基于CiteSpace的森林小氣候研究態勢與熱點分析①

陳文盛， 丁慧慧， 李江榮， 陳康， 汪漢駒

西藏農牧學院 高原生態研究所/西藏高原森林生態教育部重點實驗室/西藏林芝高山森林生態系統國家野外科學觀測研究站/西藏自治區高寒植被生態安全重點實驗室， 西藏 林芝 860000

森林小氣候是指在森林內喬木層、 灌木層與草本層共同作用下所形成的不同于大環境下的局部地區的氣候[1]， 主要是通過不同的林型、 樹木生長情況、 地形地勢等(統稱下墊面)影響林內光、 熱、 水、 汽等氣象要素綜合作用的結果． 森林小氣候的研究能夠體現森林與氣象因子之間的關系與時空變化規律[2]， 對地表植被的組成及其分解過程具有中介性[3]， 且能夠評估森林生態系統的服務功能[4]． 目前， 國內外對森林小氣候的研究工作主要圍繞4個方面展開： 一是對不同冠層結構的小氣候研究． 如Zellweger等[5]與Jucker等[6]認為不同的冠層結構具有不同的小氣候特征， Kovács等[7]認為不同的林業處理(改變冠層結構)會造成不同的微氣候特征， 楊鈣仁等[8]研究了不同冠層結構針闊混交林與純桉樹林之間森林小氣候的差異． 二是對林內垂直梯度上小氣候研究． 如Takemoto[9]認為影響森林小氣候的主要因素是森林的垂直結構， 程璨[10]研究了空青山次生櫟林溫度垂直梯度變化， 并認為太陽輻射是其主要影響因素； 王霞等[11]對比黃河三角洲白蠟人工林冠層上與冠層內的小氣候特征， 認為冠層具有保溫增濕、 降低風速的作用． 三是對林內與林外的小氣候研究． 如Georg等[12]研究了疏密林冠下小氣候與鄰近開闊區小氣候的關系； Spittlehouse等[13]通過對比林內、 林外、 林緣3種不同生境的溫度、 濕度和輻射等， 闡述了森林的小氣候效應； 孫金偉等[4]和李潔等[2]分別對長白山闊葉紅松林、 昆明樹木園林內與林外的小氣候特征展開了對比研究． 四是對林線過渡帶區域的小氣候研究． 如何吉成等[14]、 Liu等[15]、 殷文杰等[16]和王媛韜等[17]對藏東南色季拉山林線過渡帶的生態氣候進行了研究； 王曉東等[18]和薛峰等[19]也分別對長白山北坡岳樺林線與蘆芽山針葉林林線展開了小氣候的研究.

文獻計量學是通過數學與統計的方法對文獻進行處理并提取可量化的數據用來評價某個學科或領域的發展水平及現狀[20]． CiteSpace是一種進行文獻計量分析的軟件工具， 在眾多研究領域得到了廣泛運用， 彌補了傳統文獻綜述定量的不足， 可直觀地表達研究前沿與熱點[21-22]． 國內外對森林小氣候進行了相對系統的研究， 但很少采用文獻計量學的方法對其進行研究， 本研究基于中國知網(CNKI)與Web of Science(WOS)文獻數據庫， 利用CiteSpace對近20年有關森林小氣候的研究成果進行可視化分析， 旨在于揭示該領域國內外的研究現狀與熱點， 以期為森林小氣候相關研究提供參考.

1 材料與方法

1.1 數據來源

本研究的數據來源于CNKI與WOS文獻數據庫， 其中中文文獻檢索采用CNKI， 主題詞為“森林小氣候”“森林氣象學”“森林微氣候”“森林生態氣候”， 時間跨度為2000—2021年， 去除英文文獻、 科技成果及不相關文獻， 最終獲得的文獻數量為167篇； 英文文獻檢索主要采用WOS數據庫， 高級檢索下Booleans檢索式： (TS=(forest meteorology*OR ecoclimate * OR forest microclimate )) ， 語種為English， 文獻類型為Article與Review， 時間跨度為2000—2021年， 去重后最終獲得的文獻數量為2 611篇(其中研究報告2 531篇， 研究綜述80篇)． 檢索時間均為2021年10月5日.

