2000—2021年農田土壤污染領域研究進展與前沿分析

王成塵 田 穩 馬嬌陽 保欣晨 鄧志華 向 萍

(西南林業大學 生態與環境學院/環境修復與健康研究院，昆明 650224)

農田土壤是糧食生產的基礎資源。農田土壤污染關系到農產品安全和農田生態系統的健康[1]，因而受到各國學者的廣泛關注。農田土壤中的污染物一般可分為無機和有機污染物，如重金屬[2]、有機物[3]、農藥化肥[3]和微塑料[4]等。其來源多歸因于人為因素，如農藥化肥的過度使用、廢水灌溉、污水污泥再利用、地膜污染和采礦活動等[5]。通過修復治理污染農田，促進糧食增收增產，提高農產品質量，對維護區域人民身體健康和提升當地社會經濟效益的意義重大[6]，因此，各國政府和研究人員紛紛開展農田土壤污染防治與修復技術研究[7]。經過多年的發展，農田土壤污染領域研究涌現出大量科研成果。

知識圖譜是指運用圖形學、統計學、應用數學和計算機技術等手段，將文獻可視化地呈現，以展示學科體系知識群組、學科特點、研究熱點和前沿等信息的計量學方法[8]。近年來，知識圖譜作為科學計量學的新方法已勃然興起，并應用于環境學、土壤學和生態學等方面[9]。目前，繪制知識圖譜的軟件眾多，如：CiteSpace、VOSviewer和Netdraw等。其中，CiteSpace是使用最為廣泛的基于計量學和信息可視化理論發展起來的1款文獻分析軟件，它能夠通過分析引文關系，快速有效地找出某領域發展過程中的關鍵文獻，顯示該領域在一定時期發展的動態趨勢，形成若干研究前沿的演進歷程，繼而啟發新的研究思路[10]。如張宗勇等[11]對1995—2018年的水、糧食和能源的關聯系統進行文獻計量分析，得出該三元耦合定量關系的模型和決策支持工具仍然欠缺，耦合方法的研究有望成為未來水-糧食-能源關聯系統領域的研究前沿和主要方向。

因此，為掌握當前農田土壤污染的知識群組、熱點和前沿，以闡明目前農田土壤污染主要的研究方向，展望其發展趨勢，本研究基于2000—2021年間Web of Science(WoS)核心合集和中國知網(CNKI)發表的共18 251篇以農田土壤污染為主題的相關文獻，利用CiteSpace文獻計量軟件[12]，繪制了國家/地區、機構、學科、期刊、關鍵詞和文獻共被引等知識圖譜，旨在揭示農田土壤污染領域的發展歷程、研究熱點和前沿，以期為研究者在該領域的后續科研工作及思路創新方面提供參考。

1 材料與方法

1.1 文獻來源

本研究對WoS核心合集和CNKI中2000—2021年的文獻進行統計分析。其中，WoS核心合集使用主題詞(TS)進行檢索，各主題詞之間以AND和OR鏈接，檢索格式如下：TS=((agricultural soil OR farmland soil OR cropland soil)AND (pollut* OR contamin*))，文獻類別“ARTICLE”和“REVIEW”；CNKI數據庫以主題詞(SU)進行搜索，檢索格式如下：SU=(農田土壤+農業土壤)*污染。

1.2 分析方法

由Chen等[13]開發的CiteSpace軟件，可實現文獻、關鍵詞、國家、機構和研究熱點等信息的可視化。該軟件能夠直觀的顯示各節點之間的關系及大小，通過設置不同的功能選項，如共現網絡分析(特征詞、關鍵詞、來源和學科類別)、合作網絡分析(作者、機構和國家合作)和共被引分析(文獻、作者和期刊)等功能模塊，繪制網絡圖譜，從而幫助研究者迅速掌握該領域的發展歷程、研究動態和熱點前沿等。

本研究使用CiteSpace 5.7.R5繪制了農田土壤污染領域的發文國家、研究機構、文獻共被引圖譜、時間軸圖譜、文獻聚類和關鍵詞圖譜。具體參數設置如表1所示。在CiteSpace軟件生成的合作圖譜中，節點大小代表國家/地區、機構或作者的發文數量，節點連線反映合作強度關系；文獻主題、關鍵詞以及學科類別圖譜中，節點大小反映其出現頻次，節點間連線代表共現強度；共被引圖譜中，節點大小表示文獻被引次數；中介中心性代表節點在網絡圖譜中的重要性。一般高中介中心性的節點是連接不同領域的關鍵樞紐。

