基于文獻計量學的農(nóng)業(yè)生態(tài)薈萃分析的研究進展

楊睿哲，陳蘭蘭，劉雪健，鄭一鳴，鄭 偉，翟丙年，王朝輝，李紫燕

（1西北農(nóng)林科技大學資源環(huán)境學院/農(nóng)村農(nóng)業(yè)部西北植物營養(yǎng)與農(nóng)業(yè)環(huán)境重點實驗室，陜西楊陵 712100；2甘肅農(nóng)業(yè)大學資源與環(huán)境學院/甘肅省干旱生境作物學重點實驗室，蘭州 730070）

0 引言

農(nóng)田系統(tǒng)是全球生態(tài)系統(tǒng)的重要組成部分，具有產(chǎn)品服務、環(huán)境服務和區(qū)域生態(tài)安全等重要價值[1]。農(nóng)田系統(tǒng)的生態(tài)環(huán)境效應不僅受內(nèi)部組分的物質(zhì)循環(huán)和能量流動途徑影響[2]，更易受到氣候變化、種植制度、土壤性質(zhì)、農(nóng)田管理等因素的影響和制約[3-4]，如黃土半干旱地區(qū)研究中發(fā)現(xiàn)短期保護性耕作可以有效降低碳足跡(11.0%)[5]，而其他研究則認為長期免耕較其他耕作措施顯著提高了農(nóng)田碳儲量，可有效降低中國北方地區(qū)碳排放[6]。此外，即使在同一區(qū)域內(nèi)，由于研究方法和觀測技術(shù)的差異，也可能會導致結(jié)果不同。例如，目前常見的農(nóng)田氨揮發(fā)研究中，海綿法和抽氣法測定的氨揮發(fā)通量差異可達到35.11%[7]。就土壤碳氮庫儲量計算而言，目前常見的固定深度法(fixed depth method，F(xiàn)D)和等效質(zhì)量法(equivalent mass method，ESM)得到的估算結(jié)果也存在較大差異[8-10]，如Tong等[8]運用FD和ESM方法對中國黑河流域土壤有機碳、全氮儲量進行估算，結(jié)果表明FD法估算的土壤有機碳和全氮儲量結(jié)果比ESM法分別顯著高1.92%、4.25%。由此可見，農(nóng)田生態(tài)系統(tǒng)經(jīng)濟環(huán)境效益、地力質(zhì)量受多種因素的影響，評價結(jié)果也因方法而異，建立明確區(qū)域乃至全球尺度的農(nóng)田生態(tài)系統(tǒng)環(huán)境綜合評估，必須要建立可量化的文獻綜合評價分析[11]。早期的整合分析往往是利用專家知識定性分析或是簡單運算討論，研究者自身的傾向性嚴重影響結(jié)論。薈萃分析(meta-analysis)是重要的文獻量化評估工具，由英國教育心理學家Glass G V命名，可實現(xiàn)宏觀尺度研究數(shù)據(jù)整理分析，綜合評價多因子綜合/單獨作用的影響效果，進而揭示結(jié)果異質(zhì)性的原因和機制[12-13]。如Valladares F發(fā)表了《Is the change of plant-plant interactions with abiotic stress predictable?A metaanalysis of field results in arid environments》，研究了在半干旱條件下，植物間互作效應指標（植物存活率、密度、生長量、產(chǎn)量）對不同強度的非生物脅迫響應的薈萃分析，發(fā)現(xiàn)植物間的互作效應在高強度非生物脅迫下均無顯著變化，推翻了之前Callaway R M和Brooke R W關(guān)于作物互作效應理論和模型預測結(jié)果[14-16]。由此可見，薈萃分析已成為生態(tài)學研究理論有效性和應用型研究結(jié)果可靠性檢驗的重要方法。近年來，大量學者開始應用薈萃分析評估農(nóng)業(yè)生態(tài)學相關(guān)工作，科技論文發(fā)表數(shù)量也在持續(xù)增長，也存在相似研究主題扎堆、綜合評價可行性不足等問題?；诖耍P者利用文獻計量學方法，從不同角度分析介紹了薈萃分析方法在具體研究受重視的程度、發(fā)展趨勢和熱點，明確國內(nèi)在農(nóng)業(yè)生態(tài)學薈萃分析研究方面的發(fā)展現(xiàn)狀和主要成果，以期為后續(xù)研究農(nóng)業(yè)生態(tài)學的薈萃分析應用提供知識普及和有益參考，同時為農(nóng)業(yè)生態(tài)薈萃分析的未來研究方法和方向提供建議。

