基于CiteSpace的洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究進(jìn)展

石倩 彭煥華 夏浩南 唐梓涵 陳浩

摘要：衛(wèi)星遙感技術(shù)由于具有覆蓋范圍廣、周期短、時(shí)效性強(qiáng)等優(yōu)勢(shì)，在洪澇災(zāi)害風(fēng)險(xiǎn)分析、損失評(píng)估以及災(zāi)后恢復(fù)與重建等方面發(fā)揮了巨大作用，受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注與研究。為深入了解當(dāng)前洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究熱點(diǎn)及變化趨勢(shì)，對(duì)2001～2021年國(guó)內(nèi)外該領(lǐng)域相關(guān)文獻(xiàn)進(jìn)行定量分析與歸納總結(jié)。利用CiteSpace等可視化分析工具，從發(fā)文量、作者、主要發(fā)文機(jī)構(gòu)及研究熱點(diǎn)關(guān)鍵詞等多方面，對(duì)洪澇災(zāi)害遙感監(jiān)測(cè)與評(píng)估研究的特征與趨勢(shì)進(jìn)行分析。結(jié)果表明：① 遙感技術(shù)應(yīng)用于洪澇災(zāi)害監(jiān)測(cè)評(píng)估研究的成果數(shù)量隨時(shí)間變化呈增加趨勢(shì)，外文文獻(xiàn)數(shù)量上升態(tài)勢(shì)明顯高于中文文獻(xiàn)數(shù)量；2018年以后國(guó)內(nèi)學(xué)者在外文期刊論文發(fā)表數(shù)已超過(guò)中文期刊論文發(fā)表數(shù)。② 在洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究領(lǐng)域，中國(guó)學(xué)者發(fā)文量占全球總發(fā)文量的17.72%，中國(guó)科學(xué)院以54篇占據(jù)研究機(jī)構(gòu)發(fā)文數(shù)量首位；中國(guó)學(xué)者國(guó)際合作比率為31.9%，國(guó)際合作積極性高，但學(xué)術(shù)影響力及國(guó)際合作比例還有提升空間。③ 歐美及南亞等國(guó)家和地區(qū)學(xué)者的研究成果得到較高關(guān)注，高被引論文主題從風(fēng)險(xiǎn)分析與評(píng)估逐步向機(jī)器學(xué)習(xí)、城市洪澇等內(nèi)容轉(zhuǎn)變。④ 地表分類(lèi)、水體提取、動(dòng)態(tài)監(jiān)測(cè)、風(fēng)險(xiǎn)評(píng)估等主題是國(guó)內(nèi)外學(xué)者長(zhǎng)期關(guān)注的重點(diǎn)研究?jī)?nèi)容，城市洪澇、承洪韌性、機(jī)器學(xué)習(xí)等正成為洪澇災(zāi)害遙感監(jiān)測(cè)領(lǐng)域新的研究熱點(diǎn)。基于云計(jì)算的機(jī)器學(xué)習(xí)與深度學(xué)習(xí)技術(shù)發(fā)展將會(huì)給洪澇災(zāi)害遙感監(jiān)測(cè)、評(píng)估與風(fēng)險(xiǎn)分析帶來(lái)新機(jī)遇。

摘要：洪澇災(zāi)害； 遙感監(jiān)測(cè)； GIS； CiteSpace； 研究熱點(diǎn)

中圖法分類(lèi)號(hào)： TV122

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2024.01.005

0 引 言

洪澇災(zāi)害是指因降水、融雪、風(fēng)暴潮等造成的江河洪水、潰澇、山洪等災(zāi)害，以及由其引發(fā)的次生災(zāi)害。據(jù)全球緊急災(zāi)難數(shù)據(jù)庫(kù)（Emergency Events Database，EM-DAT）的記錄，全球各種自然災(zāi)害造成的損失中，洪澇災(zāi)害造成的經(jīng)濟(jì)損失占各類(lèi)自然災(zāi)害總損失的30%以上［1］。洪澇災(zāi)害因其頻發(fā)性和破壞性給人類(lèi)社會(huì)的可持續(xù)發(fā)展帶來(lái)嚴(yán)重影響。在中國(guó)，洪澇災(zāi)害在5種主要自然災(zāi)害造成的經(jīng)濟(jì)損失中占到8成以上，死亡人口數(shù)量也居首位［2］。如，2010年南方大暴雨和長(zhǎng)江流域大洪水成災(zāi)面積8 727 890 hm2，因洪災(zāi)致死人口3 222人，造成直接經(jīng)濟(jì)損失總額高達(dá)3 745.43 億元［3］；2021年7月河南省一次罕見(jiàn)特大暴雨，造成1 478.6萬(wàn)人受災(zāi)，因?yàn)?zāi)死亡失蹤398人，直接經(jīng)濟(jì)損失達(dá)1 200.6億元［4］。從上述數(shù)據(jù)可見(jiàn)，在氣候變化加劇以及社會(huì)高速發(fā)展的今天，洪澇災(zāi)害帶來(lái)的危害及影響越來(lái)越大，如何利用現(xiàn)代先進(jìn)技術(shù)及時(shí)、準(zhǔn)確開(kāi)展洪澇災(zāi)害的風(fēng)險(xiǎn)分析、災(zāi)情評(píng)估以及災(zāi)后恢復(fù)與重建等工作已成為學(xué)術(shù)界和政府部門(mén)重點(diǎn)關(guān)注的熱點(diǎn)問(wèn)題之一。

