吳漢卿，張寶貴，王學(xué)霞，曹 兵，陳立娟，劉 杰，陳延華

（1中國農(nóng)業(yè)大學(xué)土地科學(xué)與技術(shù)學(xué)院，北京 100193；2北京市農(nóng)林科學(xué)院植物營養(yǎng)與資源研究所，北京 100097；3北京市緩控釋肥料工程技術(shù)研究中心，北京 100097；4禹城市農(nóng)業(yè)農(nóng)村局，山東 禹城 251200）

0 引言

大數(shù)據(jù)背景下，各研究領(lǐng)域、方向的文獻信息浩如煙海，存在大量分散研究，而如何快速精準查找出與研究主題密切相關(guān)的關(guān)鍵文獻一直困擾著眾多科研工作者[1]。以土壤氨(NH3)揮發(fā)為例，農(nóng)業(yè)是NH3揮發(fā)的主要來源（約占全球總量的50%）[2-3]，NH3排放在全球范圍內(nèi)直接或間接地造成諸多負面影響[4-5]。隨著糧食需求的不斷增長，土壤NH3揮發(fā)也相應(yīng)增加，極大地擾亂了全球地球生物化學(xué)NH3循環(huán)[6-8]。近年來土壤NH3揮發(fā)受到學(xué)者廣泛關(guān)注，成為農(nóng)學(xué)領(lǐng)域研究熱點。然而，關(guān)于土壤NH3揮發(fā)的相關(guān)文獻過多，涵蓋多個方向，如排放來源[3]、影響因素[9]、通量[10]、效應(yīng)[11]、減排措施[12]等，給科研工作者精準篩選文獻和選題增加了難度。

文獻計量分析能基于大量文獻數(shù)據(jù)的結(jié)構(gòu)化、可視化分析，得出一段時間內(nèi)某研究領(lǐng)域、方向或主題的研究現(xiàn)狀、熱點及發(fā)展趨勢，具有客觀性、定量化、模型化的優(yōu)勢，有助于科研人員準確掌握該研究的動態(tài)并精準選題[13]。Web of Science核心合集數(shù)據(jù)庫是一個涵蓋了自然科學(xué)、工程技術(shù)和社會科學(xué)等領(lǐng)域且能提供高質(zhì)量、可信賴的學(xué)術(shù)信息檢索的跨庫平臺[14]，是文獻計量分析的重要數(shù)據(jù)來源。R語言是一種開源的用于統(tǒng)計、計算和圖形的語言和環(huán)境[15]，其中bibliometrix便是一款基于R語言運行環(huán)境的科學(xué)文獻計量軟件包[16]。目前文獻計量分析主要聚焦于分析研究領(lǐng)域的發(fā)展動態(tài)，已廣泛應(yīng)用于生態(tài)[17-19]、農(nóng)學(xué)[20-23]和環(huán)境[24-26]等領(lǐng)域，然而其在快速、精準檢索關(guān)鍵文獻方面研究尚未見報道。

本研究以土壤NH3揮發(fā)為研究主題，基于Web of Science核心合集數(shù)據(jù)庫，應(yīng)用R語言bibliometrix包進行文獻計量分析，通過3次文獻檢索和計量分析，快速精確地檢索出有關(guān)土壤NH3揮發(fā)的關(guān)鍵文獻，探索快速精準檢索關(guān)鍵文獻的方法，以期為科研工作者提供一定幫助。

1 材料與方法

1.1 數(shù)據(jù)來源

本研究所有文獻數(shù)據(jù)均檢索自Web of Science核心合集數(shù)據(jù)庫[包含引文索引Science Citation Index Expanded(SCI-EXPANDED)、Social Sciences Citations Index(SSCI)、Conference Proceedings Citation Index-Science(CPCI-S)、Conference Proceedings Citation Index-Social Science&Humanities(CPCI-SSH)、Book Citation Index-Science(BKCI-S)和Book Citation Index-Social Sciences&Humanities(BKCI-SSH)數(shù)據(jù)庫，化學(xué)索引Current Chemical Reactions(CCREXPANDED)和 Index Chemicus(IC)數(shù)據(jù)庫]，檢索日期為2019年9月15日，時間跨度為1978—2018年，文獻類型與語種不限，獲取的文獻數(shù)據(jù)信息包含全記錄（作者、題目、來源、年份、摘要、關(guān)鍵詞、DOI號、被引頻次等信息）和文章引用的參考文獻。

