• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      基于CiteSpace的國(guó)內(nèi)癭蜂研究文獻(xiàn)的計(jì)量學(xué)分析

      2022-04-15 02:00:10韓麗濱孫九光張坤朋王景順
      關(guān)鍵詞:天敵昆蟲(chóng)聚類

      韓麗濱,孫九光,張坤朋,王景順

      ( 安陽(yáng)工學(xué)院 生物與食品工程學(xué)院,河南 安陽(yáng) 455000)

      當(dāng)植物受到外源脅迫物如細(xì)菌、病毒、真菌、昆蟲(chóng)等侵襲后,有可能會(huì)引起植物細(xì)胞異常增殖,侵襲部位腫大,形成一種“癭”的組織[1-3]。其中能誘導(dǎo)植物產(chǎn)生“癭”的昆蟲(chóng)稱為致癭昆蟲(chóng),主要包括癭蜂、癭蚊、蚜蟲(chóng)等[4]。在這些致癭昆蟲(chóng)中,癭蜂占有相當(dāng)大的比例[5-7]。

      癭蜂是膜翅目(Hymenoptera)癭蜂科(Cynipidae)癭蜂亞科(Cynipinae)的一種昆蟲(chóng)。它們能刺激植物組織腫脹膨大形成“癭”的結(jié)構(gòu),因而被稱為癭蜂[8-10]。一方面,大多數(shù)癭蜂是農(nóng)林害蟲(chóng)和檢疫害蟲(chóng)。例如嚴(yán)重危害我國(guó)林木的栗癭蜂(DryocosmuskuriphilusYasumatsu)是世界性的檢疫害蟲(chóng)。它可危害板栗的枝梢、葉芽及花芽,使其生長(zhǎng)發(fā)育遭到嚴(yán)重毀壞不能開(kāi)花結(jié)實(shí),嚴(yán)重時(shí)可使栗株受害率達(dá)到100%,對(duì)板栗的產(chǎn)量造成嚴(yán)重?fù)p害[11,12]。另一種重要的林業(yè)害蟲(chóng)櫟空腔癭蜂(TrichagalmaacutissimaeMonzen)對(duì)栓皮櫟(QuercusvariabilisBlume)危害也極大,曾在南太行山天然次生林栓皮櫟林內(nèi)暴發(fā)成災(zāi)[13-16]。另一方面,癭蜂與植物間有著復(fù)雜的互作,是探討生物演化和協(xié)同進(jìn)化最佳的模式材料[17-19]。

      CiteSpace是美國(guó)德雷塞爾大學(xué)信息科學(xué)與技術(shù)學(xué)院陳超美團(tuán)隊(duì)研發(fā)的一款信息可視化分析軟件[20-22]。它可以幫助用戶分析出某一科學(xué)領(lǐng)域文獻(xiàn)中蘊(yùn)含的潛在知識(shí),使研究者能夠及時(shí)掌握這一領(lǐng)域中的研究方向和熱點(diǎn),同時(shí)找出從事該研究的主要機(jī)構(gòu)和人員情況等重要信息[23]。本文通過(guò)從知網(wǎng)數(shù)據(jù)庫(kù)中下載關(guān)于癭蜂的文獻(xiàn),利用CiteSpace 5.6.R5這一研究領(lǐng)域年發(fā)文量、主要研究機(jī)構(gòu)和研究人員、研究的關(guān)鍵詞等重要信息進(jìn)行展現(xiàn),以期使相關(guān)研究者對(duì)這一領(lǐng)域有個(gè)全面的認(rèn)識(shí)。

      1 文獻(xiàn)來(lái)源

      文獻(xiàn)數(shù)據(jù)來(lái)源于中國(guó)知網(wǎng) ( CNKI) 數(shù)據(jù)庫(kù)。采用高級(jí)檢索,檢索條件為“主題=癭蜂”,時(shí)間為“2000年1月1日到2020年7月1日”。共檢索到中文文獻(xiàn)392條,去掉報(bào)紙和會(huì)議論文,共得到387條文獻(xiàn)。選擇文獻(xiàn)導(dǎo)出格式為refworks,將含有文獻(xiàn)標(biāo)題、作者、摘要等詳細(xì)信息的文獻(xiàn)導(dǎo)出,經(jīng)過(guò)CiteSpace軟件的文獻(xiàn)轉(zhuǎn)化功能將文獻(xiàn)格式轉(zhuǎn)化為可以用于軟件分析的格式。