表1 CiteSpace參數設置Table 1 Parameter setting for CiteSpace

使用WoS的自帶分析功能、Origin 2019和ArcGIS 10.5等軟件對數據統計分析。

2 結果與討論

2.1 2000—2021年全球農田土壤污染領域的文獻發文量

經檢索發現，自2000年以后，WoS核心合集的年收錄文獻皆超過200篇，且呈逐年遞增的趨勢，因此本研究選擇2000—2021年(截止至2021年3月31日)的時間跨度，共獲取文獻18 251篇，其中16 402篇來自WoS核心合集，1 849篇來自CNKI。可以看出農田土壤污染領域科研論文產出頗豐，年度發文量呈上升趨勢(圖1)，表明國際國內均對農田土壤污染相關問題的關注程度越來越高。在該領域發文量排名前5的的國家/地區分別為中國、美國、印度、西班牙和法國(表2)。

圖1 2000—2021年農田土壤污染領域在WoS和CNKI的發文量Fig.1 Annual publications in the field of farmland soil pollution collected from WoS and CNKI from 2000 to 2021

表2 2000—2021年WoS中農田土壤污染領域發文總量居前10名的國家/地區Table 2 The top 10 countries/regions for the total number of literature issued in WoS from 2000 to 2021

中國和美國在本領域的發文量遠遠高于其他國家和地區，分別占總發文量的29.25%和17.75%。印度作為人口和農業大國，在農田土壤污染領域的研究也相對較多。2005年以后，由于工業活動的發展，荷蘭、比利時、丹麥、法國、德國和英國等一些歐盟國家的農田土壤礦物油(Mineral oil)和重金屬的發文量超過了歐盟的平均水平[14]，因此這些國家對農田土壤污染的關注度持續升溫。

2.2 研究領域分析

本研究利用WoS自帶的統計工具，檢索得到在農田土壤污染研究領域2000—2021年發文總量前10位的期刊(表3)。可以看出，該領域發文量大的期刊水平多數較高，例如Science of the Total Environment、Chemosphere、Environmental Pollution、Ecotoxicology and Environmental Safety和Journal of Environmental Management等，表明農田土壤污染領域受到國際高水平期刊的關注。

表3 2000—2021年農田土壤污染領域發文量前10位的期刊(來自WoS數據)Table 3 Top 10 journals in the field of farmland soil pollution from 2000 to 2021 (data from WoS)

表4統計了WoS中文獻在不同學科的分布情況。可以看出環境科學、水資源學、土壤科學、工程環境學和地球科學多學科是農田土壤污染研究領域的前5大熱門學科，環境科學類發文量(58.43%)遠遠大于土壤科學(10.10%)，體現了農田土壤污染與環境領域的交叉融合特性。

表4 2000—2021年農田土壤污染領域文獻在不同學科的分布情況(來自WoS數據)Table 4 Distribution of literature in the field of farmland soil pollution in different disciplines from 2000 to 2021(data from WoS)

2.3 研究機構分析

通過發文國家和研究機構可直觀判斷某機構對農田土壤污染研究領域的關注程度。從國家來看(表5和圖2(a))，中國和美國的發文量分別為 4 276 篇和2 594篇，兩國的累計發文量占全球總量的47.00%，表明中國和美國對該領域的貢獻較大；美國、法國、德國和意大利的中介中心性大于0.1，代表這些國家在農田土壤污染領域的影響力較大，中國在農田土壤污染領域的起步較晚，但是近幾年呈現加速上升趨勢；從圖2(a)可以看出，各個國家間的節點連線較密集，說明各國間的合作比較緊密；美國與48個國家存在合作關系，其中巴基斯坦與美國具有較為緊密的聯系；與中國有合作關系的國家有25個，其中韓國是主要的合作國家。從研究機構來看(表6和圖2(b))，表6機構排名前10位中有5個研究機構來自中國，美國和法國均有2個，西班牙1個，其中中國科學院發文量最多(1 745篇)，是從事農田土壤污染研究領域全球發表成果最多的單位；從節點連線來看，中國機構間的合作大多集中在國內，同國外機構的合作較少。

表5 2000—2021年農田土壤污染領域的國家發文量及合作特征統計(來自WoS數據)Table 5 Numbers of articles published and country cooperation features in the field of farmland soil pollution from 2000 to 2021 (data from WoS)