科學(xué)有效的洪水監(jiān)測(cè)是防洪救災(zāi)的重要依據(jù)，20世紀(jì)60年代發(fā)展起來(lái)的衛(wèi)星遙感監(jiān)測(cè)技術(shù)由于具有覆蓋范圍廣、周期短、時(shí)效性強(qiáng)等顯著優(yōu)勢(shì)，逐漸成為現(xiàn)代洪澇災(zāi)害監(jiān)測(cè)的主要手段，為防洪決策和抗災(zāi)救災(zāi)工作提供了重要支撐［5］。近年來(lái)，洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究愈加受到重視，發(fā)表文獻(xiàn)數(shù)量明顯增多。不同專業(yè)背景的學(xué)者試圖從各自專業(yè)視角出發(fā)，研究洪澇災(zāi)害遙感監(jiān)測(cè)算法與模型、災(zāi)害致災(zāi)因子、氣候變化影響以及洪澇災(zāi)害風(fēng)險(xiǎn)分析等，研究關(guān)鍵詞越來(lái)越豐富，相關(guān)研究的數(shù)據(jù)源、研究方法及研究領(lǐng)域日益多元化，洪澇災(zāi)害遙感監(jiān)測(cè)與評(píng)估研究向著多學(xué)科交叉的方向發(fā)展。鑒于洪澇災(zāi)害類(lèi)型復(fù)雜及遙感監(jiān)測(cè)技術(shù)快速更新，對(duì)目前洪澇災(zāi)害遙感監(jiān)測(cè)與評(píng)估研究成果開(kāi)展階段性梳理分析，有利于辨析洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究前沿?zé)狳c(diǎn)及變化趨勢(shì)，可為災(zāi)情分析及洪澇災(zāi)害風(fēng)險(xiǎn)管理決策制定提供科學(xué)參考。

文獻(xiàn)計(jì)量分析是當(dāng)前研究科學(xué)研究熱點(diǎn)與變化的重要方法，最初由Pritchard［6］在20世紀(jì)60年代末提出。其根據(jù)設(shè)定的研究主題獲取文獻(xiàn)信息，定量分析該領(lǐng)域的作者、出版物數(shù)量和研究機(jī)構(gòu)的分布，還能以知識(shí)圖譜的形式提供關(guān)鍵詞、機(jī)構(gòu)、國(guó)家聯(lián)系和分布特征，并量化研究主題的現(xiàn)狀和發(fā)展趨勢(shì)［7-9］。因此，本文利用CiteSpace等文獻(xiàn)計(jì)量分析工具對(duì)相關(guān)領(lǐng)域文獻(xiàn)進(jìn)行系統(tǒng)分析，以期深入了解當(dāng)前洪澇災(zāi)害遙感監(jiān)測(cè)與評(píng)估國(guó)內(nèi)外研究現(xiàn)狀，通過(guò)研究熱點(diǎn)關(guān)鍵詞分析揭示當(dāng)前洪澇災(zāi)害遙感監(jiān)測(cè)與評(píng)估的研究熱點(diǎn)及未來(lái)研究趨勢(shì)，研究結(jié)果將對(duì)進(jìn)一步深入推進(jìn)遙感技術(shù)在洪澇災(zāi)害監(jiān)測(cè)與評(píng)估中的應(yīng)用具有重要指導(dǎo)意義。

1 研究數(shù)據(jù)與方法

合理、準(zhǔn)確的文獻(xiàn)檢索很大程度上能直接決定文獻(xiàn)計(jì)量分析時(shí)的有效性和準(zhǔn)確性［10］。參考已有研究，在對(duì)國(guó)內(nèi)外文獻(xiàn)檢索前對(duì)檢索詞反復(fù)校準(zhǔn)并對(duì)檢索方式所得結(jié)果進(jìn)行多次比較，最終確定文獻(xiàn)檢索方式及內(nèi)容。其中，外文文獻(xiàn)主要來(lái)源于美國(guó)科學(xué)情報(bào)所研發(fā)的WOS（Web of Science Core Collection）數(shù)據(jù)庫(kù)。采用主題檢索方式，設(shè)定檢索主題為（TS=（flood disaster）OR TS=（flood damage））AND（TS=（mapping）OR TS=（GIS）OR TS=（remote sensing）OR TS=（3S）OR TS=（RS）），文獻(xiàn)語(yǔ)言為英文，文獻(xiàn)類(lèi)型為研究論文或綜述，時(shí)間跨度為2001～2021年，共檢索到外文文獻(xiàn)2 428條，刪除重復(fù)以及與本研究主題不相關(guān)的文獻(xiàn)后，共獲得有效外文文獻(xiàn)1 326篇。中文文獻(xiàn)主要來(lái)源于中國(guó)知網(wǎng)（CNKI），設(shè)定中文檢索主題為“洪澇災(zāi)害&遙感”“洪澇災(zāi)害&測(cè)繪”“洪澇災(zāi)害& 3S”“洪澇災(zāi)害& GIS”，期刊來(lái)源類(lèi)別為SCI（Science Citation Index）來(lái)源期刊、EI（Engineering Index）來(lái)源期刊、北大核心期刊、CSSCI（Chinese Social Science Citation Index）來(lái)源期刊以及CSCD（Chinese Science Citation Database）來(lái)源期刊，時(shí)間跨度為2001～2021年。對(duì)檢索結(jié)果進(jìn)行人工篩選，去除重復(fù)條目、報(bào)紙和無(wú)作者信息條目以及內(nèi)容不相關(guān)條目，共檢索出575篇相關(guān)中文文獻(xiàn)。

CiteSpace基于計(jì)量學(xué)以及數(shù)據(jù)可視化技術(shù)，集合了共現(xiàn)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則以及聚類(lèi)分析等方法，適用于多元、分時(shí)、動(dòng)態(tài)的復(fù)雜網(wǎng)絡(luò)分析，可以探測(cè)出某一學(xué)科或領(lǐng)域的熱點(diǎn)主題，通過(guò)圖譜方式直觀地展示科學(xué)知識(shí)的結(jié)構(gòu)、分布規(guī)律及其相關(guān)關(guān)系，在國(guó)內(nèi)外學(xué)術(shù)界得到了廣泛應(yīng)用［7-9，11］。本文將獲取的1 901篇文獻(xiàn)信息導(dǎo)入CiteSpace 5.8軟件，使用發(fā)表文獻(xiàn)數(shù)量分析總體研究趨勢(shì)，使用總引用及作者信息索引識(shí)別研究的主要作者、國(guó)家和機(jī)構(gòu)，使用關(guān)鍵詞分析研究熱點(diǎn)和研究主題的變化趨勢(shì)。