1 材料與方法

1.1 研究方法

CiteSpace軟件可通過一系列算法對某一領(lǐng)域的研究現(xiàn)狀和發(fā)展前沿進行分析，被廣泛運用于文本數(shù)據(jù)分析和挖掘[17-18]。筆者運用CiteSpace軟件和Web of Science(WOS)自帶文獻分析工具，通過頻次、中介中心性、H指數(shù)、輪廓值、突顯強度等指標揭示學科發(fā)展進程，分析科研領(lǐng)域的研究脈絡和結(jié)構(gòu)關(guān)系，并探索學科最新動態(tài)。

本研究統(tǒng)一設置時間切片(year per slice)為1，將節(jié)點類型(node types)選中關(guān)鍵詞(keyword)，設置節(jié)點最低出現(xiàn)頻率(topN,e)為3，其他設置不變；將節(jié)點類型(note types)分別單次選中被引作者(cited author)、關(guān)鍵詞(keyword)、機構(gòu)(institution)、國家(country)，top設置為45；裁剪功能(pruning)同時選中尋徑網(wǎng)絡(pathfinder)、每個切片網(wǎng)絡裁剪(pruning sliced networks)、合并后網(wǎng)絡裁剪(pruning the merged network)，其他設置不變。

1.2 數(shù)據(jù)來源

為保證研究結(jié)果的科學性和可靠性，文獻計量分析數(shù)據(jù)來源于Web of Science(WOS)數(shù)據(jù)庫核心合集的核心期刊，通過主題設置為meta或meta-analysis，學科分類選擇“農(nóng)業(yè)生態(tài)學科”，搜索1994—2020年相關(guān)文獻，并逐條檢查檢索結(jié)果，最終獲得有效相關(guān)文獻718篇。

1.3 網(wǎng)絡指標屬性

中介中心性(betweenness centrality)是測度節(jié)點的一個重要指標，具有高中介中心性的節(jié)點通常是連接其他節(jié)點的關(guān)鍵樞紐，用紫色外圈標記的為重要節(jié)點（中介中心性不小于0.1）[19]。突發(fā)性檢測(burst detection)表示節(jié)點在某段時間內(nèi)出現(xiàn)頻次突增，紅色矩形表示節(jié)點在某時間的突增，具有高突發(fā)性的節(jié)點通常是某段時期的熱點并引起了高度重視。模塊值(modularityQ)和輪廓值(mean silhouette)表示網(wǎng)絡模塊化結(jié)構(gòu)和聚類結(jié)果的顯著程度。模塊值在0.4～0.8表示聚類結(jié)果較好，輪廓值越接近1說明同一聚類內(nèi)的同質(zhì)性越高[17]。

2 結(jié)果與分析

2.1 文獻發(fā)表量分析

時間是投射客觀存在的維度之一，客觀規(guī)律在時間發(fā)展序列中會表現(xiàn)出來[20]。發(fā)文量及其發(fā)表年份可以反映研究專題隨時間發(fā)展的動態(tài)，對發(fā)文量進行統(tǒng)計如圖1所示。1994—2020年共發(fā)表相關(guān)文獻718篇。1994—2003年的10年中，發(fā)文量僅占總發(fā)文量的7%，表明研究人員對薈萃分析應用于農(nóng)業(yè)生態(tài)領(lǐng)域仍處于探索階段。2004年以后，發(fā)文量呈顯著增加趨勢，年均增長率為22%，這與薈萃分析方法更加完善和農(nóng)業(yè)生態(tài)系統(tǒng)過程研究、安全評價研究、環(huán)境評價研究、服務機理和價值研究的快速發(fā)展為應用薈萃分析方法的文獻提供了豐富的數(shù)據(jù)基礎有關(guān)[21]。