表6 2000—2021年農田土壤污染領域發文量居前10位的機構(來自WoS數據)Table 6 The top 10 institutions in the field of farmland soil pollution from 2000 to 2021 (data from WoS)

黃色圈代表不同的國家/地區或研究機構；圈大小反應國家/地區、機構或作者的發文數量；節點連線代表合作強度關系；紫色圈代表該節點具有中介中心性，色帶越寬代表其中介中心性越高。一般高中介中心性的節點是連接不同領域的關鍵樞紐。The yellow circle represents different countries/regions or research institutions,the circle size reflects the number of papers published by countries/regions,institutions or authors,and the node connection represents the cooperation intensity relationship;The purple circle indicates that the node has intermediary centrality,the wider the color band is,the higher the intermediary centrality is.Generally,the node with high intermediate centrality is the key hub connecting different fields.圖2 2000—2021年農田土壤污染領域研究國家(a)和研究機構(b)的共現圖譜Fig.2 Co-occurrence of countries (a)and institutions (b)in the field of farmland soil pollution from 2000 to 2021

2000—2021年農田土壤污染領域發文量前10位的機構統計結果(來自CNKI數據)見表7。可以看出，該領域的研究以中國科學院南京土壤研究所、中國科學院大學和浙江大學為國內研究的主要貢獻機構。其中，中國科學院南京土壤研究所發文量位居全國第1，作為中國現代土壤學研究的發源地，為我國乃至世界土壤領域的發展做出了重要貢獻。

表7 2000—2021年農田土壤污染領域發文量居前10位的機構(來自CNKI數據)Table 7 Top 10 institutions in the field of farmland soil pollution from 2000 to 2021 (data from CNKI)

2.4 2000—2021年國際上在農田土壤污染領域的主要知識群組

對2000—2021年在WoS上發表的論文使用CiteSpace的文獻共被引功能(Cited peference)進行可視化分析，結果如圖3(a)所示。通過對共被引網絡進行聚類分析，選擇關鍵詞和LLR算法提取聚類標簽，得到共計25類結果。本研究聚類圖譜模塊值Q=0.87(>0.3)，平均輪廓值S=0.73(>0.7)，表明網絡結構顯著且聚類合理。聚類序號與規模大小呈反比，最大的聚類用#0標記(圖3(b))。重金屬(Heavy metal)、農業灌溉(Agricultural irrigation)、有機氯農藥(Organochlorine pesticides)、富營養化(Eutrophication)、水土流失評估工具(Soil and water assessment tool,SWAT)、多環芳烴(PAHs)、磷(Phosphorus)、聚合酶鏈式反應(PCR)和硝酸鹽(Nitrate)為排名前9位的標簽，代表了本領域2000—2021年的主要研究內容及發展方向。大部分聚類標簽與農田土壤污染有直接聯系，其中，重金屬、農業灌溉、富營養化和SWAT聚類規模較大，體現了這些研究方向在農田土壤污染領域的突出地位。

圓圈節點代表不同文獻，其大小反映了該文獻的共被引次數；節點連線反映共被引的強度關系；紫色圈代表具有中介中心性的關鍵文獻。一般高中介中心性的節點是連接不同領域的關鍵樞紐。(b)中的色塊表示共被引文獻產生的聚類，黑色字代表聚類標簽，標簽前的序號與文獻數量規模大小呈反比，其中紫色外圈代表具中介中心性的關鍵節點；高中介中心性的節點可能會導致該領域新興趨勢的出現，有利于拓寬研究思路及新的發展方向。The circle node represents different literatures,and its size reflects the number of co-citations of the literatures,and the node line reflects the strength relationship of co-citations;The purple circle represents the key literature with intermediary centrality.In general,the central node is the key hub connecting different fields.In figure (b),the color block in represents the cluster generated by the co cited documents,the black character represents the cluster tag,and the serial number before the tag is inversely proportional to the size of the number of documents,in which the purple outer ring represents the key node with intermediary centrality;The centrality of high school intermediary nodes may lead to the emergence of new trends in this field,which is conducive to broaden research ideas and new development direction.圖3 2000—2021年農田土壤污染領域文獻共被引(a)及聚類分析(b)(數據來自WoS)Fig.3 Co-citation (a)and cluster analysis (b)of references in the field of farmland soil pollution from 2000-2021 (data from WoS)