2 結(jié)果與分析

2.1 年發(fā)文數(shù)量的特征

年發(fā)文量在一定程度上可以反映該研究領(lǐng)域被關(guān)注的趨勢(shì)。圖1給出了2001～2021年的發(fā)文數(shù)量數(shù)據(jù)，由圖1可知：近20 a來(lái)遙感及GIS技術(shù)應(yīng)用于洪澇災(zāi)害監(jiān)測(cè)與評(píng)估的中文與外文文獻(xiàn)數(shù)量均隨著時(shí)間的變化呈增加趨勢(shì)，但外文文獻(xiàn)數(shù)量上升態(tài)勢(shì)明顯高于中文文獻(xiàn)數(shù)量。具體來(lái)說(shuō)，2001～2021年間，WOS中收錄的文獻(xiàn)數(shù)可細(xì)分為2001～2004年、2005～2013年以及2014～2021年3個(gè)不同階段。其中，2001～2004年為平穩(wěn)階段，該階段的研究成果較少，平均為6.8篇/a；2005～2013年為緩慢增長(zhǎng)階段，該階段數(shù)量較之前有了較大的增加，平均為26.0篇/a；2014～2021年則為快速增長(zhǎng)階段，平均發(fā)文量達(dá)到136.4篇/a。CNKI中檢索的中文文獻(xiàn)數(shù)量顯示，中文研究成果可細(xì)分為2001～2006年和2007～2021年兩個(gè)階段。其中，2001～2006年為平穩(wěn)階段，該階段中文文獻(xiàn)成果不多，平均為18.7篇/a；2007～2021年為緩慢增長(zhǎng)階段，平均為31.0篇/a。對(duì)比可知，外文和中文文獻(xiàn)發(fā)文數(shù)量以2013年為轉(zhuǎn)折點(diǎn)，出現(xiàn)了明顯的增長(zhǎng)差異。究其原因，在全球極端天氣增多、暴雨洪澇災(zāi)害事件頻發(fā)背景下，國(guó)外洪澇災(zāi)害遙感監(jiān)測(cè)與評(píng)估研究十分活躍，越來(lái)越多的研究機(jī)構(gòu)參與到相關(guān)研究中。另一方面，外文數(shù)量的急劇增加也與國(guó)內(nèi)研究學(xué)者將研究成果發(fā)表在外文期刊密切相關(guān)。從WOS中不同國(guó)籍作者發(fā)文量（見(jiàn)圖1（b））可知，2013年以后中國(guó)學(xué)者在外文期刊發(fā)表的論文數(shù)量持續(xù)增加，且在2018年以后外文期刊所發(fā)表論文量已超過(guò)在中文期刊所發(fā)表論文量。

2.2 主要發(fā)文國(guó)家（地區(qū)）及研究機(jī)構(gòu)

對(duì)洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究文獻(xiàn)發(fā)表的主要國(guó)家和地區(qū)進(jìn)行分析。采用中心性表示該國(guó)家（地區(qū)）在網(wǎng)絡(luò)中的重要性，節(jié)點(diǎn)越大表示該國(guó)家（地區(qū)）發(fā)文數(shù)量越多。兩個(gè)節(jié)點(diǎn)間的連線表示兩者之間存在合作關(guān)系，連線越粗，代表國(guó)家（地區(qū)）之間合作關(guān)系越強(qiáng)。圓環(huán)的顏色代表相應(yīng)的發(fā)表時(shí)間；邊緣呈紫色的節(jié)點(diǎn)代表其具有較高的中心性，紫色圓環(huán)越厚，代表其在最新的研究中所處的中心性越高［12-13］。圖2和圖3分別給出了在外文文獻(xiàn)（1 326篇）發(fā)文量前10的國(guó)家和地區(qū)關(guān)系圖。從圖2～3中可知：中國(guó)（235篇，以第一作者國(guó)籍統(tǒng)計(jì)）、美國(guó)（221篇）和印度（116篇）為發(fā)文量前3的3個(gè)國(guó)家，分別占總發(fā)文量的17.72%，16.67%和8.75%，其他國(guó)家和地區(qū)的發(fā)文量均少于100篇。從中心性排名來(lái)看，美國(guó)以0.50的中心度排第一，其次是中國(guó)0.16。綜合年發(fā)文量數(shù)據(jù)，中國(guó)學(xué)者在洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估領(lǐng)域積極性高且發(fā)文量多，但影響力較美國(guó)存在一定差距。

此外，從論文通訊作者與論文其他作者的國(guó)家地區(qū)關(guān)系可以看出相關(guān)研究的國(guó)際合作關(guān)系。以MCP（Multiple Country Publications）代表與其他國(guó)家作者合著論文數(shù)量，SCP（Single Country Publications）代表同國(guó)籍作者合著論文數(shù)量，MCP_Ratio（MCP/Articles）代表國(guó)際合作比率。如表1所列，通訊作者來(lái)源于中國(guó)的文獻(xiàn)有248篇，其中論文其他作者也來(lái)源于中國(guó)的有169篇（SCP），其他作者來(lái)源于其他國(guó)家和地區(qū)的有79篇（MCP），在這些國(guó)際合作的79篇論文中，中國(guó)與美國(guó)合作達(dá)36篇，中美在該領(lǐng)域的合作最為密切。從國(guó)際合作比率來(lái)看，中國(guó)國(guó)際合作的比率大概為31.9%，僅低于澳大利亞、日本及西班牙，但高于發(fā)文量較大的美國(guó)和印度，表明中國(guó)學(xué)者在洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估領(lǐng)域的學(xué)術(shù)交流方面十分活躍，但整體上國(guó)際合作比例還有提升空間。

