基于CiteSpace的農業灌溉水資源價值知識圖譜分析

周淑梅 李晶晶 盧娜

摘要：基于2000—2021年WoS數據庫收錄的3 687條農業灌溉用水價值相關文獻，利用CiteSpace軟件繪制全球灌溉用水價值研究的知識圖譜，分析國內外灌溉用水價值研究的發文量、作者、國家、期刊和機構分布情況、研究熱點及發展趨勢。研究結果表明：2000—2021年，灌溉用水價值領域發文量整體呈上升趨勢；發文核心作者和團隊主要來自中國和美國；研究力量主要分布在中國、美國、西班牙等國家；中國科學院、中國農業大學、德黑蘭大學等機構貢獻突出；灌溉水價和水資源的利用效率始終是研究的熱點內容；從發展趨勢看，灌溉用水價值的多維度評估以及灌溉用水價值的時空動態變化特征是未來研究關注的熱點；多源時空數據源、結合計算機人工智能技術的多種定價方法的融合及優化成為灌溉用水價值研究的新趨勢。

關鍵詞：農業灌溉；水資源價值；CiteSpace；知識圖譜

中圖分類號：［TV-9］： S274

文獻標識碼：A

文章編號：2095-5553 （2023） 03-0141-08

Abstract： Based on 3 687 related literatures on agricultural irrigation water value included in the WoS database from 2000 to 2021， this paper uses CiteSpace software to draw a knowledge map of global irrigation water value research， and analyzes the number of published papers， authors， distribution of countries， journals and institutions， research hotspots and development trends of irrigation water value research at home and abroad. The research results showed that from 2000 to 2021， the number of papers issued in the field of irrigation water value showed an overall upward trend; the core authors and teams of the papers were mainly from China and America; the research forces were mainly distributed in China， America， Spain and other countries; the Chinese Academy of Sciences， China Agricultural University， Tehran University and other institutional contributions were out standing; the price of irrigation water and the utilization efficiency of water resources had always been the hot topics of research; from the perspective of development trends， the multidimensional evaluation of irrigation water value and the temporal and spatial dynamic characteristics of irrigation water value were the focus of future research; multisource spatiotemporal data sources and the integration and optimization of various pricing methods combined with computer artificial intelligence technology have become a new trend in the research of irrigation water value.

Keywords： agricultural irrigation; water resources value; CiteSpace; knowledge map

0引言

水資源危機是21世紀全球社會面臨的重大問題之一。已有研究表明，農業用水量占全球水資源消耗的70%，而農業產值貢獻率僅為6.4%。鑒于此，為提高農業用水效率，各國政府采取了一系列農業節水政策。農業水價是一種行之有效的節水政策，水價的合理制定一方面需要考慮農民可承受能力，另一方面還需要結合農業灌溉用水的實際價值綜合制定。因此，對農業灌溉用水價值的深入研究和探索是制定合理水價的前提和基礎，對實現農業節水增效至關重要。

現有農業灌溉用水價值的研究內容豐富多樣。在水資源價值內涵方面，1992年都柏林國際水與環境會議上水的價值概念被采納，即：“水在其所有競爭性用途中都具有經濟價值，應被視為經濟商品”。吳澤寧綜合考慮水資源的供給和需求，基于能值理論，立足于水資源經濟—社會—生態環境復合系統定義水資源價值［1］。在灌溉用水價值評估方面，20世紀70年代，秘魯采用余差法和線性規劃法對灌溉用水價值進行了估算。世界糧農組織出版報告“The Economic Value of Water for Agricultural， Domestic and Industrial Uses： A Global Compilation of Economic Studies and Market Prices”，總結了灌溉用水價值計算的方法和理論體系［2］。Bierkens通過構建農作物產出和水資源投入之間的生產函數來量化影子價格，借助影子價格大小判斷灌溉水利用效率的高低［3］。在灌溉用水價值的影響方面，魏帥基于宏微觀尺度確定的農業水價，對農業水資源進行優化配置，使得節水效果達到最佳［4］。Portoghese模擬了不同灌溉用水定價情景對地下水可持續利用的影響，結果發現不公平的地表水定價策略可能會對地下水資源產生負面影響［5］。由于灌溉用水價值的時空差異性，水資源價值評估問題仍然是擺在研究人員面前的重大問題，亟待進一步解決。通過分析農業灌溉用水價值領域的熱點及演變趨勢，為農業水價合理評估奠定基礎，對提高農業用水效率、實現水資源可持續利用具有重要意義。