1.2 數(shù)據(jù)處理與統(tǒng)計分析

文獻數(shù)據(jù)處理與統(tǒng)計分析均利用R語言中bibliometrix軟件包(Version 2.2.1)進行，bibliometrix軟件的應(yīng)用主要包括對檢索的文獻信息進行導(dǎo)入，統(tǒng)計分析相關(guān)科學(xué)文獻指數(shù)，構(gòu)建數(shù)據(jù)矩陣，進行共被引、耦合、合作分析及共詞分析和可視化處理[16]。本研究主要應(yīng)用本地高被引論文分析(top high cited publications)、關(guān)鍵詞共現(xiàn)分析(keyword cooccurrences analysis)、關(guān)鍵詞共詞分析(co-word analysis:the conceptual structure of a field)及高被引論文分析(high cited publications analysis)方法[27]。

關(guān)鍵詞共現(xiàn)分析主要是采用Fruchterman-Reinfold布局[28]的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜，選取50個最高頻的關(guān)鍵詞進行可視化[29]，進而判斷該領(lǐng)域中各研究方向間的關(guān)系和研究趨勢[16]；關(guān)鍵詞共詞分析主要是在關(guān)鍵詞共線網(wǎng)絡(luò)圖譜基礎(chǔ)上，以網(wǎng)絡(luò)映射和聚類的方式利用文獻中關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)來繪制框架的概念結(jié)構(gòu)圖，其中主要應(yīng)用多重對應(yīng)分析(Multiple Correspondence Analysis，MCA)方法[30]進行聚類，對多元分類數(shù)據(jù)進行圖形和數(shù)值分析[31]，在共詞分析中，高頻關(guān)鍵詞繪制在二維地圖上，根據(jù)關(guān)鍵詞的相對位置及其沿維度的分布來解釋結(jié)果，關(guān)鍵詞間聯(lián)系越緊密，其在圖中位置就越近[30-32]。高被引論文分析是指對所有文獻數(shù)據(jù)信息進行統(tǒng)計，由于高被引論文被引頻次受發(fā)表時間影響較大，因此本研究還通過計算年均被引頻次來進行高被引論文分析，按照總被引頻次及年均被引頻次進行排序。

1.3 文獻多次檢索

本研究中利用文獻計量分析結(jié)果來精煉文獻檢索式，進而精確檢索關(guān)鍵文獻，這一過程需要進行多次文獻檢索。第一次文獻檢索時，輸入少量關(guān)鍵詞（如土壤氨揮發(fā)），檢索出來的文獻數(shù)量大，且其中的高被引論文絕大多數(shù)與主題詞關(guān)系不大。因此，繼續(xù)對第一次檢索出的文獻信息進行文獻計量分析，根據(jù)關(guān)鍵詞分析結(jié)果，增加文獻檢索式中的關(guān)鍵詞進行檢索。如此檢索數(shù)次后，最終精確檢索出關(guān)鍵文獻，文獻與主題的相關(guān)性可通過高被引論文和關(guān)鍵詞分析進行驗證。

