基于SciVal數據的農業工程學科發展報告（2015—2020）

楊 睿，王寶濟*

（1.中國農業大學情報研究中心，北京 100083；2.中國農業大學圖書館，北京 100083）

引言

習近平總書記在2020年12月召開的中央農村工作會議做出的重要指示中強調，堅持把解決好“三農”問題作為全黨工作重中之重，舉全黨全社會之力推動鄉村振興，促進農業高質高效、鄉村宜居宜業、農民富裕富足。構建新發展格局，把戰略基點放在擴大內需上，農村有巨大空間，可以大有作為[1]。我國要通過深化農業供給側改革提高農業生產水平，實現農業現代化，依靠農業工程技術提升和改造傳統農業是其關鍵所在[2]。

通過文獻計量方法可以對科研成果的特征進行分析，在一定程度上可以反映相應學科發展的狀況。SciVal是愛思唯爾旗下的科研管理工具，分析數據來源于Scopus的研究成果及其使用數據，包括5個主要功能模塊：Overview（概覽）、Benchmarking（比較分析）、Collaboration（合作分析）、Trend（分析研究趨勢）、Reporting（定制研究報告）。Scopus自身的學科分類體系——全學科期刊分類系統（All Science Journal Classification，ASJC）中并沒有“農業工程”精準對應的學科類別，但在2020年12月SciVal新推出了基于文章級別的教育部一級學科分類功能（China SCADC Subject Categories），包括97個子學科，其中0828為農業工程。SciVal平臺通過機器學習算法，利用基于Fast Text算法訓練的文章級別分類器，將研究成果直接映射到該分類體系的相應學科，而非粗粒度地通過文獻來源出版物進行映射。

本文基于這一新功能，對全球以及我國農業工程領域研究成果進行計量分析，可以從一個側面反映國內外農業工程領域研究及發展狀況。

1 數據來源

在SciVal的Research Area（研究領域）選擇China SCADC Subject Categories--China SCADC：0828 Agricultural Engineering （農業工程），時間范圍選擇2015-2020年，數據庫最近一次更新時間為2021年1月20日，結合SciVal的Overview以及Trend等功能模塊進行國內外農業工程學科科研成果的分析。截至目前，數據庫中2020年的數據還并不完整，因此在統計數據中顯示2020年不完整數據年，根據Scopus信息顯示，直到2021年5-6月，2020年的數據才會達到95%的完整度，從而成為完整的數據年份[3]。

2 全球農業工程學科發展

2.1 年度發文量

2015-2020年全球農業工程學科研究成果產出數量分別為32 786、33 943、36 136、41 459、46 757、30 623（圖1）。由于2020年的統計數據并不完整，在圖中以虛線的形式顯示（下同）。除去數據不完整的2020年，可以看到，近幾年全球農業工程學科科研成果產出數量呈現增長態勢，學科內研究活躍度高。中國的科研成果數量最多，其次是美國、印度等國家（圖2），各個國家的成果總數、瀏覽量等指標見表1。

圖1 全球農業工程學科研究成果數量（2015-2020年）

圖2 農業工程學科各國研究成果數量及瀏覽量概覽圖（Top100國家）

表1 農業工程學科各國研究成果指標統計詳表（Top10國家）

2.2 學科分布

ASJC是Scopus的學科分類體系，包括27個一級學科領域和334個二級學科領域[4]。研究成果根據其來源（Scopus Source）被劃分入ASJC體系下不同的類別中，但由于來源（Scopus Source）可能被同時映射到多個學科，對應的研究成果也會被映射到多個學科。因此從圖3可以看出，各學科成果產出比例之和要大于100%。利用ASJC學科分類功能進行研究成果學科層面的分析。從一級學科來看，Engineering（工程）是最大的學科類別，包含成果數量最多，為92 541，占比22.1%。其次是Agricultural and Biological Sciences（農業與生物科學），成果數量為55 638，占比13.3%，以及Environmental Science（環境科學），成果數量為46 844，占比11.2%。深入分析以上包含文章數量最多的3個一級學科（圖4-6）：

圖3 全球農業工程成果學科分布（ASJC學科分類體系）

Engineering（工程）學科中主要的二級學科為Mechanical Engineering（機械工程）、Electrical and Electronic Engineering（電氣電子工程）、General Engineering（工程綜合）、Industrial and Manufacturing Engineering（工業與制造工程）；

Agricultural and Biological Sciences（農業與生物科學）中主要的二級學科為General Agricultural and Biological Sciences（農業與生物科學綜合）、Agronomy and Crop Science（農藝學及作物科學）、Food Science（食品科學）；