通過聚類分析時間線圖，能夠了解本領域重要參考文獻的發表時間。圖4所示聚類#0～8的引文分布在不同年份，顯示了該領域的知識基礎結構及動態推進的過程。聚類#0的引文發表時間最近，可見重金屬是近10年間農田土壤污染中較為熱門的主題。此外，各聚類之間的節點連線體現了不同研究方向知識基礎的融匯交叉，其中高中介中心性的節點可能會導致該領域新興趨勢的出現，有利于拓寬研究思路及新的發展方向。以下是就該領域規模最大的幾個聚類從知識基礎和研究現狀展開的分析討論。

虛線代表2000—2021年本領域共被引文獻出現的時間軸。各圓圈節點代表不同文獻，其大小反映了該文獻的共被引次數，節點連線反映共被引出現的時間和引用的強度關系；紫色外圈代表具有中介中心性的關鍵文獻。圖右側單詞表示共被引文獻產生的聚類標簽，標簽前的序號與文獻數量規模大小呈反比。The dotted line represents the time axis of the total cited literature in this field from 2000 to 2021.Each circle node represents different documents,and its size reflects the number of co-citations of the document,and the connection of nodes reflects the relationship between the time of co-citation and the strength of citation;The purple outer circle represents the key literature with intermediary centrality.The words on the right side of the figure represent the cluster tags generated by the co cited literature,and the serial number before the tags is inversely proportional to the number and scale of the literature.圖4 2000—2021年農田土壤污染領域文獻共被引聚類分析的時間軸視圖(數據來自WoS)Fig.4 Timeline view of co-citation cluster analysis in the field of farmland soil pollution from 2000 to 2021(data from WoS)

2.4.1聚類#0：重金屬

文獻共被引聚類中的各個節點能夠體現該研究方向的知識基礎。對聚類“#0重金屬”的節點(被引文獻)和施引文獻統計發現，該部分的被引文獻頻次最高的多為綜述類文章，內容包括：各地區土壤中的重金屬污染情況,運用地積累指數法(Geoaccumulation index)、污染指數(Pollution index)和富集指數(Enrichment factor)等方法評估土壤污染水平[15-16]，運用美國環保局推薦的風險評價公式量化重金屬對人體造成的健康風險[17]，并結合地區特點分析土壤中各重金屬元素的毒性效應和積累來源[18]。還有一些學者研究重金屬污染土壤的修復技術，如原位和非原位修復方法，包括表面覆蓋、封裝、填埋、土壤沖洗、電動萃取、穩定化、固化、玻璃化、植物修復和生物修復等[19]。此外，對聚類“#0重金屬”的研究內容還包括一些農田中糧食作物重金屬的來源分析及控制策略，如從源頭減少重金屬向農業系統的排放[7]，使用石灰或其他固定材料減少土壤中重金屬的生物有效性[20]，選擇培育低重金屬積累的作物品種[21]，采用適當的水肥管理和生物修復策略，改變土地用途等[22]。這些關鍵的參考文獻反映了農田土壤重金屬相關研究的學科背景。

2.4.2聚類#1：農業灌溉

此聚類的被引文獻普遍發表于2010年以前。其主要知識結構包括：使用多元分析方法來確定農田土壤污染來源，如被引頻次最多的文章中使用主成分分析法(Principal component analysis)對重金屬的累積(自然成因、人為成因或混合成因)進行解釋，并采用相關矩陣法(Correlation matrix)分析土壤重金屬含量與土壤性質的關系；采用聚類分析法(Cluster analysis)將重金屬含量相近的樣品進行聚類分析[23]；采用多元地質統計學(Multivariate geostatistics)分析土壤重金屬的空間變化特征[24]等。關于農業土壤的重金屬溯源方面，有學者發現其主要來源包括大氣沉積、污水污泥、牲畜糞便、無機化肥、石灰、農藥、灌溉水、工業廢物和堆肥[25]，其中長期廢水灌溉會導致區域性土壤和糧食作物的污染，如土壤中含鉻、銅、鎳、鉛和鋅，并富集鎘元素；作物也會富集各種重金屬[26]。此外，一些學者發現，水稻種植時水淹稻田土壤會導致土壤中的錳氧化物的還原和溶解，致使鎘和鈷在水稻土中發生淋溶，而土壤鉛的化學分配主要受鐵錳氧化物和殘余組分的控制；土壤銅和鋅則分別與有機/硫化物組分和殘留組分呈顯著正相關[27]。

