，S>0.5表示聚類合理，S>0.7表示聚類結(jié)果滿意。本文采用的是對文獻以關(guān)鍵詞為對象進行聚類標(biāo)簽，顯示聚類模塊值Q=0.6663，表示聚類劃分合理；聚類平均輪廓值為S=0.844，表示聚類結(jié)果滿意，主題明確。如圖2表示，遙感技術(shù)和作物模型耦合的研究領(lǐng)域中，主要議題為“估產(chǎn)”、“gis”、“冬小麥”、“作物模型”、“模型”、“作物產(chǎn)量”、“估產(chǎn)模型”、“蒸散發(fā)”、“土壤水分”、“作物長勢”。聚類序號靠前的表示改聚類的規(guī)模較大，包含的文獻發(fā)文量多，根據(jù)圖3可以看出，聚類模型分類區(qū)域模型重合區(qū)域較大，表明各個領(lǐng)域相融、互通，但似乎及疊加的區(qū)域大小還是存在一定差異，“估產(chǎn)”、“作物模型”、“冬小麥”、“蒸散發(fā)”疊加區(qū)域較為緊密，表明研究領(lǐng)域互通，發(fā)文量圍繞這些熱點領(lǐng)域較多；“土壤水分”與“估產(chǎn)模型”相疊加區(qū)域較為狹小，表明“土壤水分”和“估產(chǎn)模型”相互聯(lián)系較少，研究領(lǐng)域獨立。

圖2 CNKI數(shù)據(jù)庫中估產(chǎn)文獻關(guān)鍵詞共現(xiàn)分析圖

進一步統(tǒng)計各個聚類標(biāo)簽的相關(guān)指標(biāo)，見表2，前9位的聚類標(biāo)簽包含的節(jié)點數(shù)量均在10個以上，緊密程度最大值為0.985，最小值為0.837，表明聚類總體效果較好。節(jié)點的個數(shù)表示當(dāng)前研究熱度，緊密程度表示其內(nèi)部關(guān)聯(lián)較為密切，標(biāo)簽#6“估產(chǎn)模型”的緊密程度為0.985，表明文獻高度緊密的圍繞“估產(chǎn)模型”開展研究，與圖3中的估產(chǎn)模型區(qū)域內(nèi)部點數(shù)多相呼應(yīng)。

圖3 關(guān)鍵詞聚類圖譜

表2 關(guān)鍵詞聚類表

2.4 關(guān)鍵詞突顯分析

將關(guān)鍵詞共線分析中所出現(xiàn)的關(guān)鍵詞進行突顯分析，能夠更加明確地看見關(guān)鍵詞在各個時間段的研究熱點，并且能夠發(fā)現(xiàn)當(dāng)下的研究熱點，見圖4。通過CiteSpace軟件對中國知網(wǎng)的文獻進行關(guān)鍵詞年限分析，時間跨度為1989—2021年，時間分區(qū)為1a，其他參數(shù)均為默認(rèn)值，其中冬小麥、衛(wèi)星圖像、四維變分的研究時間跨度較長，2003年后，由于衛(wèi)星圖像的快速、準(zhǔn)確，使得遙感領(lǐng)域得到了快速的發(fā)展。當(dāng)前研究熱點是通過無人機手段，通過無人機技術(shù)可以更加高效精準(zhǔn)的采集數(shù)據(jù)，將衛(wèi)星遙感數(shù)據(jù)和作物模型相結(jié)合，使得作物估產(chǎn)更加精確。

圖4 關(guān)鍵詞突顯圖

關(guān)鍵詞突變時區(qū)圖見圖5，是將關(guān)鍵詞出現(xiàn)的年份以時間軸的形式表示出來，可以清楚表明當(dāng)前研究熱點領(lǐng)域的關(guān)鍵詞其各個時區(qū)研究相關(guān)性。橫軸表示研究時間線，圓圈大小面積表示發(fā)文數(shù)量，曲線表示關(guān)鍵詞之間的相關(guān)性。

最初估產(chǎn)和分辨率隨著科技的發(fā)展與遙感衛(wèi)星分辨率更加準(zhǔn)確，將衛(wèi)星遙感與估產(chǎn)模型相結(jié)合，模型更加完善，數(shù)據(jù)庫數(shù)據(jù)更加完整，但是不能將實地作物的客觀條件加入到模型中。將土壤水分植被指數(shù)添加到模型當(dāng)中，研究冬小麥的文獻量較多。建立作物模型，因為有土壤水分和衛(wèi)星遙感技術(shù)分辨率更加清晰的條件下，建立作物模型，通過作物模型和遙感模型相耦合，達(dá)到作物估產(chǎn)的目的。從圖5可以明顯看出，“遙感”、“冬小麥”、“作物模型”、“數(shù)據(jù)同化”研究領(lǐng)域火熱，發(fā)文量較多，相關(guān)性較為緊密，與本文所要敘述的遙感技術(shù)和作物模型耦合主題貼切。