Environmental Science（環境科學）中主要的二級學科為General Environmental Science（環境科學綜合）、Water Science and Technology（水科學與技術）、Pollution（環境污染）。

除此之外，從二級學科來看，Materials Science（材料科學）學科下屬的General Materials Science（材料科學綜合）、Energy（能源）學科下屬的Energy Engineering and Power Technology（能源工程與動力技術）、Computer Science（計算機科學）學科下屬的Computer Science Applications（計算機科學應用）、Chemical Engineering（化學工程）學科下屬的General Chemical Engineering（化學工程綜合）等領域的成果數量也較多。

領域權重的引用影響力指標。基于Scopus數據庫，對相同學科、相同年份、相同文獻類型的引用影響力進行比較。其計算式為FWCI = 特定研究者的總引用數/平均引用數。FWCI > 1代表高于行業平均水平，FWCI < 1代表低于行業平均水平。

圖4 Engineering（工程）一級學科的二級學科分布

圖5 Agricultural and Biological Sciences（農業與生物科學）一級學科的二級學科分布

圖6 Environmental Science（環境科學）一級學科的二級學科分布

2.3 主題和主題簇

為了解全球農業工程研究的熱點所在，利用SciVal的主題（Topic）和主題簇（Topic Cluster）功能進行研究成果主題層面的分析。

主題基于直接引用分析算法（direct citation analysis）對成果進行聚類，同一類即被歸為同一主題。主題簇同樣基于直接引用分析算法，將相近的主題進行聚類，主題簇比主題層級更高、范圍更廣[5]。與ASJC學科分類不同，每個研究成果只能映射到唯一的主題或主題簇。目前，SciVal中大約有96 000個主題和1 500個主題簇。

統計得出，全球農業工程研究總共包含23 713個主題和1 374個主題簇。主題或主題簇可以用氣泡圖的形式展現，某主題或主題簇越靠近圈中心，一定程度上說明該主題或主題簇越具有跨學科性質[6]。由于主題數量較多，為了更加清晰地展示關鍵研究主題的分布，選擇Prominence指標[7]排名前1%的主題、排名前5%的主題簇進行可視化展示。Prominence指標綜合了3個方面的數據：第n年和第n-1年發表的文獻在第n年的被引總數；第n年和第n-1年發表的文獻在第n年的瀏覽量；第n年CiteScore的平均值，因此，Prominence指標可以用來探測主題影響力的發展趨勢。從這個角度看，Prominence指標排名高且成果數量多的主題在一定程度上可以看作是該領域的熱點主題。

從氣泡圖（圖7、8）中可以看出，全球農業工程研究的熱點主題包括：Biochar；Soil Amendments；Black Carbon（生物炭；土壤改良劑；黑炭）、Fuel Tests；Diesel Engines；Exhaust Emission（燃料測試；柴油發動機；廢氣排放）、Anaerobic Digestion；Digester；Methane Production（厭氧消化；消化；甲烷制造）、Centrifugal Pumps；Axial Flow Pumps；Rotating Stalls（離心泵、軸流泵、旋轉失速）、Vegetation Index；Leaf Area Index；Hyperspectral Data（植被指數；葉面積指數；高光譜數據）等。

圖7 全球農業工程研究熱點主題

研究熱點主題簇包括：Soil；Biochar；Soil Organic Carbon（土壤；生物炭；土壤有機碳）、Microbial Fuel Cells；Anaerobic Digestion；Bioreactors（微生物燃料電池；厭氧消化；生物反應器）、Climate Models；Model；Rainfall（氣候模型；模型；降雨）、Remote Sensing；Image Classification；Satellite Imagery（遙感；圖像識別；衛星圖像）等。

2.4 關鍵詞

SciVal通過Elsevier指紋引擎對特定研究領域提取關鍵詞語，通過自然語言處理技術對研究成果的標題、摘要以及作者關鍵詞進行文本挖掘，從而發現具有重要意義的關鍵詞。這些關鍵詞與全學科主題詞表相匹配，從而將關鍵詞標準化處理。基于關鍵詞詞頻與IDF算法，每個關鍵詞會被賦予一個Relevance值，取值范圍為0-1。利用SciVal的關鍵詞分析功能進行研究成果主題詞層面的分析可以了解學科研究趨勢。

圖8 全球農業工程研究熱點主題簇

圖9展示了全球農業工程研究領域Relevance值排名前50的關鍵詞。Relevance值越高，關鍵詞的字體越大；關鍵詞顯示的顏色代表在數據完整的統計年份范圍內（2015-2019年），該詞相關成果產出數量的變化趨勢，藍色代表下降，灰色代表不變，綠色代表上升。由圖9可知，Relevance值排名前50的關鍵詞的相關成果的產出數量都呈現上升的趨勢，以上領域的相關研究均較為活躍。生物炭、生物柴油、溫室、干旱、黃土等是全球農業工程研究的熱點主題詞（表2）。