2.4.3聚類#2 &5：有機氯農藥和多環芳烴

有機氯農藥(OCPs)和多環芳烴皆屬于有機污染物(POP)，其排放主要來自人類活動[28]。許多OCPs已被確定為內分泌干擾物，對人類和野生動物內分泌和生殖系統的正常功能產生影響[29]，一些具有4個或更多環的多環芳烴具有致癌和致突變作用[30]，由于其對人類健康和水環境存在的潛在風險，已引起多國的廣泛關注，并被歐盟和美國環境保護局列為優先污染物[31]。有機氯農藥和多環芳烴具有持久性和半揮發性，能夠通過遠距離運輸并轉移，因此，在全球范圍內廣泛存在，盡管許多國家早已頒布有機氯農藥的禁令，但其殘留仍然會對環境和生態系統產生重大影響[32]。由于全球蒸餾效應，有機氯農藥已廣泛分布于各地區的不同環境介質中[33]，其中，從土壤釋放到環境中的有機氯農藥也成為潛在污染源[34]。

2.4.4聚類#3 &6 &8：富營養化、磷和硝酸鹽

在密集農業生產區域，大量施用化肥與有機肥而釋放到農田土壤中的氮(N)和磷(P)總量往往超過作物的本身需求。過剩的營養鹽隨著地表徑流進入水生態系統，引起各種水生生物的異常繁殖及生長，這種現象稱為水體富營養化[35]。為防止水體富營養化的發生，學者們于19世紀70—80年代做了大量磷源因子(土壤、作物和農田管理)與其遷移因子(徑流、侵蝕和河道過程)相互作用機制的研究[36]。隨著人們對土壤磷的深入認識，土壤中磷的高濃度被認為是水體-陸地系統富營養化最關鍵的一環，大量學者通過測試土壤磷含量來指導化肥農藥的施用，以減少表層土壤磷的積累和生物有效性[37]。沿著陸地-海洋連續體，磷主要沉積在土壤和沉積物中[38]，在缺氧條件下或沉積物移動時，磷可根據生物需求活化。整個磷循環一般只涉及陸地與水體的交換過程，而氮循環涉及固液氣三相。然而，氮比磷更具流動性，主要以硝酸鹽的溶解態形式輸送到地表和地下水，最長的可以儲存幾十年[39]。在地下水、濕地和湖泊沉積物中，硝酸鹽在一定程度上可以通過反硝化作用(生物地球化學過程)轉化為氣態氮。生物地球化學過程的差異控制著氮和磷沿陸地-海洋連續體的循環和轉移，導致從源頭集水區到海洋中的營養物質化學計量發生顯著變化[40]。這些發現也解釋了為什么目前很難對流域中磷的截留能力和氮的清除能力進行評估。源頭集水區的流量變化很大，目前尚不可能在景觀結構、農業實踐和河流水質之間建立明確關系[41]。由于每個地點具有特定水質、水文地貌和生物地球化學環境，造就了反硝化作用和磷沉積在空間和時間上的巨大變化，因此在一個地點測得的生物地球化學速率無法外推到其他地點[42]。

2.4.5聚類#4：水土流失評估工具

本聚類是一種農田土壤污染的研究方法，該聚類規模較大，體現了SWAT在農田土壤污染領域的突出地位。SWAT是一種應用廣泛的基于流域和連續時間尺度的流域水文和水質模型[43]，近年來得到了廣泛的應用和發展。其主要是基于GIS提供的空間信息，模擬多種流域水文的物理化學過程，如水質、水量、灌溉、糧食產糧、洪水和干旱、農業面源污染(磷、硝酸鹽擴散)、氣候影響評估、土地利用和殺蟲劑的遷移轉化過程等[44]，有助于更好地理解環境變化帶來的各種挑戰以及對水、糧食安全和環境質量的相關影響。與此同時，SWAT擁有專屬的技術支持論壇服務于全球用戶社區，促進其全球應用發展。