2 第一次文獻檢索

2.1 檢索式及文獻數(shù)量統(tǒng)計

檢索式為TS=(soil*AND(NH3OR ammonia)AND(volatili*OR emission*))，共檢索出文獻3573篇。

2.2 文獻計量分析

2.2.1 高被引論文分析 檢索出1978—2018年土壤NH3揮發(fā)研究領(lǐng)域的Top 10高被引論文如表1所示，僅排在第二[33]、第六[34]、第七[4]和第八[35]位的4 篇高被引論文內(nèi)容與土壤NH3揮發(fā)較為相關(guān)，其余6篇高被引論文均只是在正文或摘要中對土壤NH3揮發(fā)略有提及。被引頻次排在第二位的《Reducing environmental risk by improving N management in intensive Chinese agricultural systems》一文[33]，主要是華東太湖地區(qū)水稻/旱地小麥和華北平原地區(qū)灌溉小麥/旱作玉米集約化生產(chǎn)系統(tǒng)中肥料氮的主要損失途徑，其中NH3揮發(fā)僅作為氮素的一種損失方式，并非文章核心內(nèi)容。被引頻次第一的《Removal of nutrients in various types of constructed wetlands》，內(nèi)容著重點為不同類型人工濕地中養(yǎng)分（如氮磷）的去除過程，土壤NH3揮發(fā)僅作為氮素轉(zhuǎn)化一個過程被簡單描述[36]。排在第三的《Role of nitrifier denitrification in the production of nitrous oxide》主要結(jié)論是N2O總產(chǎn)量的30%歸因于硝化細菌反硝化，低氧條件加上土壤中的低有機碳含量有利于該途徑[37]。排在第四的《Enhanced nitrogen deposition over China》主要研究內(nèi)容為中國氮沉降加強[38]，土壤NH3揮發(fā)僅作為活性氮(Reactive N，Nr)的主要損失形式在正文中被簡單提及。排名第五[39]和第八[40]的文章主要介紹農(nóng)田土壤N2O年排放量的計算方法。排在第十位的文章研究新西蘭6種草地土壤中氨氧化古細菌和細菌對硝化作用的貢獻[41]。這些論文核心內(nèi)容與土壤NH3揮發(fā)關(guān)系不大，卻作為高被引論文被檢索出來。這可能是由于土壤氨揮發(fā)作為活性氮損失、土壤氮循環(huán)主要過程，對土壤其他氮素轉(zhuǎn)化過程（如通過影響土壤中基質(zhì)NH4+濃度，進而影響硝化-反硝化、氨氧化過程；通過影響大氣NH3濃度，進而對干濕沉降等過程產(chǎn)生顯著影響，因此相關(guān)文章中略有涉及。

表1 1978—2018年土壤NH3揮發(fā)研究領(lǐng)域Top 10高被引論文（第一次檢索）

因此，對土壤NH3揮發(fā)高被引論文分析可知，單純從被引頻次上并不能精確定位某一特定研究領(lǐng)域/主題的權(quán)威、關(guān)鍵文獻，因此仍需要對高被引用論文進一步甄別是否與該研究領(lǐng)域完全契合。本研究通過對檢索出的3573篇文獻及其參考文獻進一步做關(guān)鍵詞共現(xiàn)分析與共詞分析，確定與土壤NH3揮發(fā)真正顯著相關(guān)的有效目標(biāo)關(guān)鍵詞和一些關(guān)系不大的關(guān)鍵詞，進而對檢索式進行完善改進，精確檢索出權(quán)威、關(guān)鍵論文。

2.2.2 關(guān)鍵詞共現(xiàn)分析和共詞分析 對檢索出的3573篇文獻進行關(guān)鍵詞共現(xiàn)分析，共計含有5149個網(wǎng)絡(luò)節(jié)點（圖1中只顯現(xiàn)Top 50關(guān)鍵詞節(jié)點），圓圈大小代表度值，度值越大代表與它有相互作用關(guān)系的節(jié)點越多，圓圈的顏色是按照k-核（k-core，表示子圖中所有節(jié)點都至少連接著k個點，用來評估其在網(wǎng)絡(luò)位置的中心程度，值越大表示度值越大且越中心）進行劃分的聚類結(jié)果，紅色聚類即為核心地位的關(guān)鍵詞群。度中心性(Degree Centrality)，在網(wǎng)絡(luò)分析中刻畫節(jié)點中心性的最直接度量指標(biāo)，節(jié)點度中心性越高，該節(jié)點在網(wǎng)絡(luò)中就越重要[16]。度中心性Top 10的關(guān)鍵詞節(jié)點依次為ammonia volatilization(0.359)、soil(0.315)、emissions(0.194)、nitrogen(0.186)、denitrification(0.182)、ammonia(0.177)、nitrous oxide emissions(0.176)、N2O emissions(0.156)、volatilization(0.155)、nitrate(0.149)。雖然大多數(shù)關(guān)鍵詞與土壤氨揮發(fā)聯(lián)系緊密（如soil、ammonia volatilization等），但結(jié)合專業(yè)知識發(fā)現(xiàn)其中混雜著不少與土壤氨揮發(fā)聯(lián)系不大的關(guān)鍵詞，如N2O emissions、greenhouse gas emissions等（圖1），這可能是由于土壤N2O、NH3同為氣態(tài)氮損失的主要途徑，在有關(guān)土壤N2O排放研究文獻中對土壤NH3揮發(fā)有所提及。