圖1 每年發(fā)表總論文數(shù)(1994—2020)

2.2 合作特征空間分布研究

合作圖譜可識別世界各機構(gòu)的合作關(guān)系，判斷各機構(gòu)在研究領(lǐng)域的學術(shù)地位和貢獻度，也便于發(fā)現(xiàn)值得學習的機構(gòu)。通過國際機構(gòu)合作分析可得到發(fā)文量前10位的發(fā)文機構(gòu)（表1）和合作關(guān)系（圖2）。由圖2可知，全球共有151所機構(gòu)使用薈萃分析方法用于農(nóng)業(yè)生態(tài)學研究，歐美國家的研究機構(gòu)之間合作聯(lián)系緊密，中國研究機構(gòu)之間合作較為密切，但國際合作較少。從發(fā)文量來看，進行該主題研究的機構(gòu)主要是高校和研究所。美國加州大學戴維斯分校（16篇）和荷蘭瓦赫寧根大學（9篇）發(fā)文量分別位于第1位和第5位，中介中心性最高，表明這2所研究機構(gòu)在該研究領(lǐng)域中有著重要地位。中國農(nóng)業(yè)大學（16篇）、中國科學院（15篇）、中國農(nóng)業(yè)科學院（10篇）均在發(fā)文量前10位，可見，其為國內(nèi)的農(nóng)業(yè)生態(tài)學研究和薈萃分析應用做出了重要貢獻。

表1 發(fā)文量前10名的機構(gòu)

圖2 機構(gòu)合作網(wǎng)絡圖譜

2.3 高被引作者分析

基于CiteSpace的共被引作者分析和WOS自帶的統(tǒng)計分析功能得到表2。本地被引頻次為該論文被有效文獻（本次篩選導出的論文集合）的總被引次數(shù)，表示某論文在本研究領(lǐng)域的影響力。H指數(shù)和總被引頻次是某篇論文在WOS數(shù)據(jù)庫中計算出的，表示該論文在WOS數(shù)據(jù)庫的綜合影響力，但施引文獻不一定屬于本研究主題的文獻，故具有高H指數(shù)和總被引頻次的文獻不能準確代表其內(nèi)容在本研究領(lǐng)域的重要度。