表2給出了開(kāi)展洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究的前10位研究機(jī)構(gòu)，統(tǒng)計(jì)結(jié)果顯示發(fā)文量最大的研究機(jī)構(gòu)是中國(guó)科學(xué)院（54篇），其次是武漢大學(xué)（28篇）以及越南都柏林大學(xué)（23篇），緊隨其后的有意大利國(guó)家研究委員會(huì)（20篇）等科研機(jī)構(gòu)。從研究機(jī)構(gòu)的共現(xiàn)性及中心性關(guān)系圖看（見(jiàn)圖4），中國(guó)科學(xué)院、北京師范大學(xué)和意大利國(guó)家研究委員會(huì)的中心性較高，是洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估領(lǐng)域中的主要以及關(guān)鍵研究機(jī)構(gòu)。從研究起始年份來(lái)看，意大利國(guó)家研究委員會(huì)、中國(guó)科學(xué)院、武漢大學(xué)等在洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估領(lǐng)域具有較長(zhǎng)的研究歷史，而越南孫德勝大學(xué)和都柏林大學(xué)等則是最近幾年在該研究領(lǐng)域比較活躍的新興研究機(jī)構(gòu)。

2.3 主要發(fā)文期刊

對(duì)洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究領(lǐng)域論文所發(fā)表的期刊統(tǒng)計(jì)結(jié)果如表3所列，外文期刊中發(fā)文量前三位的期刊中Natural Hazards發(fā)文量最多，為144篇，占總數(shù)的10.86%，其次是Remote Sensing和Water。中文期刊中，《自然災(zāi)害學(xué)報(bào)》《災(zāi)害學(xué)》和《人民長(zhǎng)江》是當(dāng)前發(fā)表關(guān)于洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究中文論文的前三位期刊。從發(fā)文期刊來(lái)看，該領(lǐng)域的文章多發(fā)表在與災(zāi)害內(nèi)容相關(guān)的期刊，其次是與水利內(nèi)容相關(guān)的期刊。同時(shí)與遙感、測(cè)繪內(nèi)容相關(guān)的Remote Sensing和《測(cè)繪科學(xué)》等期刊在該研究領(lǐng)域的相關(guān)發(fā)文量在逐年增加。

表4給出了外文期刊中被引次數(shù)最多的10篇文章，從中可以看出，截至2021年，馬來(lái)西亞的研究者Tehrany于2014年在Journal of Hydrology發(fā)表的“Flood susceptibility mapping using a novel ensemble weights-of-evidence and support vector machine models in GIS”總被引為674次，排名第一，同時(shí)該研究者2013年在同一期刊上發(fā)表的“Spatial prediction of flood susceptible areas using rule based decision tree （DT）and a novel ensemble bivariate and multivariate statistical models in GIS”引用次數(shù)也達(dá)到594次，是目前該研究領(lǐng)域最高被引學(xué)者。其次，德國(guó)、意大利、美國(guó)、土耳其、瑞士以及伊朗等國(guó)學(xué)者分別占據(jù)著單篇文獻(xiàn)被引次數(shù)的前10位。對(duì)中文期刊被引前10的文獻(xiàn)統(tǒng)計(jì)顯示，來(lái)自東北師范大學(xué)的張會(huì)等人在2005年發(fā)表在《自然災(zāi)害學(xué)報(bào)》上的《基于GIS技術(shù)的洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估與區(qū)劃研究——以遼河中下游地區(qū)為例》總被引304次，排名第一，其次是來(lái)自于中國(guó)水利水電科學(xué)研究院的丁志雄以及北京師范大學(xué)雷添杰等的論文占據(jù)被引用的前三位（見(jiàn)表5）。從高被引論文題目來(lái)看，發(fā)表時(shí)間較早的論文主要集中在探討GIS及遙感技術(shù)在洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估及風(fēng)險(xiǎn)區(qū)劃等方面的研究，后期機(jī)器學(xué)習(xí)算法、多源遙感數(shù)據(jù)源相關(guān)的論文數(shù)量逐漸增加。

2.4 洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究熱點(diǎn)及趨勢(shì)

文獻(xiàn)關(guān)鍵詞是作者對(duì)于文章內(nèi)容的高度濃縮和概括，通常反映了該文獻(xiàn)的主要研究?jī)?nèi)容及主題［14］。因此，可以通過(guò)獲取一段時(shí)間內(nèi)有相互聯(lián)系、數(shù)據(jù)較豐富的文獻(xiàn)關(guān)鍵詞，采用關(guān)鍵詞熱點(diǎn)分析發(fā)現(xiàn)洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估領(lǐng)域的研究熱點(diǎn)。在本研究中，對(duì)研究熱點(diǎn)設(shè)定時(shí)間跨度為2001年1月至2021年12月，時(shí)間切片為1 a，采用LLR對(duì)數(shù)似然算法（Log-Likelihood Ratio algorithm）獲取關(guān)鍵詞網(wǎng)絡(luò)聚類(lèi)結(jié)構(gòu)。表6和圖5分別給出了中外文文獻(xiàn)中出現(xiàn)的主要高頻關(guān)鍵詞以及關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)。結(jié)果顯示，中外文文獻(xiàn)中前10位的高頻關(guān)鍵詞中“風(fēng)險(xiǎn)”“遙感”“GIS”“災(zāi)害”等由于文獻(xiàn)檢索內(nèi)容設(shè)定，均表現(xiàn)了較強(qiáng)的中心性。但其他高頻關(guān)鍵詞中“Model”“Climate change”“Impact”以及“Vulnerability”等關(guān)鍵詞占外文文獻(xiàn)的主導(dǎo)部分，顯示國(guó)外研究者的研究熱點(diǎn)除了關(guān)注遙感與GIS在災(zāi)害風(fēng)險(xiǎn)方面的研究，也更多關(guān)注洪澇災(zāi)害模型、氣候變化對(duì)洪澇災(zāi)害的影響以及脆弱性評(píng)價(jià)等方面。中文期刊高頻關(guān)鍵詞顯示國(guó)內(nèi)學(xué)者研究熱點(diǎn)除了遙感與GIS技術(shù)在洪澇災(zāi)害實(shí)時(shí)監(jiān)測(cè)方面的應(yīng)用外，重點(diǎn)關(guān)注風(fēng)險(xiǎn)區(qū)劃、風(fēng)險(xiǎn)及損失評(píng)估等方面。整體上國(guó)外的研究熱點(diǎn)比國(guó)內(nèi)更加豐富，且更具交叉性，這在圖5關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中的表現(xiàn)為外文成果的網(wǎng)絡(luò)密度值（D=0.012 5）要比中文成果的網(wǎng)絡(luò)密度值（D=0.005 7）更高。