圖1 1978—2018年土壤NH3揮發(fā)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜（第一次檢索）

圖2 1978—2018年土壤NH3排放領(lǐng)域共詞分析的概念結(jié)構(gòu)圖譜（第一次檢索）

圖2結(jié)果表明，Dim1和Dim2分別解釋了總變異的37.31%和13.89%，累積解釋率達51.20%。不同關(guān)鍵詞節(jié)點間距離越小越相似，反之差異越大，不同聚類間差異顯著。結(jié)合圖1結(jié)果，圖2中紅色聚類與土壤氨揮發(fā)顯著相關(guān)，因此剔除另外2類聚類中的關(guān)鍵詞。通過對圖2紅色聚類關(guān)鍵詞進行分析，發(fā)現(xiàn)methane emissions、greenhouse gas emissions、carbon dioxide、nitrous oxide emissions、N2O emissions與剔除關(guān)鍵詞聚類較近、與土壤氨揮發(fā)核心關(guān)鍵詞距離較遠，而R-bibliometrix軟件自動聚類未能將其徹底分開。針對此現(xiàn)象，結(jié)合專業(yè)知識發(fā)現(xiàn)，methane emissions、greenhouse gas emissions、carbon dioxide、nitrous oxide emissions、N2O emissions主要與溫室氣體（CH4、N2O和CO2）排放緊密相關(guān)，再結(jié)合圖1結(jié)果分析，這一現(xiàn)象可能是由于關(guān)于土壤碳氮的氣態(tài)損失（CH4、N2O和CO2排放）文獻中對土壤NH3揮發(fā)有所提及，實際上此類文獻與土壤NH3揮發(fā)聯(lián)系較少，因此手動予以剔除。

2.3 第一次檢索小結(jié)

第一次文獻檢索時，檢索關(guān)鍵詞（土壤氨揮發(fā)）少量簡單，而檢索出來的文獻數(shù)量巨大（3573篇），且其中的高被引論文絕大多數(shù)與主題詞關(guān)系不大（表1）。高被引論文分析結(jié)果表明，單純從被引頻次上并不能精確、快速地定位某一特定研究領(lǐng)域/主題的權(quán)威、關(guān)鍵文獻，仍需對高被引用論文進一步甄別是否與該研究領(lǐng)域完全契合。

3 第二次文獻檢索

3.1 檢索式及文獻數(shù)量統(tǒng)計

在第一次文獻檢索及研究結(jié)果的基礎(chǔ)上，剔除第一次發(fā)現(xiàn)的關(guān)系不大的關(guān)鍵詞（詳見表2），再次進行文獻檢索，共檢索出文獻1506篇。

表2 關(guān)鍵詞細化檢索

3.2 文獻計量分析

3.2.1 高被引論文分析 再次統(tǒng)計出1978—2018年土壤NH3揮發(fā)研究領(lǐng)域的Top 10高被引論文（表3），結(jié)果表明，此次表3與表1內(nèi)容差異較大，只有表1中6、7號論文與表3中的1、2號論文一致。通過對表3中Top 10高被引論文進行分析，發(fā)現(xiàn)除被引頻次排在第二和第四的論文是主要研究土壤氨揮發(fā)的，其他高被引論文如表1一樣，土壤氨揮發(fā)仍非主要研究內(nèi)容，只是作為活性氮的一種損失途徑或方式被簡單提及。

3.2.2 關(guān)鍵詞共現(xiàn)分析和共詞分析 再次對第二次檢索出的1506篇文獻進行關(guān)鍵詞共現(xiàn)分析和共詞分析（圖3～4），再次剔除掉除紅色聚類（土壤氨揮發(fā)核心關(guān)鍵詞集）外的藍色、綠色聚類中的關(guān)鍵詞。