表2 前10名高被引作者和引文

續(xù)表2

對高被引作者結(jié)果進行梳理后可以發(fā)現(xiàn)，排名前10位的論文主要集中在2個方面。（1）研究方法的闡述和更新，如排名第一的Hedges L V[22]在《Ecology》期刊發(fā)表的題為《The meta-analysis of response ratios in experimental ecology》的論文，正式將對數(shù)響應比（實驗組與對照組的平均結(jié)果之比）引用到生態(tài)學領(lǐng)域來度量每項獨立實驗或總體的效應值大小，并對其在生態(tài)學的應用適宜性進行優(yōu)化。Gurevitch J[23]發(fā)表的《Statistical issues in ecological meta-analyses》，主要介紹生態(tài)學研究中的薈萃分析參數(shù)設定、選擇加權(quán)分析、固定效應模型、隨機效應模型、回歸分析方法、重抽樣法之間的模型比較，這奠定了現(xiàn)代生態(tài)學的薈萃分析研究方法應用基礎。20世紀以來，薈萃分析方法學改進與計算機應用和模型模擬結(jié)合更為緊密。例如，Viechtbauer W[24]在2010年的文章中建立了基于R語言的Metafor模塊使得薈萃分析對科研人員更為友好，極大地簡化了數(shù)理統(tǒng)計計算過程，實現(xiàn)調(diào)節(jié)研究水平協(xié)變量、多種繪圖和測試發(fā)表偏倚函數(shù)等功能，讓薈萃分析的應用更為廣泛。針對固定效應模型和隨機效應模型誤用問題，Borenstein M[25]發(fā)表的《A basic introduction to fixed-effect and random-effects models for meta-analysis》，詳細介紹了固定效應模型和隨機效應模型概念和區(qū)別，對如何正確選擇效應模型做出闡述。文件抽屜問題（發(fā)表偏倚問題）是進行薈萃分析的重要問題，指具有顯著性差異的研究結(jié)果發(fā)表機會更多[26]。為避免科研人員只關(guān)注具有顯著性差異的研究，Rosenberg M S[27]在2005年提出失安全數(shù)(fail-safe numbers)來判斷是否存在發(fā)表偏倚問題。上述方法和指標的出現(xiàn)說明薈萃分析在生態(tài)學領(lǐng)域正逐步被認可，且其方法的精準性和可信度研究日趨成熟。（2）針對農(nóng)業(yè)生態(tài)學研究主題的研究。Koricheva J[28]在1998年發(fā)表了木本植物的次生代謝對氮肥，磷肥施用、遮蔭、CO2富集、干旱脅迫、臭氧響應的薈萃分析。Rustad L E[29]在2001年發(fā)表了關(guān)于全球尺度4種生態(tài)系統(tǒng)的土壤礦化、凈氮礦化、植物地上生長量對全球溫度變暖響應的薈萃分析。由此可見，碳氮磷養(yǎng)分循環(huán)和溫室效應是農(nóng)業(yè)生態(tài)學薈萃分析研究的重要話題。

2.4 研究熱點與發(fā)展趨勢

關(guān)鍵詞是文獻主旨的精確表達，關(guān)鍵詞共現(xiàn)分析和共引分析均可識別研究主題的內(nèi)容和發(fā)展動態(tài)，探究學科的內(nèi)部結(jié)構(gòu)。由于本研究關(guān)注的是薈萃分析方法應用于農(nóng)業(yè)生態(tài)領(lǐng)域，薈萃分析屬于方法型綜述，因此共引分析不能準確表示研究內(nèi)容和演變過程，將通過關(guān)鍵詞共現(xiàn)聚類圖譜和高頻關(guān)鍵詞探究研究主題的熱點內(nèi)容，以進一步完善農(nóng)業(yè)生態(tài)學科結(jié)構(gòu)。

將CiteSpace節(jié)點選擇“keyword”，閾值選擇50，應用對數(shù)似然算法(LLR)得到圖3。圖譜的輪廓值為0.7573，模塊值為0.7903，表明形成的聚類結(jié)果較好，各聚類內(nèi)部節(jié)點同質(zhì)性較高。節(jié)點厚度表示出現(xiàn)的頻率，高頻關(guān)鍵詞反映了該領(lǐng)域的研究重點[30]。除“meta-analysis”和“agroecosystem”為本研究主題關(guān)鍵詞外，其他均代表該領(lǐng)域的重點研究對象。頻率最高的10個關(guān)鍵詞（表3）分別為生物多樣性(biodiversity)、氣候變化(climate change)、免耕 (no tillage)、影響(impact)、群落(community)、有機碳(organic carbon)、生物量(bioma)、動力學(dynamics)、物種豐富度(species richness)、產(chǎn)量(yield)。生物多樣性、群落、產(chǎn)量、有機碳、群落、物種豐富度等關(guān)鍵詞表示主要進行研究的指標；免耕、氣候變化、影響等關(guān)鍵詞表示研究因素。通過聚類圖譜和主要高頻關(guān)鍵詞梳理出2個熱點研究路徑。

圖3 關(guān)鍵詞共現(xiàn)聚類圖譜

表3 前10位高頻關(guān)鍵詞

（1）氣候變化-影響-農(nóng)業(yè)生態(tài)系統(tǒng)-碳/氮/磷-動力學-群落-生物多樣性-物種豐富度-生物量/產(chǎn)量。研究表明，氣候變化使全球小麥和玉米的總產(chǎn)量分別減產(chǎn)5.5%和3.8%，1/3糧食總產(chǎn)量被影響[31-32]。全球氣候變化（例如大氣CO2濃度升高、氣候變暖、氮沉降）會顯著影響農(nóng)業(yè)生態(tài)系統(tǒng)的組成、結(jié)構(gòu)和功能。