1.2 研究方法

采用CiteSpace(5.7.R5W)文獻計量軟件結合數據庫的可視化對檢索文獻進行分析． 在圖譜中， 節點大小代表頻次的高低， 反映該時段關注的焦點， 而連線粗細代表共現頻次的多少[23]； 中心性代表其在知識網絡中的作用， 中心性越高說明關鍵性越強[24]； 爆發值與突現值相關， 是評判文獻或關鍵詞活躍度大小的指標[20]；H指數則是用來衡量期刊的學術影響力，H指數越大， 說明其學術影響力越大[25]； 并用論文專業度、 期刊自引率、 核心作者的最少發文量和文獻半衰期等指標進行討論[26-30].

1) 論文專業度為：

(1)

式中：SP為論文專業度，mi為學科類別中的文獻數.

2) 期刊自引率為：

(2)

式中：RRSC-ing為期刊自引率，a為期刊自引次數，b為引用其他期刊次數.

3) 根據普賴斯定律， 核心作者的最少發文量為：

(3)

式中：M為核心作者的最少發文量，Nmax為作者最多發文量.

4) 文獻半衰期為：

式中：x為時間(以10 a為計量單位)，y是經過x時間時總的引文比率，a和b均是系數，T1/2是文獻半衰期， (6)式運用B-K方程計算方法.

2 結果與討論

2.1 森林小氣候文獻基本特征分析

2.1.1 發文年變化趨勢

單位時間內發文量的變化程度代表著該學科或領域的研究趨勢與學術活躍度[31-32]． 分析CNKI(167篇)與WOS(2 611篇)兩個數據庫的2 778篇檢索文獻發現(圖1)， 2000—2021年， 英文文獻的年均發表量為118.68篇， 且增長顯著， 以平均5.91篇/a的速率逐年增加， 近10 a發文量占總數的68.90%； 中國作者在WOS的發文量為234篇， 占總發文量的8.96%， 以平均1.82篇/a的速率逐年增加； 而中文文獻的年均發表量為7.59篇， 以平均0.09篇/a的速率逐年增加， 且中文文獻每年的發表總量始終低于英文文獻， 兩者的平均發文比為0.07， 總體發文趨勢為前10 a發文比波動較大， 后10 a波動較小且呈下降趨勢． 總而言之， 森林小氣候研究在中外都取得了一定的成果， 但中英文文獻的數量之間相差較大， 也說明近20 a該領域得到了國外學者較大的重視， 而并沒有得到國內學者足夠的關注， 國內發展較為緩慢； 同時國內學者的英文發文量(234篇)要多于中文發文量(167篇)， 也說明在該領域內國內學者更趨向于外文期刊.

PR-C： 中國作者在WOS的發文量； RCF： 中英文文獻發文比； NOP(WOS)： WOS發文量；NOP-C： 中國作者在WOS的發文量； NOP(CNKI)： CNKI發文量．圖1 2000—2021年森林小氣候研究文獻年發表量

2.1.2 學科分布與期刊分析

多學科的交叉與融合已成為一種趨勢， 了解學科間的內容交匯與知識演化， 可以為學科發展提供進一步的參考[33]． 森林小氣候領域也出現了多學科內容交匯的情況， 探明其學科分布與知識演化， 對研究其發展趨勢具有重大意義． 因CNKI數據庫文獻數量較少， 所以只對WOS數據庫的學科分布與期刊展開討論， CNKI的數據僅作為對比分析． 近20 a與森林小氣候領域相近的各個學科發文量逐年增多， 且2016-2021年的發文量平均為2000-2005年的3倍(表1)． 論文專業度(SP)指的是文獻所屬學科類別的集中化程度，SP越小， 說明該領域的學科分布越廣[33]； WOS數據庫中森林小氣候領域的SP維持在0.15～0.18(表2)， 低于圖書情報領域的0.32～0.39[33]、 生物傳感器領域的0.23及Enso循環領域的0.45[34]， 說明森林小氣候領域的學科分布比其他領域廣； 而CNKI的SP為0.34～0.60， 整體呈遞減趨勢， 說明隨著時間推移該領域的學科分布在國內趨于變廣， 且在SP上， CNKI大于WOS． 總而言之， 從專業度上分析， 森林小氣候領域呈現出了多學科交叉與融合的趨勢.