3.3 第二次檢索小結(jié)

第二次文獻檢索時，通過剔除一些與土壤NH3揮發(fā)聯(lián)系不大的關(guān)鍵詞進行檢索式精煉，檢索出來的文獻數(shù)量為1506篇（與第一次文獻檢索結(jié)果3573篇相比，數(shù)量顯著下降），然而與主題詞緊密相關(guān)的Top 10高被引論文數(shù)量仍偏低（表3）。

4 第三次文獻檢索

4.1 檢索式及文獻數(shù)量統(tǒng)計

在前2次文獻檢索及研究結(jié)果的基礎(chǔ)上，再次剔除第二次發(fā)現(xiàn)的關(guān)系不大的關(guān)鍵詞（表2），并進行文獻檢索，共檢索出文獻160篇。

4.2 文獻計量分析

4.2.1 高被引論文分析 再次統(tǒng)計出1978—2018年土壤NH3揮發(fā)研究領(lǐng)域的Top 10高被引論文（表4），分析發(fā)現(xiàn)Top 10高被引論文均是主要研究土壤氨揮發(fā)的，是切題論文，這說明該方法切實可行。

4.2.2 關(guān)鍵詞共現(xiàn)分析和共詞分析 對第三次檢索出的160篇文獻進行關(guān)鍵詞共現(xiàn)分析和共詞分析（圖5～6）。度中心性Top 10關(guān)鍵詞節(jié)點依次為ammonia volatilization(0.648)、soil(0.312)、field(0.160)、nitrogen(0.152)、losses(0.146)、urea(0.129)、ammonia(0.120)、management(0.117)、wheat(0.115)、hydrolysis(0.106)，這些關(guān)鍵詞均與土壤NH3揮發(fā)緊密相關(guān)（圖5）。且其他關(guān)鍵詞如calcareous soils、flooded soils、water、NBTPT、surface applied urea、 deep placement system、temperature、 hydrolysis、 fertilization、 cattle、 time、management(practices)等關(guān)鍵詞均是影響土壤氨揮發(fā)的主要因素，15N(fertilizer)同位素標(biāo)記示蹤法也是定量化、溯源研究土壤NH3揮發(fā)的重要方法，這也再次證明了此方法的可行性較高。

表3 1978—2018年土壤NH3揮發(fā)研究領(lǐng)域Top 10高被引論文（第二次檢索）

圖3 1978—2018年土壤NH3揮發(fā)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜（第二次檢索）

圖4 1978—2018年土壤NH3排放領(lǐng)域共詞分析的概念結(jié)構(gòu)圖譜（第二次檢索）

圖6結(jié)果表明，軸1(Dim1)和軸2(Dim2)分別解釋了所有分析結(jié)果的52.01%和13.17%，累積解釋率達65.18%。通過對標(biāo)注紅色的關(guān)鍵詞進行分析，發(fā)現(xiàn)soil ammonia volatilization（土壤NH3揮發(fā)）與losses（損失）、field（農(nóng)田）、management（管理措施）、calcareous soils（石灰性土壤）、surface applied urea（表施尿素）、nitrogen（ 氮 ）、fertilization（ 施 肥 ）、nitrogen mineralization（礦化）等距離最小也最相關(guān)，這與前人研究結(jié)果[11,42]一致。對藍色區(qū)域中關(guān)鍵詞進行分析，主要關(guān)鍵詞有NBTPT（脲酶抑制劑）、surface urea（表施尿素）、water（水分）、temperature（溫度）及efficiency（效率），這主要是由于脲酶抑制劑可以抑制表施尿素的NH3揮發(fā)[43]，溫度升高、含水量降低均能夠提高土壤溶液中NH3濃度進而提高NH3揮發(fā)速率[44]。綠色區(qū)域關(guān)鍵詞有hydrolysis（水解）、active site（活性位點）、flooded soils（淹水土壤）、phosphoroamides（磷酰胺）和triamide（三酰胺），其中磷酰胺和三酰胺作為脲酶抑制劑，主要通過抑制脲酶活性來達到抑制土壤NH3揮發(fā)的效果[45-46]。綜上，3個區(qū)域關(guān)鍵詞均與土壤NH3揮發(fā)密切相關(guān)，證明此方法可用來精確檢索出與研究主題密切相關(guān)的文獻。