圖9 全球農業工程研究熱點詞云（Top50）

表2 全球農業工程研究熱點詞詳表（Top10）

2.5 合作

利用Collaboration功能分析科研合作情況。SciVal將成果產出模式分為4種類型，包括國際合作、國內跨機構合作、機構內合作以及無合作。可以看出，在全球農業工程學科研究中，國內跨機構合作與機構內合作已經成為主要的產出模式（表3），符合目前的“大科學”背景。合作文獻的增多是科研合作日益廣泛的重要標志[8]。國際合作占比為10.1%，國際合作成果的篇均被引數（9）與FWCI值（1.27）要高于其他的產出模式，在一定程度上可以驗證國際合作對成果的影響力有正向作用。

表3 全球農業工程研究合作情況

利用Academic-Corporate Collaboration功能可以分析校企合作情況。農業工程是一個應用性強的學科，其主要目標就是農業持續、穩定的增產以及農業產品質量的改進和經濟效益的提高[9]，因此農業工程領域的成果轉化有著重要的現實意義。由表4可知，該領域的校企合作成果占比較低，僅有2.0%，在一定程度上顯示出農業工程領域的產學研結合發展還不夠深入，目前較多地開展校企合作研究的企業有中國國家電網公司、中國石化公司、中國石油天然氣集團公司等。

表4 全球農業工程研究校企合作情況

2.6 經濟影響力

2015年出版的研究成果中，有118件成果被224件專利引用，共有226次專利引用；2016年出版的研究成果中，有99件成果被214件專利引用，共有216次專利引用；2017年出版的研究成果中，有53件成果被87件專利引用，共有88次專利引用；2018年出版的研究成果中，有31件成果被40件專利引用，共有40次專利引用；2019年出版的研究成果中，有7件成果被15件專利引用，共有15次專利引用；2020年出版的研究成果中，有2件成果被3件專利引用，共有3次專利引用（圖10-12）。

圖10 引用各年度農業工程領域研究成果的專利文獻的數量

獲得專利引用數最高的研究成果為Matikainen，L.（2016）[10]，是一篇關于遙感技術在輸電線路走廊勘測中應用的調研，目前共獲得43次專利引用。其次是Elliott，D.C.（2015）[11]，綜述了生物質水熱液化從間歇式反應器處理到持續式的發展，目前共有10次專利引用。

圖11 引用專利文獻的各年度農業工程領域研究成果的數量

圖12 引用各年度農業工程領域研究成果的專利的引用總數

2.7 主要來源出版物

由表5可知，Transactions of the Chinese Society of Agricultural Engineering、IOP Conference Series：Earth and Environmental Science、Transactions of the Chinese Society of Agricultural Machinery等出版物的來源文獻最多。表6總結了JCR和EI中的農業工程學科期刊，對比發現，一些在JCR和EI中公認的農業工程學科核心期刊并沒有出現在SciVal來源出版物前列，如Transactions of the ASABE。

表5 全球農業工程學科來源出版物（Top15）

表6 JCR和El農業工程期刊

圖13展示了成果總量Top 5 的來源出版物在2015-2020年間被收錄成果的數量變化情況，可以看到，近年來IOP Conference Series：Earth and Environmental Science被收錄的成果數量迅速增長，這是一本由英國物理學會（The Institute of Physics，IOP）出版的會議論文，IOP為作者提供快速且經濟實惠的會議出版服務，論文全部開放獲取。

圖13 2015-2020年間來源出版物成果數量變化（Top5）

3 中國農業工程學科發展

3.1 年度發文量

2015-2020年中國農業工程學科研究成果產出數量分別為22 129、23 365、24 701、28 605、32 009、21 517，除去數據不完整的2020年，近幾年我國農業工程學科研究成果數量呈現上升態勢（圖14）。國際合作成果占比也呈現上升趨勢，2020年國際合作占比已超過10%，表明國際交流不斷加深（圖15）。成果的文獻類型多樣，以Article（研究論文）為主（表7）。