表1 森林小氣候研究領域學科分布前10及其發文量(WOS)

表2 WOS與CNKI論文專業度比較

對期刊進行可視化分析能夠了解相關領域文獻流入的情況， 也能夠為科研工作者文獻閱讀與發表提供便利[31，33]； 引入期刊自引率來評價期刊是否為健康狀態， 大于20%均可認定為過度自引(高危期刊)[35]． 近20 a森林小氣候領域發文量排名前10的期刊(表3)， 《Forest Ecology and Management》在該領域的發文量高達213篇(占比8.16%)， 遠遠高于排名第2的《Agricultural and Forest Meteorology》(87篇， 占比3.33%)， 同時《Forest Ecology and Management》的被引頻次與H指數均為最高， 也說明了在該領域中該期刊一直處于領先地位； 從影響因子分析， 《Global Change Biology》最高(10.863)， 《Plant Ecology》最低(1.854)； 此外， 這10種期刊的RRSC-ing范圍均小于5%， 低于我國期刊的平均RRSC-ing的水平(5%～20%)[36]， 其中《ECOSPHERE》的RRSC-ing為0， 均說明該領域的期刊較為健康.

表3 森林小氣候領域發文量排名前10的期刊(WOS)

2.1.3 文獻作者

“小同行”概念的提出促進了對同一領域內作者發文情況的分析研究， 也能為文獻閱讀者提供檢索便利[37]． 近20 a發表中文文獻(CNKI)的作者共有407位， 發表英文文獻(WOS)的作者共有768位， 因CNKI數據庫文獻數量較少， 所以也只對WOS數據庫的發文作者(表4)展開詳細討論． WOS數據庫發文量最多與H指數最高的是來自Ghent University的Verheyen(25篇， 12)， 被引頻次、 篇均被引頻次與H指數最高的是中國地質大學的Chen(1 366次， 85.38次， 12)， 說明這兩位作者在該領域具有較大的影響力． 探討核心作者群對分辨該領域內的專家以及分析研究前沿具有重大的意義[31]． 本研究根據普賴斯定律來衡量作者的學術產出， 從而分析其是否為該領域的核心作者[38]． 由表4可知WOS的作者最多發文量為25篇(Verheyen K)， 因此由(3)式可以得知發文量分別不少于4篇就可認為其是森林小氣候研究領域的核心作者， 其中， 英文文獻的核心作者共72位， 占總發文作者數的9.39%， 而核心作者發文量688篇， 占總發文量的26.35%； 根據核心作者發文量占比超過總發文量的50%即可認定其是穩固的核心作者群[31]， 從而得知并未形成穩固的核心作者群.

表4 森林小氣候研究領域作者發文量前10名(WOS)

2.1.4 文獻發表機構

對WOS數據庫進行分析， 共有566個機構對森林小氣候領域展開了研究， 其中美國農業部的發文量(173篇， 占比6.63%)、 被引頻次(5 566)與H指數(43)最高， 而篇均被引頻數最高的是加州大學(42.19)； 在發文量前10名機構中， 來自美國的研究機構5個， 占比50%， 發文量占前10發文量的61.56%， 且發文量前3也均來自美國， 可看出美國研究機構在該領域具有較大的影響力． 而在前10當中有一個中國機構(中國科學院)， 其發文量位列第4， 但被引頻次(1 791)、 篇均被引頻次(17.39)與H指數(22)均處于較低水平(表5)． 對CNKI數據庫進行分析， 國內共有119個研究機構對森林小氣候鄰域展開研究(表6)， 其中發文量最多的是南京林業大學(10篇， 占比5.99%)， 說明該機構對該領域研究較為關注； 被引頻次與篇均被引頻次最多的是北京林業大學(146次， 16.22次)， 說明該機構的產出質量較高； 下載量與篇均下載量最多的是來自中國林業科學研究院(4 944次， 824次)， 且均為碩博論文， 說明該機構所產出論文的傳播性較高.