2.4.6聚類#7：聚合酶鏈式反應

聚類#7的規模相較于前幾個聚類較小，且從時間軸視圖來看(圖4)，發文時間普遍較早，它和聚類#4皆屬于農田土壤污染領域的研究方法。聚合酶鏈式反應是上個世紀80年代由K.Mullis等[45]建立的一種體外酶擴增DNA片段的技術，能夠在短時間內獲得大量目的基因。PCR技術具有特異性強、靈敏度高、操作簡便和純度要求低等特點，被譽為20世紀分子生物學領域最重要的發明之一。目前，PCR技術已廣泛應用于分子生物學等各個領域，在分子克隆、DNA測序分析、法醫學鑒定、致病基因檢測和環境微生物檢測等方面都發揮著重要作用。在微生物檢測方面，PCR技術能夠對某株細菌進行基因表達分析，由此可鑒定復雜環境中攜帶目的基因的細菌，從而找到不同細菌之間的錯綜關系。如PCR技術能夠揭示細菌群落的豐度、多樣性和組成等特征，從而證明pH值是受多環芳烴污染影響的農業土壤中細菌群落結構的最主要因素[46]；還能鑒定抗生素及相應的耐藥細菌和耐藥基因(ARGs)，得出長期施肥對農田土壤中耐藥細菌和抗弧氣體發生影響的綜合數據[47]。

2.5 2000—2021年國際上農田土壤污染領域的研究熱點

對WoS結果進行關鍵詞共現分析，得出2000—2021年農田土壤污染領域的研究熱點，結果如圖5所示。按照出現頻率進行降序排列，前10位的關鍵詞如表8所示。出現頻次最高的關鍵詞“土壤(Soil)”對應了聚類#0～3中的相關研究，主要圍繞“污水污泥(Sewage sludge)”、“退化(Degradation)”、“吸附(Sorption)”、“殺蟲劑(Pesticide)”和“去除(Removal)”等角度展開研究。

“十”字代表關鍵詞，大小反映出現頻率；節點連線代表合作關系和強度；具紫色輪廓的節點具有中介中心性，色帶越寬代表其中介中心性越高。下圖同。The cross represents the keyword,the size reflects its frequency,and the node connection represents the cooperation relationship and strength;Nodes with purple outline have mesocentricity.The wider the color band,the higher the mesocentricity.The same below.圖5 2000—2021年農田土壤污染領域在WoS中檢索文獻的關鍵詞共現網絡Fig.5 Keyword co-occurring network in the field of farmland soil pollution from 2000—2021

表8 2000—2021年農田土壤污染領域高頻關鍵詞前10位Table 8 TOP 10 high-frequency keywords in the field of farmland soil pollution from 2000-2021

關鍵詞“污染(Contamination)”對應了聚類#0～2的相關研究，主要圍繞“沉積物(Sediment)”、“風險評價(Risk assessment)”、“肥料(Manure)”、“有機氯農藥”、“農業(Agriculture)”和“有機碳(Organic carbon)”等角度展開研究。“土壤”和“污染”的節點邊緣呈現紫色(圖5)，中介中心性較強，表明它們是連接多個共現關鍵詞的重要樞紐。

關鍵詞“重金屬”呼應了聚類#0中的相關研究，主要圍繞“生物有效性(Bioavailability)”、“毒性(Toxicity)”、“積累(Accumulation)”、“生物降解(Biodegradation)”、“生物培養基(Bioremediation)”、“生物炭(Biochar)”和“吸附(Adsorption)”等方面開展研究。

關鍵詞“水(Water)”反映了聚類#1和4中的研究熱點，主要圍繞“地下水(Groundwater)”、“地表水(Surface water)”、“水質(Water quality)”和“徑流(Runoff)”等建立“模型(Model)”,同“氮”和“磷”等營養元素類關鍵詞緊密聯系，反映了聚類#4的知識結構，表明SWAT模型在該領域的廣泛應用。

2.6 2000—2021年國內在農田土壤污染領域的研究熱點

搜索本領域在中國知網中2000—2021年發表的中文文章，并對其進行關鍵詞共現分析，結果如圖6 所示，熱門關鍵詞見表8。將WoS和CNKI關鍵詞對比發現，國際國內在農田土壤污染領域的關注點多有重合。如CNKI中的“重金屬污染”和“多環芳烴”等關鍵詞直接體現了WoS中的聚類名稱，而“污染評價”“土壤污染”“空間分布”“來源”等中文關鍵詞又與聚類#0重金屬中的研究內容直接相關，表現出農田土壤污染領域國際國內研究的同步發展。此外，Water、Sediment和Water quality在WoS關鍵詞中排名前10，卻未進入CNKI的關鍵詞列表。可能是因為國內外對該領域研究熱點的側重不同，也可能與WoS核心合集和CNKI數據庫的收錄范圍有關。由于CNKI的文獻數據無法開展引文分析[48]，現就主要關鍵詞進行分析以掌握本領域的研究熱點。圍繞關鍵詞“重金屬污染”，主要研究了“礦業活動”、“冶煉廠”、“農作物(水稻)”的“污染現狀”“空間分布特征”“源解析”“污染評價”，分析提出了“土壤環境”的污染“防治對策”，以改善“農業環境”的“環境質量”。圍繞關鍵詞“農田土壤”和“農業土壤”，主要研究了“農業面源污染”或“非點源污染”和“農村”、“作物”的“國家政策”、“法律主體”；對“礦區”進行了“鎘污染”“鉛污染”“含量特征”檢測，運用“地積累指數”“富集指數”等方法對污染情況進行分析評估，從而提出有針對性的農田土壤“修復”辦法，如使用“鈍化劑”“生物炭”“化肥減施”等方法降低“玉米”和“小白菜”中的有效態重金屬，適當施用“有機肥”和“土壤調理劑”，采用“種養結合”的辦法，提高“土壤肥力”，保障“農產品安全”。