近20年來，灌溉用水價值的研究取得了豐碩成果，為后人進行農業水資源價值研究提供了重要研究基礎。然而通過查閱文獻，發現目前對該領域最新研究成果的梳理尚不充分，難以全面反映農業水資源價值研究特征及趨勢。CiteSpace作為一款新興的科學文獻分析軟件，用于識別和探測某一學科領域的熱點問題、主題演變和發展趨勢，廣泛應用在圖情學［6］、教育學［7］、計算機［8］、農業經濟［9］等。因此，本文擬選取2000—2021年科學網絡核心收集（WoS）數據庫收錄的有關農業灌溉用水價值研究文獻，使用CiteSpace工具檢測農業灌溉用水價值領域的演變，識別重要研究人員和機構，跟蹤關鍵詞和關鍵文獻，分析探討農業灌溉用水價值的研究特點、熱點及趨勢，對國內外農業灌溉用水價值研究文獻進行系統性梳理，以期為農業水價的后續研究提供參考。

1數據來源與研究方法

1.1數據來源

本文以Web of Science核心數據庫（http：//apps.webofknowledge.com）為檢索平臺，引文索引為Science Citation Index Expanded（SCI-EXPANDED）—1996—至今，主題詞設置為：（agricultural irrigation water）AND［TS=（value）OR TS=（valuation） OR TS=（price）］，時間跨度為2000—2021年，語言選擇English，文獻類型選擇Article和Review進行檢索，得到文獻信息共3 687條。文獻數據最后檢索時間為2022年1月5日。

1.2研究方法

將WoS核心合集中的3 687篇文獻導出。為保證文獻非重復性和關聯性，利用CiteSpace對導出文獻進行除重，人工篩除與該領域相關性弱的文獻，得到有效文獻3 180條，分別對導出文獻的發文量、作者、國家、期刊、研究機構、關鍵詞和核心文獻進行分析。

采用CiteSpace 5.8 R2版本對文獻數據進行網絡圖譜分析，時間切片統一設置為1年，其他為默認，所選定的各指標經系統分析后得到相應圖譜。圖譜中節點的不同顏色表示分析對象的被引用歷史，節點大小表示分析對象在特定時段內的聚焦程度，節點間連接線則表示兩個節點之間的共引關系，線條越粗表示共引詞匯出現的頻次越高，其顏色表示兩個節點第一次被共引的時間。一個被紫色環包圍的節點具有相對較高的中心性（≥0.1），又稱關鍵節點，表明與其他節點有廣泛的聯系［10］。此類型節點通常是知識領域關注的焦點，對節點網絡分析具有重要意義［11］。

2結果分析

2.1農業灌溉用水價值文獻描述性分析

2.1.1發文量分析

發文量的變化可以反映該領域在某個時間段內的研究態勢和發展速度。在灌溉用水價值研究領域，WoS的全球發文量整體呈上升趨勢（圖1），發文增長速度為18.8篇/年。從文章數量的變化趨勢來看，對灌溉用水價值的研究可以劃分為3個階段。（1）初始勘探階段：2000—2005年。灌溉用水價值研究處于起步階段，年發表數量較低，發展緩慢；（2）波動增長階段：2006—2014年。隨著農業的快速發展，農業需水量顯著增加和水資源稀缺性的矛盾日漸突出。在此期間，論文數量有所增加，但年出版量波動不定。（3）快速發展階段：2015—2021年。特別是在2019年，其發文量較2018年增長了28.02%，增長速度最快。隨著經濟的快速增長，人水矛盾的突出，引發了全球對農業灌溉用水全方面的深入研究。