圖5 關(guān)鍵詞突變時區(qū)圖

2.5 作者合作網(wǎng)絡(luò)分析

科研作者研究是推動學(xué)科領(lǐng)域建設(shè)核心力量，因此有必要對科研作者合作網(wǎng)絡(luò)進行分析?？梢园l(fā)現(xiàn)領(lǐng)域內(nèi)作者的社會人際關(guān)系，并繪制圖表，見圖6。有440個節(jié)點，529個連線，網(wǎng)絡(luò)密度為0.0055。作者合作圖譜中，作者的發(fā)文量數(shù)量可通過圓圈面積表示，作者之間的合作可用節(jié)點之間的連線密度表示，圖6可看出，中心性的大小差異，表明作者間的相互合作的頻率，中心性大，表明合作愈加密切。

從作者發(fā)文量研究，“劉正春”、“劉育孜”、“劉小惠”3位研究學(xué)者節(jié)點最大，表明發(fā)文量最多。其中，劉正春發(fā)文量為34篇，劉育孜發(fā)文量為33篇，劉小惠發(fā)文量為33篇，崔珍發(fā)文量為27篇，徐占軍發(fā)文量為25篇，見表3。劉正春、王超、賀鵬等成為通過gis和遙感技術(shù)研究的核心作者群；曲維榮、劉育孜等成為基于遙感衛(wèi)星和模型預(yù)測研究農(nóng)作物面積的核心作者群，研究作者們?yōu)檫b感技術(shù)和模型耦合方面作出了很大貢獻。從圖6可以看出，不同團隊之間的聯(lián)系較為薄弱，應(yīng)該加強不同團隊、不同核心作者之間的深入合作，深入交流，這樣遙感技術(shù)和作物模型等各個領(lǐng)域之間都會得到不同程度的發(fā)展。

表3 1989—2021年主要作者發(fā)文量及其機構(gòu)分析表

圖6 1989—2021年遙感和作物模型耦合研究領(lǐng)域作者

3 結(jié)論與討論

本文從1989—2021年在中國知網(wǎng)(CNKI)數(shù)據(jù)庫中有關(guān)遙感技術(shù)和作物模型研究的523篇論文為研究對象，借助CiteSpace軟件進行數(shù)據(jù)可視化，研究了當(dāng)前遙感技術(shù)和作物模型研究的現(xiàn)狀和未來發(fā)展趨勢，結(jié)論如下。

1989—2003年遙感技術(shù)和作物模型同化發(fā)文量較少，2011—2021年10a間發(fā)文趨勢呈總體增長態(tài)勢，發(fā)文量較多，平均每年為38篇，主要核心發(fā)文量作者為劉正春、劉育孜等作者，研究主題為遙感技術(shù)和作物模型同化，以冬小麥和農(nóng)作物面積為研究對象開展研究，體現(xiàn)出遙感技術(shù)和作物模型與其他領(lǐng)域的綜合性和交叉性。國內(nèi)發(fā)文量明顯增加，表明我國農(nóng)業(yè)技術(shù)、衛(wèi)星遙感技術(shù)逐步走向強大，加強我國農(nóng)業(yè)遙感技術(shù)和國外技術(shù)相互交流與合作。

“遙感”、“估產(chǎn)”、“冬小麥”、“數(shù)據(jù)同化”等關(guān)鍵詞出現(xiàn)頻率最高，遙感技術(shù)和作物模型同化中對冬小麥研究和對農(nóng)作物估產(chǎn)研究較為集中。利用作物估產(chǎn)模型和遙感技術(shù)反演通過代價參數(shù)、優(yōu)化算法，找出最優(yōu)化參數(shù)建立出的模型以達(dá)到產(chǎn)量預(yù)測。

隨著我國科技和經(jīng)濟的快速發(fā)展，北斗衛(wèi)星等通信技術(shù)的更新與廣泛使用，遙感技術(shù)不斷成熟的背景下，遙感技術(shù)結(jié)合作物模型同化模擬作物等先進手段，將一塊區(qū)域分割成各個小點來研究作物，并結(jié)合“3s”技術(shù)進行作物研究，將作物模型完善運用到除冬小麥研究以外的玉米、大豆、花生等其他作物的研究成為近幾年來的研究熱點和趨勢。