大氣CO2是影響農(nóng)業(yè)生態(tài)系統(tǒng)可持續(xù)性的重要氣候變化因子之一[33]。大量研究表明，全球大氣CO2濃度升高可顯著提高土壤有機碳、有機氮庫儲量、微生物量碳氮含量[34-37]，并增強作物的光合作用強度，影響作物的氣孔導度減少碳損失，并加速作物對土壤氮的吸收[38-41]，從而提高作物生物量碳氮含量，改變植物地上和地下部分的養(yǎng)分分配策略[42-43]。但對于CO2濃度如何影響土壤碳氮循環(huán)過程以及相關(guān)土壤微生物組成、豐度和功能等問題仍不清楚，需更多的長期定位試驗和薈萃分析支持[44]。

氣候變暖對農(nóng)業(yè)生態(tài)系統(tǒng)的影響體現(xiàn)為多尺度和多方面。研究表明，氣候變暖對濕潤寒冷地帶的農(nóng)業(yè)生態(tài)系統(tǒng)有積極影響，對干旱高溫地帶農(nóng)業(yè)生態(tài)系統(tǒng)有消極影響[45]，植被個體的生物量增加[46]，但長期持續(xù)增溫會抑制植被生長，甚至死亡[47]，引起物種組成和結(jié)構(gòu)發(fā)生改變[48]，影響植物與土壤微生物相互作用機制和生態(tài)系統(tǒng)碳氮循環(huán)過程[49-51]。當前對于土壤微生物群落對氣候變暖的響應機制（尤其是代謝途徑、養(yǎng)分分配和微生物群落演變規(guī)律）和農(nóng)業(yè)生態(tài)系統(tǒng)如何適應氣候變暖等問題依然認識不足。未來需充分利用高通量測序和同位素標記對土壤微生物關(guān)鍵過程和機理的研究，通過薈萃分析方法揭示不同尺度下的氣候變暖對微生物群落影響的普適性規(guī)律和其他環(huán)境因子的交互影響。

氮沉降是全球氣候氣候變化的重要表現(xiàn)之一，可顯著改變農(nóng)業(yè)生態(tài)碳循環(huán)過程和微生物生物量和組成，并影響未來氣候變化規(guī)律[52-53]。全球薈萃分析結(jié)果表明，氮沉降造成生物多樣性減少[54]，農(nóng)業(yè)生態(tài)系統(tǒng)生產(chǎn)力增加[55]，總微生物生物量下降13.20%，微生物群落結(jié)構(gòu)改變[56]，顯著加快氮磷循環(huán)過程[57-58]。目前生態(tài)系統(tǒng)碳氮循環(huán)過程模型已比較成熟，但很多模型未充分考慮碳氮耦合過程，各模型分析方法不同且估算方法存在差異，依然存在一定不足。未來應加強薈萃分析在不同時空尺度下的各碳氮循環(huán)過程的運用，以獲得普適響應規(guī)律，為模型參數(shù)的校正、模型方法的完善、模型預測精度的提高提供理論基礎。