除了高頻統(tǒng)計(jì)外，關(guān)鍵詞中出現(xiàn)的突變?cè)~可以用來(lái)顯示相對(duì)較短時(shí)間內(nèi)的成果中頻率較高或使用頻率較高的詞匯，根據(jù)突變?cè)~隨時(shí)間的變化，可以用來(lái)判斷研究前沿?zé)狳c(diǎn)變化趨勢(shì)［15-16］。由于本研究外文期刊占比近70%，因此通過(guò)對(duì)外文期刊突變?cè)~的時(shí)序變化進(jìn)行研究熱點(diǎn)趨勢(shì)變化分析。圖6顯示，突變?cè)~“GIS”“遙感（Remote sensing）”以及“洪水（Flood）”相關(guān)的文獻(xiàn)占據(jù)發(fā)文量的前三。與“GIS”相關(guān)的論文發(fā)表年份中位數(shù)（2017年）早于“遙感”（2019年），這與前面高被引論文研究主題變化相一致。從突變?cè)~持續(xù)時(shí)間看，“土地利用（Land use）”“水體淹沒(méi)區(qū)制圖（Inundation maps）”以及“洪水管理（Flood management）”基本持續(xù)了10 a以上時(shí)間。到目前為止，與洪澇災(zāi)害密切相關(guān)的土地利用、水體淹沒(méi)制圖研究仍較活躍［17-18］，這表明在全球氣候變化的背景下，洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究中地表分類(lèi)、水體提取、動(dòng)態(tài)監(jiān)測(cè)、風(fēng)險(xiǎn)評(píng)估仍是國(guó)內(nèi)外研究者重點(diǎn)研究?jī)?nèi)容。除此之外，從圖上部分最近年份的突變?cè)~可以看出，“哨兵一號(hào)（Sentinel-1）”“機(jī)器學(xué)習(xí)（Machine Learning）”“承洪韌性（Resilience）”“城市洪澇（Urban flood）”以及“深度學(xué)習(xí)（Deep Learning）”已成為當(dāng)前洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估領(lǐng)域新的研究熱點(diǎn)。

從高頻關(guān)鍵詞與突變?cè)~的變化可知，當(dāng)前洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估領(lǐng)域的研究熱點(diǎn)及趨勢(shì)主要集中在以下幾個(gè)方面：

（1） 數(shù)據(jù)與算法模型。從突變?cè)~可見(jiàn)RadarSat、Terrasar-X、Sentinel-1以及MODIS等數(shù)據(jù)都是當(dāng)前洪澇災(zāi)害遙感監(jiān)測(cè)的常用數(shù)據(jù)源，其中前3個(gè)均是雷達(dá)數(shù)據(jù)，可見(jiàn)對(duì)于洪澇災(zāi)害實(shí)時(shí)監(jiān)測(cè)而言，能夠穿云透雨的微波波段可避免云污染，在洪澇災(zāi)害發(fā)生時(shí)能及時(shí)有效獲取洪水變化信息而得到研究者們的優(yōu)先采用［19-21］。因此對(duì)雷達(dá)數(shù)據(jù)處理與分析［21］、雷達(dá)信號(hào)水體信息提取［22］以及提高數(shù)據(jù)精度［19］的研究，將對(duì)洪澇災(zāi)害遙感監(jiān)測(cè)與評(píng)估產(chǎn)生重要影響。MODIS作為所采用的數(shù)據(jù)中出現(xiàn)的光學(xué)衛(wèi)星，主要由于其具有快速的重返周期以及能夠提供豐富且長(zhǎng)時(shí)序的光學(xué)信息，可在災(zāi)前土地利用、長(zhǎng)時(shí)序水體變化［23］以及災(zāi)后評(píng)估與恢復(fù)評(píng)價(jià)［24］中產(chǎn)生重要作用。在算法模型方面除了較簡(jiǎn)單的閾值法、譜間分析法和多波段運(yùn)算法［25］，對(duì)多特征及非線性問(wèn)題具有絕對(duì)優(yōu)勢(shì)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法正成為當(dāng)前洪澇災(zāi)害遙感監(jiān)測(cè)水體識(shí)別［26-27］、土地利用分類(lèi)［28］以及災(zāi)害評(píng)估［29］研究的熱點(diǎn)。

（2） 洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估。遙感監(jiān)測(cè)獲取的淹沒(méi)范圍、淹沒(méi)歷史、承災(zāi)體數(shù)量等災(zāi)情信息是后續(xù)利用GIS空間分析開(kāi)展洪澇災(zāi)害空間分布規(guī)律和洪澇災(zāi)害風(fēng)險(xiǎn)分析的基礎(chǔ)［30］。對(duì)洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估而言，構(gòu)建決策支持系統(tǒng)對(duì)開(kāi)展洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估具有重要作用［31］，多數(shù)研究主要從致災(zāi)因子、孕災(zāi)環(huán)境以及承災(zāi)體等3個(gè)方面開(kāi)展“危險(xiǎn)性（Hazard）”“脆弱性（Vulnerability）”以及“韌性（Resilience）”分析［32-33］。其中，韌性是適應(yīng)能力的表現(xiàn)，是減少脆弱性的途徑［34］。當(dāng)前，隨著可持續(xù)發(fā)展觀念的深入，對(duì)洪澇災(zāi)害承洪韌性分析正成為洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估的研究熱點(diǎn)［35-36］，大量研究也正致力于綜合運(yùn)用數(shù)理統(tǒng)計(jì)理論、隨機(jī)統(tǒng)計(jì)理論、模糊理論、灰色理論等［37-39］對(duì)洪澇災(zāi)害風(fēng)險(xiǎn)進(jìn)行度量分析。