2.1.2作者群體分析

作者共現網絡圖譜，展現了灌溉用水價值研究領域的核心團隊及其間合作關系。圖2為在該領域發文量排名前6的作者合作團隊。

郭萍領導的由國內外多個研究小組組成的團隊規模最大，節點數最多且合作密切，該組其他杰出成員分別是東北農業大學的付強、李茉團隊以及中國農業大學農業用水研究中心的張帆、張成龍團隊等。第二大研究團隊由西北農林科技大學農業土木工程重點實驗室的吳普特領導下的河海大學曹新春和普渡大學王玉寶等人員組成。其他如維也納自然資源與應用生命科學大學的Erwin Schmid團隊、中國水利水電科學研究院的鄧小雅團隊等在該領域研究貢獻也較為突出。各研究團隊目前已基本成熟穩定，團隊內部學者聯系較緊密。

表1為該領域研究中最具生產力的前12位作者。郭萍是最有生產力的作者，發表19篇論文。Mohammad僅發表7篇文章，被引用高達558篇，文章質量水平較高。核心作者和團隊主要來自中國和美國，國外學者與國內作者合作聯系較弱。未來應進一步加強國內外研究團隊之間的學術交流，從而推動灌溉用水價值研究領域的創新發展。

2.1.3國家地區分析

圖3的國家合作網絡圖譜反映了高產國家之間的合作狀態。

其中，美國、德國和荷蘭與其他國家合作較為密切，而中國集中于獨立研究。農業作為發展中國家的重要產業，灌溉用水問題日漸突出，因此在高度活躍合作網絡的國家中，除了發達國家，還出現了許多發展中國家（印度尼西亞、伊朗、南非、墨西哥、巴西等），在該領域的研究逐漸活躍，說明這些國家越來越重視灌溉水資源的保護和可持續利用，也越來越重視學術間的國際合作。

由表2可知，美國發文量為646篇，占總量的20.31%；其次是中國（608篇，19.12%）和西班牙（234篇，7.35%）。結合中心性值可知，美國中心性最高（0.71），說明美國與其他國家合作較廣泛，科研實力雄厚，對全球的影響深遠。根據被引頻次，意大利、澳大利亞、德國和荷蘭篇均被引頻次較高；而中國為16.27，文獻篇均被引頻次較低，論文綜合影響力有待提高，因此，國內研究學者需進一步提高論文質量和研究深度，擴大我國學術影響力。

2.1.4載文期刊分析

表3列出了研究期間國際上關于農業灌溉用水價值研究發文量排名前十的期刊。這十種期刊在該主題的出版物約占該領域所有文獻總量的27.75%，表明農業灌溉用水價值研究期刊分布多樣，涉及農業水資源管理、環境科學、可持續發展、水文學等主題，特別是涉及許多學科的主題交叉。在WoS核心數據庫中收錄的期刊中，由荷蘭主辦，Elsevier BV出版的《Agricultural Water Management》排名第一，在研究期間發表的灌溉用水價值相關論文最多，其影響因子為4.516，該期刊發表與農業水資源管理的科學、經濟學和政策有關的具有國際意義的論文，提供解決并影響有關農業水資源管理的見解。此外，《Water》、《Science of The Total Environment》、《Water Resources Management》和《Journal of Hydrology》等期刊發文量位居前五。