（2）農(nóng)田管理措施/土地利用-農(nóng)業(yè)生態(tài)系統(tǒng)-影響-水土流失/碳/氮/磷/溫室氣體-氣候變化/產(chǎn)量。農(nóng)業(yè)生產(chǎn)和管理措施在一定程度上也影響著全球氣候變化。聯(lián)合國政府間氣候變化專門委員(IPCC)估算主要溫室氣體排放中約60%的CH4和61%的N2O來自農(nóng)業(yè)生態(tài)系統(tǒng)[59]。研究表明，施用氮肥引起的N2O排放對全球N2O排放量的貢獻率達到80%[60]，不合理的灌溉方式能提高冬小麥CH4排放量約19.5%～75.8%[61]。農(nóng)田管理措施會顯著影響作物的生長發(fā)育，改變土壤理化性質(zhì)和生物群落結(jié)構(gòu)。不合理的土地開墾、長期翻耕擾動、過量施肥造成作物產(chǎn)量逐漸下降、土壤有機碳流失和排放、土壤生物生境惡化、生物多樣性和豐富度下降等嚴重問題。研究表明，不合理的農(nóng)田管理措施已使得溫帶和熱帶土壤有機碳分別流失了約60%和75%，土壤容重和生物通道顯著降低[62-63]。目前全球大約有1.55億hm2的土地采用保護性耕作，占全球耕地總面積的11%[64-65]。多項全球薈萃分析結(jié)果表明，保護性耕作可提高土壤的水土保持能力、改善土壤結(jié)構(gòu)、提高生物多樣性、有效固碳減排。Li Y等[66]研究表明，免耕較傳統(tǒng)性耕作可顯著提高土壤有機碳和全氮含量，對土壤微生物豐富度有積極影響，長期免耕可顯著提高土壤細菌豐富度。Sun Y等[67]研究表明，免耕的水土侵蝕量比傳統(tǒng)性耕作減少了27.2%。然而，選擇合適的農(nóng)田管理措施需考慮各措施對研究指標的正負效應，例如免耕的節(jié)能和增碳效應也可能因為與土壤反硝化作用加強導致土壤N2O排放通量增加而抵消[68]，因此未來需加強研究多個管理措施對研究指標的綜合影響。

土地利用轉(zhuǎn)變一直是農(nóng)業(yè)生態(tài)景觀學的重要主題之一[69]，通過改變植被類型、覆蓋度、土壤理化性質(zhì)、局部地形等條件[70]，會顯著影響徑流速率、土壤流失量、碳/氮/磷循環(huán)過程，造成環(huán)境變化等問題[71]。研究表明，不合理的土地利用排放的溫室氣體量約占人為總排放量的17%[72]，導致7.51億hm2土地因受到土壤侵蝕嚴重退化[73]。當前，對土地利用方式轉(zhuǎn)變的研究普遍采取“時空置換法”，在時空耦合過程中，氣候變化改變了降雨和溫度的時空格局，并使人類活動與地表植被發(fā)生響應[74]，增加了農(nóng)業(yè)生態(tài)系統(tǒng)各要素的不確定性，造成無法準確量化土壤侵蝕和碳/氮/磷對土壤利用方式轉(zhuǎn)變響應的敏感性和實時性。例如，隨著土地利用方式轉(zhuǎn)變和降雨強度改變，土壤侵蝕發(fā)生閾值以及碳氮“源匯”的時空變化。因此，未來可通過逐漸完善的生態(tài)系統(tǒng)觀測研究網(wǎng)絡，并運用機器學習、深度學習、神經(jīng)網(wǎng)絡和薈萃分析等方法加強研究：①在氣候變化背景下，土壤利用方式轉(zhuǎn)變對土壤侵蝕和土壤性質(zhì)的影響，并區(qū)分土地利用和氣候變化的影響。②土地利用方式轉(zhuǎn)變對氣候的影響，以及不同時空下的碳、氮、磷的周轉(zhuǎn)、遷移、再分配、有效性規(guī)律。