（3） 城市及典型區(qū)域洪澇監(jiān)測(cè)。隨著城市經(jīng)濟(jì)的快速發(fā)展，城市洪澇目前正成為洪澇災(zāi)害遙感監(jiān)測(cè)與評(píng)估的主要研究對(duì)象，城市內(nèi)澇識(shí)別［40］、城市承洪韌性［41］、城市洪澇損失評(píng)估［42-43］成為當(dāng)前新的研究熱點(diǎn)主題。另一方面，不同國(guó)家和地區(qū)由于生態(tài)環(huán)境及災(zāi)害特征規(guī)律等不同，在洪澇災(zāi)害研究重點(diǎn)方面存在差異。從已有文獻(xiàn)來(lái)看，洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估的研究區(qū)域主要集中在西歐、南亞和美國(guó)。其中，馬來(lái)西亞作為受洪澇災(zāi)害影響較嚴(yán)重的國(guó)家，是出現(xiàn)在突變?cè)~中唯一的地區(qū)詞，其研究主要關(guān)注洪澇災(zāi)害引發(fā)的環(huán)境、社會(huì)等基本問(wèn)題［37，44］；歐美等學(xué)術(shù)前沿國(guó)家的地區(qū)，在研究洪澇災(zāi)害問(wèn)題上更多將研究重點(diǎn)集中在如何提高人居水平、城市韌性等主題［45］。除此之外，受全球氣候變化以及海平面上升導(dǎo)致沿海國(guó)家及城市也正成為洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估重點(diǎn)研究區(qū)域之一［46-47］。

3 結(jié)論與展望

本文采用文獻(xiàn)計(jì)量分析方法對(duì)2001～2021年CNKI和WOS核心集數(shù)據(jù)庫(kù)中的洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估領(lǐng)域1 901篇中外文期刊文獻(xiàn)，從研究成果數(shù)量變化、主要發(fā)文國(guó)家（地區(qū)）及核心研究機(jī)構(gòu)、熱點(diǎn)期刊與論文及關(guān)鍵詞研究熱點(diǎn)與變化趨勢(shì)等幾個(gè)方面進(jìn)行了總結(jié)分析，主要結(jié)論如下：

（1） 中外文文獻(xiàn)數(shù)量均呈增加趨勢(shì)，隨著國(guó)內(nèi)科研水平提高，國(guó)內(nèi)學(xué)者發(fā)表在外文期刊的文獻(xiàn)數(shù)量大幅提升；

（2） 中國(guó)在洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估領(lǐng)域發(fā)文量居全球首位，國(guó)際合作處于較高水平，但國(guó)際影響力還有待進(jìn)一步提升；

（3） 歐美及南亞等國(guó)家和地區(qū)學(xué)者的研究成果得到較高關(guān)注，高被引論文主題前期以風(fēng)險(xiǎn)分析與評(píng)估為主，后期逐漸增加機(jī)器學(xué)習(xí)、多源遙感數(shù)據(jù)應(yīng)用主題；

（4） 國(guó)外研究熱點(diǎn)主題較國(guó)內(nèi)更加豐富，地表分類(lèi)、水體提取、動(dòng)態(tài)監(jiān)測(cè)、風(fēng)險(xiǎn)評(píng)估仍是洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估國(guó)內(nèi)外研究者重點(diǎn)研究?jī)?nèi)容，城市洪澇、承洪韌性、機(jī)器學(xué)習(xí)等正成為該領(lǐng)域新的研究熱點(diǎn)。

隨著地球大數(shù)據(jù)、人工智能、云計(jì)算等新技術(shù)在遙感數(shù)據(jù)處理方面的應(yīng)用，未來(lái)遙感技術(shù)在洪澇災(zāi)害全天候、全天時(shí)、大范圍監(jiān)測(cè)與評(píng)估方面將會(huì)發(fā)揮越來(lái)越重要的作用。隨著越來(lái)越多的衛(wèi)星發(fā)射升空，將提供多層次、多角度、全方位和全天候的多模態(tài)衛(wèi)星觀測(cè)數(shù)據(jù)，進(jìn)而大幅提升洪澇災(zāi)害遙感實(shí)時(shí)監(jiān)測(cè)能力。如，基于Sentinel-1雙星座可以實(shí)現(xiàn)部分地區(qū)6 d重復(fù)觀測(cè)，而吉林一號(hào)衛(wèi)星星座利用多衛(wèi)星組網(wǎng)觀測(cè)可實(shí)現(xiàn)全球任意地點(diǎn)每天20次以上重返，大大提高了遙感技術(shù)在洪澇監(jiān)測(cè)方面的實(shí)時(shí)性。未來(lái)多平臺(tái)、多傳感器、多時(shí)相、多光譜以及多空間分辨率的遙感數(shù)據(jù)融合與復(fù)合應(yīng)用，也將大幅提升洪澇災(zāi)害遙感監(jiān)測(cè)數(shù)據(jù)全覆蓋，洪澇遙感監(jiān)測(cè)也將從應(yīng)急監(jiān)測(cè)逐步提升到全天候、全天時(shí)監(jiān)測(cè)。當(dāng)然，隨著海量復(fù)雜和非結(jié)構(gòu)化的地球大數(shù)據(jù)增加，基于云計(jì)算（如：GEE、AI Earth、PIE-Engine等）為主導(dǎo)的機(jī)器學(xué)習(xí)與深度學(xué)習(xí)以及多源數(shù)據(jù)融合和重建技術(shù)發(fā)展，將對(duì)多源遙感數(shù)據(jù)處理與洪澇災(zāi)害識(shí)別帶來(lái)新機(jī)遇，讓更高精度、更高時(shí)效、更長(zhǎng)期的大范圍洪澇災(zāi)害監(jiān)測(cè)成為可能。

參考文獻(xiàn)：

［1］ 張繼權(quán)，李寧.主要?dú)庀鬄?zāi)害風(fēng)險(xiǎn)評(píng)價(jià)與管理的數(shù)量化方法及其應(yīng)用［M］.北京：北京師范大學(xué)出版社，2007.