這些期刊的目標與農業灌溉用水價值的研究意義密切相關，即促使水資源高效利用和管理，實現水文環境可持續發展。同時這些期刊也為學者們提供了研究農業灌溉用水價值的平臺。

2.1.5發文機構分析

發文機構的合作網絡圖譜見圖4，節點大小代表一個機構發表文章的數量，而連接強度顯示不同機構之間的協作水平。中國科學院（Chinese Acad Sci，194篇，0.27）及中國農業大學（China Agr Univ，90篇，0.11）的發文量和中心度均較高，科研實力雄厚，影響深遠。德黑蘭大學（Univ Tehran）發文數量位居第三（65篇），最具影響力的前10個機構共有695篇文獻，占農業灌溉用水價值出版物總數的18.9%以上。農業灌溉用水價值主要研發機構來自中國、伊朗和美國，這些國家在農業灌溉水資源研究方面具有卓越的研發能力。在協作方面，整個網絡圖譜中大多數機構之間的聯系較廣泛，表明機構在內部和內部子網絡層面的合作較為密切。

2.2農業灌溉水資源價值研究熱點分析

研究熱點的分布和演變可以直觀地展示不同時期的研究主題、研究視角和研究方法的變化。通過對灌溉水資源價值研究文獻的關鍵詞和核心文獻分析概括，可以反映研究關注的焦點和核心問題，也體現了一定時期研究人員感興趣的熱點話題。

2.2.1關鍵詞突變圖譜分析

關鍵詞突發性檢測是研究關鍵詞出現頻次的分布時間，并從眾多詞語中探測出有較高頻次變化率的關鍵詞，從而依據詞頻的變化趨勢得到灌溉用水價值研究熱點變化。由CiteSpace繪制的關鍵詞突變表（表4）可以定量地代表農業灌溉用水價值研究領域不同的研究熱點和變化規律。

由表4可知，前期研究熱點主要是水資源、氮、水質、水資源政策、小麥和非充分灌溉等。表明早期學者對灌溉用水的研究集中于水含有的化學元素、水質與水資源價值之間的關系；同時在水資源政策的支持下，大多數學者傾向選擇小麥為研究作物探討非充分灌溉下的作物產量和水資源利用效益。此階段關于農業灌溉用水價值的研究較少，有關方法理論尚處于起步階段。

進入2009年，人們開始綜合使用地表水和地下水進行灌溉，通過引入相關理論模型對灌溉用水價值進行估算，測算水在蒸發后的經濟效益和成本。由于化肥、農藥等化學物質的大量使用，使得水資源受到嚴重污染，糧食安全也受到威脅。因此，全球更加重視水資源的保護和可持續利用，但研究僅處于理論階段，實證研究偏少。

2014年以后，研究熱點出現快速轉型，大部分研究熱點持續時間相對較短，說明關于灌溉用水價值的研究范圍較為廣泛，進入全面快速發展階段。研究學者在制定相關理論基礎體系后，步入實證探索階段，集中于以平原地區為研究區域，研究對象也由單一作物轉向多種農作物，研究內容上側重于估算農業用水的生態系統服務價值，綜合考慮經濟、社會和環境因素，由此評估的水價真實反映了水資源的價值。

目前新興研究熱點主要為灌溉用水價值的模型預測及算法應用。隨著人工智能技術的快速發展，深度學習神經網絡算法日漸完善，部分學者基于實際調研數據對灌溉用水價值、作物灌溉需水量進行預測研究，結果顯示神經網絡模型具有較高的準確率［12］。可以看出，農業灌溉用水價值研究逐步集中于“經濟—社會—生態—科技”的多尺度、多層面的研究探索。