表5 森林小氣候研究領域機構發文量前10名(WOS)

表6 森林小氣候研究領域機構發文量前10名(CNKI)

2.1.5 文獻發表國家

全球共有111個國家對森林小氣候領域展開了研究， 其中美國發文量(875篇， 占比33.51%)、 被引頻次(28 227)、 H指數(78)最高， 英國篇均被引頻次(39.5次)最高； 而中國文獻被引頻次(3 816次)、 篇均被引頻次(16.45次)與H指數(29)最低， 中心性最低的則是瑞典與瑞士(0.04)(表7)． 整體來看， 歐美國家在該領域的研究具有一定的領先地位， 而中國在該領域的產出質量不高， 有待加強.

表7 森林小氣候研究領域國家發文量前10名

2.2 學術版圖分析

關鍵詞是作者對文獻內容及其研究思想的凝結， 代表著該研究領域的方向、 版圖與熱點[31， 39]． 運用關鍵詞聚類分析來確定森林小氣候研究領域的學術版圖， 設定Time slicing為2000年1月-2021年10月， Years Per Slice為1年， Node Types為Keywords， Pruning選擇Pathfinder與Pruning Sliced networks， 計算方法選擇“LLR”， 其他均為默認． 分析結果為： 英文文獻顯示了662個節點， 3 950條連線， 形成了11個聚類(圖2a)， 模塊值Q為0.360 3>0.3， 聚類結構顯著， 輪廓均值S為0.665>0.5， 聚類結果可信； 中文文獻顯示了404個節點， 880條連線， 形成了14個聚類(圖2b)， 模塊值Q為0.791 6>0.3， 聚類結構顯著， 輪廓均值S為0.938 2>0.5， 聚類結果可信.

圖2 森林小氣候領域關鍵詞聚類網絡圖譜

2.2.1 英文文獻學術版圖分析

#0，#4和#6聚類分別是亞高山冷杉林、 國家公園、 俄勒岡州西部， 這3項主要以研究對象或研究地點進行聚類， 討論某塊區域的小氣候特征[40-42]； #1和#2聚類分別是樹冠蒸騰與土壤呼吸， 這2項主要以研究指標進行聚類， 討論在不同環境(氣候條件)下所造成對應結果的不同[43-46]； #3聚類是邊緣效應， 指的是在林緣地帶表現出不同于林內中心地帶的生態學特征， 具有環境異質性[47]， 主要以研究理論進行聚類， 討論的是邊緣效應與小氣候的關系[48-49]； #9聚類是太陽輻射， 主要以氣象因子進行聚類， 討論的是小氣候各指標的時空變化特征[50-51]； #10聚類是景觀生態系統， 主要以宏觀生態學進行聚類， 討論的是小氣候特征與整個森林生態系統的關系[52].

2.2.2 中文文獻學術版圖分析

#0和#1聚類是小氣候與森林小氣候， 以研究主題進行聚類， 主要討論的是小區域內非生物因子的時空變化特征[53]； #2，#6和#13聚類分別是城市森林、 次生林、 九華山， 以研究地點或對象進行聚類， 討論的是某個區域的森林小氣候特征[54-56]； #3和#4聚類分別是森林氣象學與小氣候效應， 以研究理論進行聚類， 主要討論的是森林對空氣溫濕度等氣象要素的調節效應[57]； #5，#7和#9聚類分別是逐步回歸、 曠場實驗與模糊綜合分析， 以研究方法進行聚類， 利用以上方法來評價生態效益的大小[58-60]； #8聚類是樹冠形態， 以生物因子進行聚類， 討論的是生物因子與氣候要素之間的關系[61].