［2］ 曹瑋.洪澇災(zāi)害的經(jīng)濟(jì)影響與防災(zāi)減災(zāi)能力評(píng)估研究［D］.長(zhǎng)沙：湖南大學(xué)，2013.

［3］ 國(guó)家防汛抗旱總指揮部，中華人民共和國(guó)水利部.2010年中國(guó)水旱災(zāi)旱公報(bào)［J］.中華人民共和國(guó)水利部公報(bào)，2011（4）：8-23.

［4］ 國(guó)務(wù)院災(zāi)害調(diào)查組.河南鄭州“7·20”特大暴雨災(zāi)害調(diào)查報(bào)告［R］.北京：國(guó)務(wù)院災(zāi)害調(diào)查組，2022.

［5］ 周成虎.洪澇災(zāi)害遙感監(jiān)測(cè)研究［J］.地理研究，1993，12（2）：63-68.

［6］ PRITCHARD A.Statistical bibliography or bibliometrics？［J］.Journal of Documentation，1969，25：348-349.

［7］ 王娟，陳世超，王林麗，等.基于 CiteSpace 的教育大數(shù)據(jù)研究熱點(diǎn)與趨勢(shì)分析［J］.現(xiàn)代教育技術(shù)，2016，26（2）：5-13.

［8］ WU J，WU X，ZHANG J.Development trend and frontier of stormwater management （1980-2019）：a bibliometric overview based on CiteSpace［J］.Water，2019，11（9）：1908.

［9］ 陳悅，陳超美，劉則淵，等.CiteSpace 知識(shí)圖譜的方法論功能［J］.科學(xué)學(xué)研究，2015，33（2）：242-253.

［10］ 沈艷紅，張娣.文獻(xiàn)計(jì)量分析中的數(shù)據(jù)準(zhǔn)備工作研究［J］.圖書(shū)館建設(shè)，2012（5）：90-92.

［11］ FU L，MAO S，CHEN F，et al.Graphene-based electrochemical sensors for antibiotic detection in water，food and soil：a scientometric analysis in CiteSpace （2011-2021）［J］.Chemosphere，2022，297：134127.

［12］ 陳必坤.學(xué)科知識(shí)可視化分析研究［D］.武漢：武漢大學(xué)，2014.

［13］ 林德明，陳超美，劉則淵.共被引網(wǎng)絡(luò)中介中心性的 Zipf-Pareto 分布研究［J］.情報(bào)學(xué)報(bào)，2011，30（1）：76-82.

［14］ 馮佳，王克非，劉霞.近二十年國(guó)際翻譯學(xué)研究動(dòng)態(tài)的科學(xué)知識(shí)圖譜分析［J］.外語(yǔ)電化教學(xué)，2014（155）：11-20.

［15］ 孫雨生，仇蓉蓉，鄧興.國(guó)內(nèi)知識(shí)圖譜研究進(jìn)展：基于 CiteSpace Ⅱ 的分析［J］.現(xiàn)代情報(bào)，2014，34（1）：84-88.

［16］ 李杰，陳超美.CiteSpace 科技文本挖掘及可視化［M］.北京：北京首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2016.

［17］ JONGMAN B，WARD P J，AERTS J C J H.Global exposure to river and coastal flooding：long term trends and changes［J］.Global Environmental Change，2012，22（4）：823-835.

［18］ HENSTRA D，MINANO A，THISTLETHWAITE J.Communicating disaster risk？ An evaluation of the availability and quality of flood maps［J］.Natural Hazards And Earth System Sciences，2019，19（1）：313-323.

［19］ 王敬明，王世新，王福濤，等.基于 Sentinel-1 SAR 數(shù)據(jù)洪水淹沒(méi)提取方法研究［J］.災(zāi)害學(xué)，2021，36（4）：214-220.

［20］ DEVRIES B，HUANG C，ARMSTON J，et al.Rapid and robust monitoring of flood events using Sentinel-1 and Landsat data on the Google Earth Engine［J］.Remote Sensing of Environment，2020，240：111664.

［21］ TWELE A，CAO W，PLANK S，et al.Sentinel-1-based flood mapping：a fully automated processing chain［J］.International Journal of Remote Sensing，2016，37（13）：2990-3004.

［22］ XUE W，YANG H，WU Y，et al.Water body automated extraction in Polarization SAR images with dense-coordinate-feature-concatenate network［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2021，14：12073-12087.

［23］ ATIF S，UMAR M，ULLAH F.Investigating the flood damages in Lower Indus Basin since 2000：spatiotemporal analyses of the major flood events［J］.Natural Hazards，2021，108（2）：2357-2383.

［24］ TARIQ A，SHU H，KURIQI A，et al.Characterization of the 2014 Indus River flood using hydraulic simulations and satellite images［J］.Remote Sensing，2021，13（11）：2053.

［25］ 李丹，吳保生，陳博偉，等.基于衛(wèi)星遙感的水體信息提取研究進(jìn)展與展望［J］.清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，60（2）：147-161.

［26］ LIU J，WANG Y.Water body extraction in remote sensing imagery using domain adaptation-based network embedding selective self-attention and multi-scale feature fusion［J］.Remote Sensing，2022，14（15）：3538.

［27］ HASHEMI-BENI L，GEBREHIWOT A.Flood extent mapping：an integrated method using deep learning and region growing using UAV optical data［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2021，14：2127-2135.

［28］ WENG Q，MAO Z，LIN J，et al.Land-use classification via extreme learning classifier based on deep convolutional features［J］.IEEE Geoscience and Remote Sensing Letters，2017，14（5）：704-708.

［29］ PHAM B T，LUU C，VAN DAO D，et al.Flood risk assessment using deep learning integrated with multi-criteria decision analysis［J］.Knowledge-Based Systems，2021，219：106899.