2.2.2關鍵詞時間線圖譜分析

對不同文獻中的高頻關鍵詞進行聚類，可以展示該領域的重要知識結構和前沿研究熱點。圖5為關鍵詞時間線圖譜，共生成10個聚類標簽。其中，水價（water pricing）和水利用效率（water use efficiency）是灌溉用水價值研究的核心內容；水平衡（water balance）研究最為持久；土壤濕度（soil moisture）、地下水質量（groundwater quality）和重金屬（heavy metals）是農業水資源價值研究的重要方面；農業政策（agricultural policy）為該領域的研究提供有力支持；灌溉水資源的生態系統服務（ecosystem services）價值評估對區域生態建設和發展具有重要意義。基于大數據、3S技術、計算機人工智能等新技術進行多源時空用水數據和灌溉用水價值模擬評估［13］，為決策者制定合理水價、獲得最優水資源配置方案和結果提供科學依據。

2.2.3研究熱點與核心文獻分析

對近幾年國內外關于農業灌溉用水價值的核心文獻進行梳理和總結，研究內容分為以下幾個方面。

1） 灌溉用水價值內涵。價值是價格的基礎，水價是水資源價值的貨幣表現形式。1992年都柏林國際水與環境會議指出，“水在其所有競爭性用途中都具有經濟價值，應被視為經濟商品”。

多數學者對灌溉用水價值的研究限定為水的經濟價值，李良縣等基于效用價值論，探討水資源價值體現為商品水給使用者帶來的總效用，并以一定的貨幣衡量水資源的價值［14］。Nikouei等［15］從成本收益角度出發，提出灌溉水的經濟價值源于它通過農作物的生產和銷售為農民所帶來的收入。類似地，劉維哲等［16］從農民投入產出角度，認為農業總產出價值扣除灌溉以外的其他投入要素價值后，剩下部分可歸結為灌溉水產生的經濟價值。

隨著研究的深入，學者對灌溉用水價值的內涵逐步擴展到社會、環境和政治等方面。Shen等［17］表示水資源不應僅視為一種經濟商品，灌溉用水價值與經濟、政治、環境和社會因素交織在一起。吳澤寧等［1］綜合考慮水資源的供給和需求，以黃河流域為研究對象，基于能值理論，立足于水資源經濟-社會-生態環境復合系統量化用水價值，更全面地評估了灌溉用水價值。

2） 灌溉用水價值核算方法。基于灌溉用水價值不同內涵對應多種水價核算理論及模型，目前應用較廣泛的理論及模型包括能值理論、剩余價值法（殘值法）、生產函數法、完全成本法、條件估值法、模糊數學模型、一般均衡（CGE）模型等。下面重點分析剩余價值法、生產函數法和神經網絡模型的研究應用。

基于葡萄牙南部阿倫特霍地區六個灌溉區中最具有代表性的作物，Rodrigues等［18］利用殘值法確定了灌溉用水價值，預測灌溉用水價格與作物成本的合理性。王西琴等［19］基于華北地區小麥和玉米種植戶的調研數據，采用剩余價值法估計糧食作物灌溉用水的經濟價值，并比較了灌溉用水價格的區域差異。由于剩余價值法基于一定的前提假設，因此測算結果不能完全反映灌溉用水的實際價值。

Bierkens等［3］通過構建農作物產出和水資源投入之間的生產函數，估算了地下水使用量最大的11個國家灌溉用水的影子價格，即水產生的邊際價值，進一步分析了灌溉用水價值在國家之間的變化特征。Chebil等［20］根據突尼斯主要柑橘產區的42個農場的選定樣本數據執行隨機前沿生產函數方法，估算了灌溉用水價值，并確定最佳水價。研究中由于某些投入產出數據難以準確衡量，計算結果會有一定誤差。

神經網絡模型是目前灌溉用水價值較為先進的核算方法，NguyenKy等［21］使用人工神經網絡-貝葉斯建模方法，與在線用水數據集成，預測澳大利亞Murry灌溉區的水價，比人工神經網絡預測精度更高，實現更好的水分配交易決策，并提高灌溉農業的生產力和盈利能力。

由于單一方法的局限性，對不同測算方法的比較研究會進一步推動灌溉水價的評估研究，并為相關農業水資源定價策略的執行提供科學依據。此外，由于灌溉用水空間分布離散，且地方用水量統計缺乏統一標準，導致對灌溉用水量時空變化的刻畫能力不足，關于灌溉用水價值評估的時空動態特征有待深入探討。