表4 1978—2018年土壤NH3揮發(fā)研究領(lǐng)域Top 10高被引論文（第三次檢索）

4.3 第三次檢索小結(jié)

通過上述2次過程（文獻檢索、高被引論文分析、關(guān)鍵詞共現(xiàn)分析及共詞分析）進行精煉檢索式（檢索式中主題詞顯著增加），進而提升文獻檢索精確度。第三次檢索出來的文獻數(shù)量僅為160篇，且高被引論文分析結(jié)果表明，Top 10高被引論文的主要研究內(nèi)容均為土壤NH3揮發(fā)（表4）。對160篇文獻及其參考文獻進行關(guān)鍵詞共現(xiàn)分析和共詞分析，發(fā)現(xiàn)圖5和圖6中展現(xiàn)的關(guān)鍵詞更加細化且均與土壤NH3揮發(fā)緊密相關(guān)。說明文獻計量分析在快速、精準檢索文獻中的應(yīng)用方法切實可行。

圖5 1978—2018年土壤NH3揮發(fā)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜（第三次檢索）

圖6 1978—2018年土壤NH3排放領(lǐng)域共詞分析的概念結(jié)構(gòu)圖譜（第三次檢索）

5 討論

土壤NH3揮發(fā)是諸多因子綜合作用的過程，而目前絕大多數(shù)研究舍棄了多因子綜合作用這一考慮，多因素效應(yīng)研究較少[47-48]。由本研究結(jié)果推測，也許可以根據(jù)關(guān)鍵詞共現(xiàn)分析、共詞分析結(jié)果中的關(guān)鍵詞，結(jié)合專業(yè)知識、分析，進而查找科學(xué)空白，如氣候變化（圖5中climate change關(guān)鍵詞）背景下農(nóng)業(yè)土壤NH3排放機制，在此過程中又有哪些關(guān)鍵驅(qū)動因素，溫度升高又會對土壤NH3揮發(fā)產(chǎn)生何種影響。再如水分、溫度及施氮（圖5～6中water、temperature及nitrogen fertilization關(guān)鍵詞）對土壤氨揮發(fā)的單因素效應(yīng)，是否存在雙因素或三因素交互效應(yīng)。確定科學(xué)問題后，通過本研究方法快速精確檢索文獻，查找出相關(guān)權(quán)威、關(guān)鍵文獻，以獲得回答該科學(xué)問題的思路、解決方法，這可能也是本方法今后的重要發(fā)展方向和研究熱點，精確查找研究領(lǐng)域研究現(xiàn)狀、當(dāng)前熱點及科研空白（科學(xué)問題），進而為科研工作者提供一定參考。

6 結(jié)論

本研究基于Web of Science核心合集數(shù)據(jù)庫，以土壤氨(NH3)揮發(fā)為研究主題，利用R語言bibliometrix包，精確檢索出關(guān)于土壤NH3揮發(fā)的關(guān)鍵文獻，并探索出了文獻計量分析在快速精準檢索關(guān)鍵文獻中的應(yīng)用方法：只需輸入少量簡單的關(guān)鍵詞（如土壤氨揮發(fā)）進行檢索，然后對檢索出的文獻數(shù)據(jù)進行文獻計量分析，根據(jù)關(guān)鍵詞共現(xiàn)、共詞分析結(jié)果，增加與研究主題關(guān)系密切的關(guān)鍵詞，進而不斷精煉檢索文獻即可精準檢索出關(guān)鍵文獻。且通過假設(shè)精確查找關(guān)于土壤NH3揮發(fā)與水分（或溫度、管理）方面研究文獻，利用此方法進行驗證，結(jié)果證明該方法切實可行。在大數(shù)據(jù)背景下，文獻計量結(jié)合R-bibliometrix工具，使用本研究方法，有助于提出科學(xué)問題、精確檢索關(guān)鍵文獻、獲取科研思路及解決方法，對科研工作者具備一定參考價值。