2.3 研究熱點與前沿分析

2.3.1 研究熱點分析

為了更加直觀地了解關鍵詞在某個時間段的具體情況， 采用CiteSpace的關鍵詞時區圖來進行分析． WOS數據庫在2000-2004年新出現的關鍵詞較多， 但隨著年份的增加， 新關鍵詞的出現數量逐步減少， 而CNKI數據庫在近20 a間新出現的關鍵詞次數表現為先增后減． 與此同時， 根據關鍵詞時區圖(圖3和圖4)大致可將研究熱點分為2個階段． 第1階段(2000-2009年)是森林小氣候領域的快速發展與繁盛階段， 重點圍繞森林對氣象因子的改善作用等基礎研究． 在WOS數據庫中出現頻次最多的關鍵詞主要有： microclimate(小氣候， 950次)、 forest(森林， 474次)、 climate change(氣候變化， 389次)、 vegetation(植被， 341次)、 temperature(溫度， 281次)等； 在CNKI數據庫出現次數最多的關鍵詞是小氣候(42次)、 森林小氣候(24次)、 城市森林(18次)、 小氣候特征(11次)、 森林(9次)等， 同時也出現了土壤、 呼吸、 昆蟲、 土壤養分、 空間格局等向其他領域或學科滲透的關鍵詞． 第2階段(2010-2021年)是對該領域的補充發展階段， 重點圍繞該領域的應用基礎研究， 并與城市發展、 人體健康等話題相結合． 在WOS數據庫中出現次數最多的關鍵詞主要有： ecosystem service(生態系統服務， 34次)、 sap flow(液流， 31次)、 β-diversity(β多樣性， 19次)、 heat island(熱島效應， 15次)、 organic carbon(有機碳， 15次)； 在CNKI數據庫出現次數最多的關鍵詞是人體舒適度(5次)、 森林康養(4次)、 氣候舒適度(5次)、 人工林(3次)、 森林火險等級(2次)等.

圖3 森林小氣候領域關鍵詞時區圖(WOS)

圖4 森林小氣候領域關鍵詞時區圖(CNKI)

對中英文文獻關鍵詞時區圖進行比較分析發現， 英文文獻對森林小氣候的研究主要出現在2000年甚至更早， 而中文文獻中在2000年也提出了小氣候效應、 氣象要素等與森林小氣候領域有關的關鍵詞， 但對“森林小氣候”與“小氣候”的系統研究主要開始于2002-2003年， 說明中文文獻在該領域的研究具有一定的滯后性， 處于被動狀態； 而隨著時間的推移， 中文文獻的研究重點逐步向森林小氣候特征與人之間的關系研究上傾斜(首次出現于2005年)， 出現了生態效益、 氣候舒適度、 空氣負離子濃度、 森林旅游、 舒適有效溫度、 空氣舒適度、 空氣清潔度等與人體健康相關的關鍵詞， 而英文文獻對于該方面的研究起步卻較晚， 與人有關的關鍵詞， 如heat(心臟)、 feedback(反饋)、 fire severity(火災嚴重性)、 Ecosystem service(生態系統服務)等首次出現的時間均在2010年之后， 說明中文文獻在該方面的研究具有一定的創新性與先進性.

2.3.2 研究前沿分析

關鍵詞的突變反映研究領域的發展趨勢與前沿[39]． 在英文文獻中， douglas fir forest(道格拉斯冷杉森林)、 edge effect(邊緣效應)、 vegetation structure(植被結構)、 ecosystem service(生態系統服務)等關鍵詞的突現強度高于其他關鍵詞 (圖5a)， 表明了這些方向均為該時期內的關鍵主題， 而 douglas fir forest(道格拉斯冷杉森林)、 gas exchange(氣體交換)、 light(光照)等關鍵詞的持續時間較長， 且主要集中在2000-2011年， 說明了這些方向均為該領域的基礎研究.

根據圖譜可將其分為2個階段， 第1階段(2000-2009年)： 研究重點主要集中在森林與小氣候之間的關系； 第2階段(2010-2021年)： 研究重點主要集中在森林與人之間的關系， 以及更多的開展森林小氣候對地下層面(如土壤微生物等)與地表層面(如地表溫度、 凋落物分解等)的影響． 如圖5b所示， 在中文文獻中， 小氣候特征、 森林小氣候、 森林康養這3個關鍵詞的突現強度較高， 表明這3個方向在近20 a來一直備受國內學者的關注， 同時氣溫這個關鍵詞是當中持續時間最長的， 也就說明了該關鍵詞在森林小氣候研究領域中的基礎性作用.