3） 灌溉用水價值影響因素。近年來，國內外學者在灌溉用水價值的影響因素方面做了大量研究。灌溉水價一般受到水資源稀缺程度、供求關系、農民心理承受范圍、農戶用水量、種植作物類型、灌溉節水技術等因素影響，主要體現在水資源的自身特性、供給和需求以及稀缺性角度。

美國環保署強調，水不是一維商品，用戶為水付費的意愿可能取決于水量、質量、時間、空間和獲取可靠性等因素。劉紅艷等除考慮水量、水質等環境因素，還引入人均可支配收入、技術成本投資和農民滿意程度，綜合從環境、經濟和社會三方面測算灌溉用水價值。Singh［22］認為邊際成本定價法不能完全反映灌溉用水的公共性、外部性、信息不對稱性等特性，應在充分考慮農戶承受能力基礎上確定灌溉用水價格。

史尚等［23］從灌溉供給角度建立了農業水價成本測算指標體系，采用層次分析法得出灌水方式、輸水方式、渠道襯砌情況、信息化程度、節水灌溉技術是影響農業水價的關鍵因素。從需求角度來看，劉維哲等［16］通過比較小麥、玉米和蘋果三種作物的灌溉用水價值，建立灌溉用水價值影響因素分位數回歸模型，分析發現農作物類型是影響灌溉用水價值的重要因素。Hellwig等［24］在研究德國水價時發現，影響水價的主要因素是成本和需求函數，政治聯系起次要作用。

從資源稀缺性角度分析，Cauberghe等［25］認為水作為商品，水的稀缺性可以加強其積極價值，從而增加其可取性，表明水資源短缺是價格變化的重要驅動因素。然而，由于某些重要影響因素數據難以準確獲取，如環境變化等，在實證研究中往往被忽略，從而降低了灌溉用水價值評估的準確性。

3結論

本研究采用CiteSpace軟件對WoS數據庫檢索得到的3 687條農業灌溉水資源價值相關文獻進行科學計量分析，分別檢測發文量、發文作者、發文國家、載文期刊、發文機構、關鍵詞和主題文獻，得出以下結論。

1） 農業灌溉用水價值研究領域的發文量整體呈上升趨勢；核心作者和團隊主要來自中國和美國，由中國農業大學郭萍領導的合作小組是該領域發文量最多的研究團隊，未來應加強國內外研究團隊之間的學術交流；研究力量主要分布在美國、中國、西班牙等國家，國際合作趨勢逐漸明顯；中國科學院、中國農業大學、德黑蘭大學等機構貢獻突出，影響力深遠。

2） 農業灌溉用水價值研究集中于“經濟—社會—生態—科技”的多尺度、多層面，灌溉水價和水資源的利用效率始終是該領域研究的核心內容；灌溉用水價值的核算一般受到水資源稀缺程度、供求關系、農民承受能力、用水量、作物類型、節水技術等因素影響；新興研究熱點為應用人工智能、大數據等新技術進行灌溉用水價值的模型預測和灌溉水資源優化配置。

3） 由于灌溉用水空間分布具有離散性的特征，以及部分影響因素數據獲取難度較大，灌溉用水價值的時空動態特征刻畫及多維度價值分析還有待深入研究。此外，目前不同灌溉用水價值測算方法均具有一定的局限性，實證研究中合理的灌溉用水價值的確定仍需進一步探索。基于此，灌溉用水價值的未來研究發展趨勢主要分為兩大方向：研究內容方面，灌溉用水價值的多維度評估以及灌溉用水價值的時空動態變化特征是未來研究關注的熱點；研究手段方面，從傳統數據源（調研、統計）到多源時空數據源（大數據、遙感監測）的轉變，從單一灌溉用水價值測算方法到結合計算機人工智能技術的多種定價方法的融合及優化成為灌溉用水價值研究的新趨勢。

參考文獻

［1］吳澤寧， 狄丹陽， 黃碩俏. 黃河流域各省（區）用水價值空間聚集特征分析［J］. 人民黃河， 2020， 42（9）： 96-100， 106.