［30］ 孫紹騁.遙感技術(shù)在洪澇災(zāi)害防治體系建設(shè)中的應(yīng)用［J］.地理科學(xué)進(jìn)展，2002，21（3）：282-288.

［31］ LIU Y，ZHOU J，SONG L，et al.Efficient GIS-based model-driven method for flood risk management and its application in central China［J］.Natural Hazards and Earth System Sciences，2014，14（2）：331-346.

［32］ ANDARYANI S，NOURANI V，HAGHIGHI A T，et al.Integration of hard and soft supervised machine learning for flood susceptibility mapping［J］.Journal of Environmental Management，2021，291：112731.

［33］ REHMAN S，SAHANA M，HONG H，et al.A systematic review on approaches and methods used for flood vulnerability assessment：framework for future research［J］.Natural Hazards，2019，96（2）：975-998.

［34］ SMIT B，WANDEL J.Adaptation，adaptive capacity and vulnerability［J］.Global Environmental Change，2006，16（3）：282-292.

［35］ GUO P，LI Q，GUO H，et al.A bibliometric and visual analysis of global urban resilience research in 2011-2020：Development and hotspots［J］.Sustainability，2021，14（1）：229.

［36］ LIAO K H.A theory on urban resilience to floods：a basis for alternative planning practices［J］.Ecology and Society，2012，17（4）：48.

［37］ KIA M B，PIRASTEH S，PRADHAN B，et al.An artificial neural network model for flood simulation using GIS：Johor River Basin，Malaysia［J］.Environmental Earth Sciences，2012，67（1）：251-264.

［38］ LIU Y，F(xiàn)AN Z P，ZHANG Y.Risk decision analysis in emergency response：a method based on cumulative prospect theory［J］.Computers & Operations Research，2014，42：75-82.

［39］ 周燕蓮，董銘，劉維明等.基于GIS的岷江流域洪災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)性評(píng)價(jià)研究［J］.人民長(zhǎng)江，2022，53（5）：20-27.

［40］ 黃華兵，王先偉，柳林.城市暴雨內(nèi)澇綜述：特征、機(jī)理、數(shù)據(jù)與方法［J］.地理科學(xué)進(jìn)展，2021，40（6）：1048-1059.

［41］ RUAN J，CHEN Y，YANG Z.Assessment of temporal and spatial progress of urban resilience in Guangzhou under rainstorm scenarios［J］.International Journal of Disaster Risk Reduction，2021，66：102578.

［42］ AHIABLAME L，SHAKYA R.Modeling flood reduction effects of low impact development at a watershed scale［J］.Journal of Environmental Management，2016，171：81-91.

［43］ 高凱，楊志勇，高希超，等.城市洪澇損失評(píng)估方法綜述［J］.水利水電技術(shù)（中英文），2021，52（4）：57-68.

［44］ TEHRANY M S，PRADHAN B，JEBUR M N.Flood susceptibility mapping using a novel ensemble weights-of-evidence and support vector machine models in GIS［J］.Journal of Hydrology，2014，512：332-343.

［45］ LI L，UYTTENHOVE P，VAN EETVELDE V.Planning green infrastructure to mitigate urban surface water flooding risk：a methodology to identify priority areas applied in the city of Ghent［J］.Landscape and Urban Planning，2020，194：103703.

［46］ 林志東，陳興偉，林木生，等.東南沿海西溪流域暴雨洪水的時(shí)空變化特征［J］.山地學(xué)報(bào)，2017，35（4）：488-495.

［47］ VOUSDOUKAS M I，MENTASCHI L，VOUKOUVALAS E，et al.Climatic and socioeconomic controls of future coastal flood risk in Europe［J］.Nature Climate Change，2018，8（9）：776-780.

（編輯：謝玲嫻）

Research progress on flood disaster remote sensing monitoring and assessment based on CiteSpace

SHI Qian1，PENG Huanhua2，XIA Haonan1，TANG Zihan1，CHEN Hao2

（1.School of Geosciences and Spatial Information Engineering，Hunan University of Science and Technology，Xiangtan 411201，China； 2.Institute for Local Sustainable Development Goals，Hunan University of Science and Technology，Xiangtan 411201，China）

Abstract：

Due to the advantages of wide data coverage，short repetition period，and strong data timeliness，remote sensing technology has played a crucial role in flood disaster monitoring and risk assessment.Numerous researchers have used remote sensing techniques to conduct risk analysis or loss assessment for flood disasters and post-disaster recovery and reconstruction.To gain a deeper insight into current research hotspots and trends in flood disaster remote sensing monitoring and assessment，we used CiteSpace to conduct a bibliometric analysis using the 1 901 literatures from WOS and CNKI in this field from 2001 to 2021 from the aspects of number of published papers，authors，major publishing organizations and keywords.The research findings indicated：① The total number of research papers applying remote sensing technology to flood monitoring and assessment has shown a significant increasing trend over time，with the number of English literature increasing more prominently than that of Chinese literature.Since 2018，Chinese scholars have published more papers in foreign journals than in Chinese journals.② In the field of flood disasters remote sensing monitoring and assessment research，papers published by Chinese scholars account for 17.72% of all papers published worldwide，with the Chinese Academy of Sciences ranking first among research institutions with 54 published papers.The level of international collaboration among Chinese scholars is 31.9%，indicating a high level of international cooperation；however，there is still room for improvement in terms of academic influence and the international cooperation ratio.③ Research achievements by scholars from regions such as Europe，America，and South Asia have received considerable attention，and highly cited paper topics have gradually shifted from risk analysis and assessment to machine learning，urban flooding，and flood resilience.④ Land cover classification，water body extraction，dynamic monitoring，and risk assessment are key research topics that have long been the focus of scholars both domestically and internationally.Urban flooding，flood resilience and machine learning are emerging as new research hotspots.The development of machine learning and deep learning technologies based on cloud computing will hold promising new opportunities for flood disaster remote sensing monitoring，assessment and risk analysis.

Key words：

flood disaster；remote sensing monitoring；GIS；CiteSpace；research hotspots