2.5 研究主題演變

時間線圖譜側(cè)重描述聚類之間的時間關(guān)系，同一聚類關(guān)鍵詞按照時間順序排列在同一水平線上，可清楚展示各研究方向隨著時間推移的發(fā)展情況以及研究的活躍程度。關(guān)鍵詞突顯圖譜可表示關(guān)鍵詞出現(xiàn)頻率在短時間內(nèi)躍遷的現(xiàn)象，強調(diào)突發(fā)性，表征特定時間內(nèi)的研究熱點。對關(guān)鍵詞聚類后，按照時間演進特征，繪制了關(guān)鍵詞共現(xiàn)時間線圖譜和關(guān)鍵詞突顯圖譜，共形成10個聚類和突顯強度前15位關(guān)鍵詞結(jié)果（圖4、表4）。在聚類0中，群落（5.8082，2009—2014年）、生物多樣性（5.1308，2007—2013年）、結(jié)果（5.2691，2007—2012年）、模式（6.3135，2011—2017年）關(guān)鍵詞突顯強度較高。其主要關(guān)注不同尺度下，農(nóng)業(yè)生態(tài)系統(tǒng)特性、群落結(jié)構(gòu)、生境、物種豐富度對土地利用模式改變的響應，聚類最早出現(xiàn)于2003年。聚類1中，健康（3.0956，1999—2012年）、模型（3.3544，2007—2008年）關(guān)鍵詞突顯強度較高。其主要關(guān)注農(nóng)業(yè)生態(tài)系統(tǒng)的生物波動不對稱性，涉及基于模型或選擇性實驗的作物特性對環(huán)境變化（尤其土壤環(huán)境）壓力響應的研究。聚類2中，土壤有機碳（3.8615，2014—2015年）關(guān)鍵詞突顯強度較高。其主要關(guān)注農(nóng)田管理措施對作物產(chǎn)量、水分利用效率、土壤有機碳氮磷形態(tài)轉(zhuǎn)變以及耦合效應的影響等。聚類3主要關(guān)注保護性耕作對溫室氣體（主要為氧化亞氮）排放的影響研究，也是近年的研究熱點。聚類4主要關(guān)于景觀生態(tài)學，涉及景觀生態(tài)效應以及破碎化等方面，但此處主要關(guān)注農(nóng)田生態(tài)系統(tǒng)與草地生態(tài)系統(tǒng)的互相作用和動態(tài)變化。聚類5主要是關(guān)于非洲熱帶森林生態(tài)系統(tǒng)轉(zhuǎn)變?yōu)檗r(nóng)田生態(tài)系統(tǒng)的生境變化評估研究。聚類6中，元回歸（3.6483，2012—2015年）關(guān)鍵詞突顯強度較高。其主要關(guān)于運用元回歸分析方法評價農(nóng)業(yè)生態(tài)系統(tǒng)指標。聚類7中，動力學（3.36，2015—2017年）關(guān)鍵詞突顯強度較高。其主要關(guān)于土壤質(zhì)量動力學的研究，特別是土壤退化例如土壤侵蝕過程可使全球生產(chǎn)要素(C、N、P)循環(huán)發(fā)生變化，進而對植物群落產(chǎn)生影響，以及通過不同植被影響地表反射率和下墊面粗糙度等因素，評價攔蓄土壤表層流失的效果。聚類8中，氣候變化（3.6944，2008—2011年）、響應（3.0931，2008—2011年）關(guān)鍵詞突顯強度較高。其主要關(guān)注生物多樣性、作物生物量、土壤碳氮循環(huán)、碳氮儲量對全球氣候變化（尤其是氮沉降、降雨格局改變、氣溫升高）和不同施肥方式響應的研究。聚類9主要關(guān)于作物品質(zhì)的研究。

圖4 時間線和關(guān)鍵詞突顯圖譜

表4 關(guān)鍵詞聚類標簽

從以上研究主題變化規(guī)律來看，聚類0和1的研究熱度持續(xù)時間較長，這與研究尺度和模型完善程度有關(guān)。隨著科技水平提高和技術(shù)成本降低，文獻的研究對象更趨向于微觀化或宏觀化，例如利用高通量測序技術(shù)對微生物代謝基因的研究，利用定量模型或同位素示蹤法研究大尺度下的碳、氮、磷等循環(huán)過程及其動力學因素。聚類2、3、5研究是目前薈萃分析方法運用的熱點領(lǐng)域，這與近年環(huán)境變化劇烈，宏觀政策要求的作物高產(chǎn)與環(huán)境保護需相互協(xié)調(diào)，生產(chǎn)與生態(tài)需共贏有關(guān)。