Wu Zening， Di Danyang， Huang Shuoqiao. Analysis of spatial clustering characteristics of water resources value in each Region of the Yellow River Basin ［J］.Yellow River， 2020， 42（9）： 96-100， 106.

［2］Aylward B， Seely H， Hartwell R， et al. The economic value of water for agricultural， domestic and industrial uses： A global compilation of economic studies and market prices ［J］. Ecosystem Economics， 2010.

［3］Bierkens M F P， Reinhard S， de Bruijn J A， et al. The shadow price of irrigation water in major groundwaterdepleting countries ［J］. Water Resources Research， 2019， 55（5）： 4266-4287.

［4］魏帥. 基于農業水價的區域農業水資源優化配置［D］. 哈爾濱： 東北農業大學， 2019.

Wei Shuai. Regional agricultural water resources optimal allocation based on the agricultural water price［D］. Harbin： Northeast Agricultural University， 2019.

［5］Portoghese I， Giannoccaro G， Gior dano R， et al. Modeling the impacts of volumetric water pricing in irrigation districts with conjunctive use of surface and groundwater resources ［J］. Agricultural Water Management， 2021， 244： 106561.

［6］葉貝， 董雁. 國內外非正式學習研究回顧與啟示——基于CiteSpace的可視化分析［J］. 成人教育， 2022， 42（6）： 1-7.

Ye Bei， Dong Yan. Review and enlightenment of informal learning research at home and abroad—based on visualization analysis of CiteSpace ［J］. Adult Education， 2022， 42（6）： 1-7.

［7］李睿， 唐白仙. 教育信息化分析視角下基礎教育學段教師專業發展的文獻綜述——基于CiteSpace可視化分析［J］. 數字教育， 2022， 8（2）： 54-60.

Li Rui， Tang Baixian. A literature review of teachers professional development of basic education section under the perspective of educational informatization analysis—Based on the visualized analysis of CiteSpace ［J］. Digital Education， 2022， 8（2）： 54-60.

［8］謝志明， 粟小穎， 易玄. 基于CiteSpace的區塊鏈審計熱點及研究趨勢比較［J］. 財會通訊， 2022（3）： 23-29.

［9］鄧志宏， 韋素瓊， 游小珺， 等. 基于CiteSpace中國農業產業集群研究：述評與展望［J/OL］. 中國農業資源與區劃： 1-14［2022-06-19］. http：//kns.cnki.net/kcms/detail/11.3513.s.20220414.1757.010.html.

Deng Zhihong， Wei Suqiong， You Xiaojun， et al. Research on Chinas agricultural industrial clusters based on CiteSpace： Review and prospects ［J/OL］. Chinese Journal of Agricultural Resources and Regional Planning： 1-14［2022-06-19］. http：//kns.cnki.net/kcms/detail/11.3513.s.20220414.1757.010.html.

［10］劉光陽. CiteSpace國內應用的傳播軌跡——基于2006—2015年跨庫數據的統計與可視化分析［J］. 圖書情報知識， 2017（2）： 60-74.

Liu Guangyang. The spread track of Citespace application in China—Based on the statistical and visual analysis of crossdatabase data from 2006 to 2015 ［J］. Intelligence， Information & Sharing， 2017（2）： 60-74.

［11］辛偉， 雷二慶， 常曉， 等. 知識圖譜在軍事心理學研究中的應用——基于ISI Web of Science數據庫的CiteSpace分析 ［J］. 心理科學進展， 2014， 22（2）：? 334-347.