圖6 2000—2021年農田土壤污染領域在CNKI檢索文獻的關鍵詞共現網絡Fig.6 Keyword co-occurring network in the field of farmland soil pollution from CKNI in 2000—2021

圍繞關鍵詞“農田土壤污染”主要對“重金屬復合污染”“二惡英/呋喃”“多環芳烴”“多氯聯苯”“PAHs”等進行“污染特征”“污染來源”“賦存形態”分析；采用“3S技術”和“GIS技術”進行“空間插值”，分析“空間分布”特征及其“影響因素”；利用“生物有效性”或總量進行“健康風險”和“生態風險評價”，提出“生態環境”的污染“防治對策”，利用“植物修復”方法，如“伴礦景天”和“微生物”等，改善“土壤環境質量”。

2.7 2000—2021年農田土壤污染領域的國際研究前沿

在CiteSpace軟件中關鍵詞共現圖譜(數據來自WoS)的基礎上，計算了近21年間的突現關鍵詞(圖7)。從2000年開始的關鍵詞有Runoff、Nitrate、Losse、Atrazine、Simulation和Nonpoint source pollution，表明21世紀初，在農田土壤污染領域的研究熱點為徑流、硝態氮、阿特拉津(1種除草劑名)、模擬和非點源污染等，大部分關鍵詞直接對應了文獻共被引聚類分析的聚類#1農業灌溉、聚類#4SWAT模型和聚類#8硝酸鹽的相關研究內容。關鍵詞突顯強度代表該關鍵詞的高關注度。其中突顯強度較高的有Health risk(突顯強度=97.28，2018—2021)、Source apportionment(突顯強度=63.32，2018—2021)和Biochar(61.64，2017—2021)等，時間皆延續至今，表明當前的研究熱點為農田土壤污染的健康風險、源解析和生物炭修復。隨著研究的深入，出現的突顯關鍵詞有Spatial distribution、Ecological risk、Trace metal和Exposure，表現了在近幾年對于該領域的研究呈現出專業化和深入化等特點。結合近3年發表在高水平期刊的文獻總結，多數學者圍繞微生物多樣性、微生物群落結構、抗性基因、細菌介導、微量營養素、隨機森林模型和空間變異等開展更微觀和更細致化的研究[49-51]。因此，圍繞污染物對農田土壤環境內抗性基因、微生物群落的影響和農田作物吸收污染物的生理/分子易位機制及耐藥基因，以及恢復、改良土壤-作物系統的可持續性等多角度探究為該領域的研究前沿。

強度指關鍵詞突顯強度，值越高則該關鍵詞出現頻率越多；藍線表示2000至2021年的時間軸；紅線代表該關鍵詞興起和衰落年份的時間區間。Intensity refers to the prominence intensity of a keyword,the higher the value is,the more frequent the keyword appears;The blue line represents the time axis from 2000 to 2021;The red line represents the time interval of the rise and fall years of the keyword.圖7 2000—2021年農田土壤污染領域研究關鍵詞突現圖譜(數據來自WoS)Fig.7 Burst keywords in research on farmland soil pollution from 2000—2021(data from WoS)

3 學科展望

基于上述農田土壤污染領域的發展現狀、熱點和前沿，充分發揮多學科交叉互融的優勢，未來該領域的主要研究方向包括但不限于以下3方面:

(1)農田土壤健康與耕地質量提升

農田土壤健康和耕地質量提升，是實現“推動藏糧于地、藏糧于技，穩步提升糧食產能”的重大現實需求，也是農田土壤污染領域的重點研究內容[52]。農田土壤健康與耕地質量的提升，應首先關注農田土壤環境中的生物地球化學循環過程及其驅動因子，闡明土壤-植物-動物-人類-土壤過程各要素相互作用和相互驅動的過程，著力提升農田土壤的生態系統恢復力，提高生物多樣性強化土壤生態系統服務，建立土壤結構組分和各項功能的耦合；其次要研究低產農田土壤的提升潛力與途徑、土壤酸堿度、鹽分、有機質和微生物環境等理化指標的影響機制及改善策略，維系土壤健康的微生物組功能，提高微生物在生態系統中的抗病性及資源利用率，從而減少污染物從農田土壤向作物的擴散[53]；此外，可結合微生物組移植、大規模微生物分離培養和功能食物網等生物修復模式，從而改善土壤健康[54]；最后，應建立農田土壤健康的分子診斷體系及微生物指標，研究可持續農業土地利用的管理方式，實現全鏈條的農業可持續發展。

(2)保障農產品安全的污染農田土壤利用技術

我國農業用地資源緊張，農作物的安全供給壓力較大，不允許對污染土壤進行大面積休耕，因此，需要根據我國國情和不同區域農田污染特征建立土壤污染防治體系，運用多種技術手段來管控與消減污染土壤帶來的不利影響，從而促進農田生態環境的可持續發展，保障農產品安全[6]。第一，通過研發適應地域、土地類型的土壤質量分析方法及標準體系，研究配適各區域農田土壤質量的監測標準，制定法規政策；第二，用生態毒理學方法進一步從生理角度探究農田土壤多重復合污染的機理，構建復合污染評價模型，結合同位素標記及基因組學等技術手段研究農田土壤污染觀測、分析、溯源和治理的新方法[55]，深入研究污染物在土壤-作物-人體的遷移轉化規律、毒性效應及生理機制，建立更精準的污染物評價體系及控制技術；第三，深入探究復合污染狀況下降低土壤(重金屬、有機物和生物等)污染物生物有效性的調控技術和土壤-作物系統中污染物遷移轉化及阻控修復(生態修復措施)技術，不斷開發環境友好型土壤改良劑、鈍化劑、吸附劑、綠色農藥、微生物肥料和農膜；第四，研究污染土壤修復方法，改善農業種植條件；第五，研究作物對污染物的吸收、富集及遷移轉化機制，注重低積累作物品種和超富集植物的篩選，科學管理水肥施用；第六，研究高產蔬菜及作物品種，改善種植制度，重視土壤的休耕和恢復效益，提高農田土壤經營管理的規范性和可持續性等[56]。

(3)多學科交叉互融形成全要素格局

隨著環境科學、水資源學、土壤學、地球化學、生態毒理學以及農學等的基礎理論、研究方法和技術在土壤科學中的進一步應用，多學科交叉成為推動全球農田土壤污染領域快速發展的強勁動力，新的方向和分支學科也因土壤學與其他基礎科學的滲透融合應運而生，如利用高通量測序基因組學、蛋白組學、轉錄組學及代謝組學等分子生物學方法分析土壤微生物的影響機制及生態功能，揭示土壤微生物環境及微生物之間的相互作用機制[57]；利用原位熒光雜交技術、同位素示蹤技術和電子顯微技術，以及次生離子質譜技術和同步輻射技術等，深化對污染物遷移轉化這一化學過程的認知[55]。在已有的學科交叉基礎上，還應注重以下學科的融合：首先是環境科學-生態學的結合，可以深入探究農田土壤污染物的來源、污染模式和生態環境效應；第二是土壤學-微生物學的交叉融合，研究農田土壤微生物的物種多樣性、菌株模式及功能開發，以及在農田土壤污染背景下微生物的耦合驅動作用；第三是土壤學-分子生物學的交叉，在分子/基因水平揭示各類污染物對土壤生態功能的影響及其長期動態演變機制；第四，結合醫學研究污染物在人體中的毒性機制；第五，結合數學模型、環境及地理信息系統數據，研究污染物-環境介質(空氣、水、土壤和糧食等)對人體的健康風險影響[58]。此外，應注重開發基于人工智能及大數據的自動控制和遠程信息數據采集系統，實現對農田土壤的定位監測、原位采樣技術[52]；研究適用于污染農田土壤-水-作物系統下的土壤動力學行為預測模型等。