圖5 國內外森林小氣候領域高突變關鍵詞

英文文獻中的plantation(人工林)、 ecosystem service(生態系統服務)與中文文獻中的森林康養、 人體舒適度均是近幾年來突現強度較高的關鍵詞， 代表著森林小氣候領域近幾年的研究前沿， 同時也很有可能代表著未來近幾年的發展趨勢． Locosselli等[62]則認為森林內的氣候因子與康養保健因子會影響樹木的生長， 從而影響其生態服務的功能； 劉海軒等[63]則對城市森林內的空氣溫度、 空氣濕度與風速進行了監測， 認為冠層結構具有降溫與增濕的效果， 從而提高人體的舒適度； 段文軍[64]則對城市森林內的氣象因子、 空氣負氧離子和PM2.5等康養保健因子進行監測， 認為在夏季森林具有提高人體舒適度的效果， 且能降低PM2.5等． 這些研究也讓我們了解到了森林的生態價值.

2.3.3 高被引文獻分析

研究被引文獻的頻次、 爆發值與半衰期等指標能夠在一定程度上反映文獻的學術價值和對該領域做出貢獻的大小． 被引頻次指的是一篇文獻被引用次數的多少； 文獻的爆發值常用突現值來表示， 越高的爆發值表明其在特定的時間內出現且活躍度更高[65]； 文獻的半衰期常用來指示文獻老化程度的大小[30]， 半衰期越長意味著文獻的價值越大[20]． 被引頻次最高的前10篇文獻分別來自于奧地利、 美國、 英國、 法國和比利時的學者或團隊， 而國內學者對該領域的研究并無高質量的文章產出， 說明國內在該領域的研究較為薄弱(表8)； R Core Team所發表的有關R語言的文獻篇數占前10篇文獻中的5篇， 占比50%， 平均爆發值為15.638， 普遍高于其他文獻， 說明R語言的運用在森林小氣候領域的研究保持著較高的活躍度與熱度； 《R： A Language and Environment for Statistical Computing.(2017)》的被引頻次與爆發值最高， 半衰期僅次于2014年與2015年版本， 該篇文獻周圍連線較為密集且連線較粗， 說明了其在森林小氣候的研究中發揮著關鍵的樞紐作用(圖6)； 前10名文獻發表的時間分布在2011-2019年， 說明了這10年間是森林小氣候研究領域高質量產出的階段； 其中《The relationship between leaf area index and microclimate in tropical forest and oil palm plantation： Forest disturbance drives changes in microclimate》是該領域中影響力較大的文獻． 總體來看， 這10篇文獻的半衰期均不高(0.77～2.31a)， 說明其文獻的老化程度與速度較快， 也說明該研究領域發展較快.

表8 森林小氣候領域文獻被引頻次前10名

圖6 森林小氣候領域共被引文獻網絡圖譜

3 結論與展望

近年來對于森林小氣候的研究主要由北美、 歐洲和中國的生態學家完成， 并有增加的趨勢． 前期主要圍繞該領域的基礎研究進行， 重點圍繞森林對氣象因子的改善作用等方面展開； 后期主要是圍繞該領域的應用研究進行， 與人相結合， 以及更多地開展森林小氣候對地下層面(如土壤微生物等)與地表層面(如地表溫度、 凋落物分解等)的影響研究.

森林小氣候領域未來幾年的發展趨勢主要圍繞城市的發展以及與人的關系進行展開， 森林康養、 人體舒適度的提高、 生態系統服務以及森林小氣候特征對“碳源”“碳匯”的影響機制等研究方向可能將會成為熱點主題． 研究區域上， 城市森林與樹線交錯帶的氣候變化將會成為研究焦點； 研究手段上， 將會運用到更多高科技手段和模型， 如遙感技術等； 研究內容上， 將會更多地往森林的生態效益與生態功能轉移， 特別是森林的“生物物理效應”， 如森林對氣象因子(空氣溫濕度等)、 康養保健因子(負氧離子、 PM2.5等)等的影響． 與此同時， 在對其進行研究時， 應綜合各方面的因素去討論， 做到生態系統服務與社會發展相結合， 實現可持續發展目標． 最后， 在環境日益惡化的今天， 森林到底起到了什么作用？其作用有多大？能為人類的生存環境帶來怎樣的改變？這就是研究森林-氣候相互作用機制的意義所在.