Xin Wei， Lei Erqing， Chang Xiao， et al. The application of knowledge mapping in military psychology： Citespace analysis based on data from ISI Web of Science Database ［J］. Advances in Psychological Science， 2014， 22（2）： 334-347.

［12］Cordeiro M， Markert C， Araújo S S， et al. Towards smart farming： Fogenabled intelligent irrigation system using deep neural networks ［J］. Future Generation Computer Systems， 2022， 129： 115-124.

［13］夏帆， 陳瑩， 竇明， 等. 水資源空間均衡系數計算方法及其應用［J］. 水資源保護， 2020， 36（1）： 52-57.

Xia Fan， Chen Ying， Dou Ming， et al. Calculation method and application of spatial equilibrium coefficient of water resources ［J］. Water Resources Protection， 2020， 36（1）： 52-57.

［14］李良縣， 甘泓， 汪林， 等. 水資源經濟價值計算與分析［J］. 自然資源學報， 2008， 23（03）： 494-499.

Li Liangxian， Gan Hong， Wang Lin， et al. Calculation and analysis of the economic value of water resource ［J］. Journal of Natural Resources， 2008， 23（3）： 494-499.

［15］Nikouei A， Ward F A. Pricing irrigation water for drought adaptation in Iran［J］. Journal of Hydrology， 2013， 503（1）： 29-46.

［16］劉維哲， 唐溧， 王西琴， 等. 農業灌溉用水經濟價值及其影響因素——基于剩余價值法和陜西關中地區農戶調研數據［J］. 自然資源學報， 2019， 34（3）： 553-562.

Liu Weizhe， Tang Li， Wang Xiqin， et al. Estimating economic value of irrigation water and analysis of influencing factors： A case study based on residual value method and farmers data in Guanzhong area of Shaanxi ［J］. Journal of Natural Resources， 2019， 34（3）： 553-562.

［17］Shen D， Yu X， Shi J. Introducing new mechanisms into water pricing reforms in China ［J］.? Water Pricing Experiences and Innovations， 2015： 243-258.

［18］Rodrigues G C， da Silva F G， Coelho J C. Determining farmers willingness to pay for irrigation water in the Alentejo Regi on （Southern Portugal） by the residual value method ［J］. Agronomy， 2021， 11（1）： 142.

［19］王西琴， 劉維哲， 孫愛昕. 華北地下水超采區灌溉用水經濟價值研究［J］. 西北大學學報（自然科學版）， 2020， 50（2）： 212-218.

Wang Xiqin， Liu Weizhe， Sun Aixin. Study on economic value of irrigation water in groundwater overexploited areas of North China Plain［J］. Journal of Northwest University （Natural Science Edition）， 2020， 50（2）： 212-218.

［20］Chebil A， Soula R， Souissi A， et al. Efficiency， valuation， and pricing of irrigation water in northeastern Tunisia［J］. Agricultural Water Management， 2022， 266： 107577.

［21］NguyenKy T， Mushtaq S， Loch A， et al. Predicting water allocation trade prices using a hybrid Artificial Neural NetworkBayesian modelling approach ［J］. Journal of Hydrology， 2018， 567： 781-791.

［22］Singh A. Assessment of different strategies for managing the water resources problems of irrigated agriculture ［J］. Agricultural Water Management， 2018， 208： 187-192.

［23］史尚， 王文娟， 王興. 江西省農業水價成本影響因素分析及成本測算指標體系研究［J］. 水利發展研究， 2021， 21（12）： 64-69.

［24］Hellwig M， Polk A. Do political links influence water prices？ Determinants of water prices in Germany［J］. Utilities Policy， 2021， 70： 101184.

［25］Cauberghe V， VazquezCasaubon E， Van de Sompel D. Perceptions of water as commodity or uniqueness？ The role of water value， scarcity concern and moral obligation on conservation behavior ［J］. Journal of Environmental Management， 2021， 292： 112677.