圖14 中國農業工程學科研究成果數量（2015-2020年）

圖15 中國農業工程學科國際合作成果占比（2015-2020年）

表7 中國農業工程學科研究成果主要文獻類型

3.2 研究機構

3.2.1 科研生產力——機構發文量

對我國各機構成果產出的數量進行統計，為了保證數據的可比性，只統計了高校以及科研院所兩類學術機構的產出。科研產出數量Top10的機構為中國科學院、中國科學院大學、中國農業大學、浙江大學等（圖16）。在我國農業工程領域內，科研生產力最強的機構是中國科學院，6年間的研究產出數量為12 583，發文量明顯高于其他機構。

圖16 中國農業工程學科各學術機構的科研產出數量（Top10）

3.2.2 科研影響力——總被引頻次與FWCl值

統計以上Top10機構科研產出的總體被引次數和FWCI值（圖17）。從總被引次數來看，被引次數最高的機構為中國科學院，被引總數高達82 486。整體來看，各機構成果的總體被引次數與其產出數量的分布基本保持一致。

圖17 中國農業工程學科各學術機構科研成果的總被引次數及FWCl指數（Top10）

FWCI指的是某學者或機構等的研究成果的被引次數與其他相似研究成果平均被引次數的比值，相似研究成果是指需要符合同一年出版、同一文章類型、同一學科領域，由于排除了出版年、文章類型、學科等因素的影響，因此FWCI也被稱為歸一化影響因子。從FWCI指標來看，FWCI指數超過1的只有一個機構，即西北農林科技大學，FWCI值為1.06，影響力要高于其他機構。

3.2.3 科研發展力——高被引論文

統計Top10機構的高被引成果數量、高被引成果占比、高被引成果年度趨勢變化等指標（表8），從而明確各機構在農業工程學科領域的科研發展力，其中高被引成果選擇的是前10%的高被引文獻。高被引成果總數最多的機構是中國科學院，其高被引文獻有1 443篇。西北農林科技大學高被引論文占比最高，為15.1%。從高被引成果年度趨勢變化來看，除天津大學外，其他機構發文的趨勢變化均為正值，與2015年相比，江蘇大學2019年高被引論文的增長比例高達300%。

表8 中國農業工程學科各學術機構高被引成果情況

3.2.4 科研合作——國際合作、國內跨機構合作與校企合作

統計Top10機構的國際合作、國內跨機構合作與校企合作成果等數據（表9）。國際合作方面，Top10機構中，中國科學院對國際合作成果數量最多；西北農林科技大學、中國農業大學國際合作成果占比最大。國內跨機構合作方面，中國科學院的國內跨機構合作成果數量最多，中國科學院大學的國內跨機構合作成果占比最大。2015-2019年間，Top10所有機構的國際合作以及國內跨機構合作產出數量均呈現增長趨勢。中國科學院、中國科學院大學的國際合作和國內跨機構合作總占比均高于96%，中國農業科學院的總占比也較高，達到了85.6%。

表9 中國農業工程學科各學術機構科研成果合作情況

校企合作方面，中國科學院的合作成果數量最多，同濟大學對合作成果占比最大。與2015年相比，2019年中國農業大學的校企合作成果數量突增，增長率高達350%。

3.3 作者

對我國農業工程領域學者科研成果產出的數量進行統計（表10）。科研產出數量Top10的學者有何勇、袁壽其等人。何勇教授在成果數量、成果瀏覽總量以及被引總頻次等方面都處于領先地位，且其FWCI值高于1，不難看出何勇教授是我國農業工程領域的領軍人物，其發表于2016年的研究論文：基于支持向量機的草莓成熟度高光譜成像分析[12]，截至目前已經獲得82次引用。

表10 農業工程學科中國學者科研成果情況（Top10）

3.4 研究熱點

利用SciVal的關鍵詞分析功能分析我國農業工程領域的研究熱點（表11），可以看出Biochar（生物炭）是目前我國最熱門的研究主題，相關成果數量迅速增加。

表11 中國農業工程研究熱點關鍵詞（Top15）

4 結語

本篇文章基于SciVal平臺開展研究，有兩個突出特點：第一，利用基于文章級別的教育部一級學科分類功能（China SCADC Subject Categories）進行分析，該分類體系是中國本土的學科分類體系，因此更適用于中國的學科分析研究；第二，數據源的文獻類型豐富多樣，打破了以往只對期刊論文單一類型數據源進行分析的局限性，增加了對于會議論文、圖書、快報等多類成果的分析，有助于更加全面地反映學科領域的發展狀況。

文中所有結論均基于SciVal數據，可能存在偏差。尤其是數據源的選取范圍會導致國外農業工程領域的相關研究成果數據不全，國外農業工程學科的發展狀況可能不能被完全反映。除此之外，盡管SciVal平臺的數據每周均進行更新，但目前2020年的數據仍然不全，因此相應的分析可能還不夠全面。