3 結(jié)論

筆者運用CiteSpace對農(nóng)業(yè)生態(tài)領(lǐng)域應用薈萃分析方法的文獻和被引文獻進行了文獻計量分析。通過機構(gòu)合作圖譜發(fā)現(xiàn)了應用薈萃分析研究農(nóng)業(yè)生態(tài)學問題的主要機構(gòu)。通過發(fā)文量、高被引文獻作者、高被引文獻探明了領(lǐng)域發(fā)展過程。通過關(guān)鍵詞共現(xiàn)聚類、時間線分析、關(guān)鍵詞突顯發(fā)現(xiàn)，生物多樣性、溫室氣體、碳氮磷循環(huán)及其動力學因素對農(nóng)田管理措施，土地利用和氣候變化的響應研究，不同生態(tài)系統(tǒng)之間的變化、互作以及價值評估研究均是領(lǐng)域內(nèi)的熱門新主題。綜合來看，基于大數(shù)據(jù)的薈萃分析在農(nóng)業(yè)生態(tài)學研究中扮演著重要角色，為不同時空尺度下的研究提供了驗證假說和發(fā)展新理論的新途徑。無論是快速發(fā)展的宏觀農(nóng)業(yè)生態(tài)學研究，還是迅速崛起的微觀農(nóng)業(yè)生態(tài)學研究，薈萃分析都將發(fā)揮重要研究價值。

4 展望

進入大數(shù)據(jù)時代以來，科學研究模式已經(jīng)發(fā)生根本性的改變?；谵r(nóng)業(yè)生態(tài)的長期連續(xù)觀測、實驗和模型數(shù)據(jù)快速積累的情況，提出了本研究領(lǐng)域的未來發(fā)展方向。通過長期連續(xù)觀測實驗數(shù)據(jù)、全球變化控制實驗和選擇性實驗數(shù)據(jù)等，薈萃分析需進一步加強以下方面的研究：（1）農(nóng)業(yè)生態(tài)系統(tǒng)對全球環(huán)境變化響應的定量解釋，例如碳、氮、磷、微量元素、水循環(huán)等關(guān)鍵過程和各因素的交互效應對全球環(huán)境變化的響應，揭示農(nóng)業(yè)生態(tài)系統(tǒng)對全球環(huán)境變化影響的反饋機制、恢復過程；（2）農(nóng)業(yè)生態(tài)系統(tǒng)過程、結(jié)構(gòu)和功能的時空演變動態(tài)，例如不同生態(tài)系統(tǒng)（農(nóng)田、森林、草地、水體等）和生物地球化學循環(huán)的空間格局、發(fā)展趨勢、年際變異，通過更大研究尺度解釋農(nóng)業(yè)生態(tài)系統(tǒng)的多層次耦合過程和演變規(guī)律以解決單個研究系統(tǒng)無法解釋的全局性問題；（3）未來研究還需加強數(shù)據(jù)-模型-薈萃分析的融合，實踐證明，這對優(yōu)化全球農(nóng)業(yè)生態(tài)系統(tǒng)模型參數(shù)、基準評估模型、提高研究指標的獨立性、降低不同實驗方法給總體結(jié)果帶來的不確定性具有重要作用[75]。當前，薈萃分析方法也被廣泛應用于各個學科研究領(lǐng)域，被認為是跨學科交流的橋梁[76]。然而，正如Gates[77]所言，很多醫(yī)學上用于減少誤差、提高結(jié)果精度和可靠性的方法仍未應用于農(nóng)業(yè)生態(tài)學科的研究中，特別是敏感性分析和累計薈萃分析。在不同學科交叉越發(fā)緊密的趨勢下，研究人員可以充分借鑒其他學科薈萃分析的使用方法，創(chuàng)新本領(lǐng)域的薈萃分析方法，拓展薈萃分析方法的研究范圍，以獲得更高質(zhì)量和普適性的整合分析結(jié)果揭示更廣泛的農(nóng)業(yè)生態(tài)學研究規(guī)律。