      2 文獻(xiàn)統(tǒng)計(jì)與知識(shí)圖譜分析

      2.1 文獻(xiàn)時(shí)間及數(shù)量分布統(tǒng)計(jì)

      對(duì)20年來(lái)發(fā)表文獻(xiàn)的數(shù)量進(jìn)行統(tǒng)計(jì)可發(fā)現(xiàn),2000-2006年間,文獻(xiàn)發(fā)表數(shù)量相對(duì)較平穩(wěn);2007-2009年是發(fā)表的高峰期,其中2008年最多,發(fā)表了29篇;2014年以后發(fā)表數(shù)量則呈逐年下降趨勢(shì)(見(jiàn)圖 1)。

      圖1 癭蜂相關(guān)文章年發(fā)表數(shù)量

      2.2 作者分析

      在CiteSpace中設(shè)置參數(shù)“Node type”為作者“Author”,運(yùn)行程序后將控制面板中的“Node Labels”下的閾值參數(shù)設(shè)為5,最終得到癭蜂研究的作者共現(xiàn)知識(shí)圖譜(圖2)。圖中作者姓名字體越大,表明此作者發(fā)表相關(guān)文章越多; 而不同作者之間線條的粗細(xì)則與作者間的合作有關(guān),合作越密切,連接線條越粗。本項(xiàng)目中國(guó)內(nèi)研究者根據(jù)合作關(guān)系聚成2個(gè)群體,以吳瓊、任少鵬、陳學(xué)新為代表的研究群體發(fā)文量大且合作密切,整個(gè)研究群體的關(guān)聯(lián)度也最高,成員包括:朱道弘、楊筱慧、劉志偉、王知知、王義平、吳步梅、王有琪、張文利、王相宏、王景順、張坤朋;第二個(gè)研究群體是由孫玉江、孫淑萍、李濤、潘濤4人構(gòu)成。這4位作者的貢獻(xiàn)度和合作密切程度較一致。

      圖2 癭蜂研究作者共現(xiàn)圖

      同時(shí)根據(jù) CiteSpace 展示的結(jié)果統(tǒng)計(jì)出發(fā)文量排名前 10 的作者姓名和發(fā)文量(表1)。

      表1 癭蜂研究發(fā)文量前10 作者

      2.3 機(jī)構(gòu)分析

      在CiteSpace中設(shè)置參數(shù)“Node type”為作者“Institution”,運(yùn)行程序后將控制面板中的“Node Labels”下的閾值參數(shù)設(shè)為6,最終得到發(fā)文量前10的關(guān)于癭蜂研究的機(jī)構(gòu)(表 2)。

      表2 癭蜂研究機(jī)構(gòu)發(fā)文量排名

      研究機(jī)構(gòu)可分為三個(gè)研究團(tuán)體,它們的代表機(jī)構(gòu)分別是:浙江大學(xué)昆蟲(chóng)科學(xué)研究所、國(guó)家林業(yè)和草原局森林和草原病蟲(chóng)害防治總站林業(yè)有害生物監(jiān)測(cè)預(yù)警國(guó)家林業(yè)和草原局重點(diǎn)實(shí)驗(yàn)室和北京林業(yè)大學(xué)森林培育與保護(hù)教育部重點(diǎn)實(shí)驗(yàn)室。

      2.4 關(guān)鍵詞分析

      論文的關(guān)鍵詞是對(duì)文獻(xiàn)研究?jī)?nèi)容和核心觀點(diǎn)的提煉和概括。本研究中首先對(duì)關(guān)鍵詞進(jìn)行共現(xiàn)分析,然后在此基礎(chǔ)上進(jìn)行聚類分析。

      2.4.1 關(guān)鍵詞共現(xiàn)分析

      在CiteSpace軟件中設(shè)置“Node type”為“Keyword”,在Pruning選項(xiàng)中選擇PathFinder算法,閾值設(shè)為3,通過(guò)運(yùn)行得到了癭蜂研究的關(guān)鍵詞共現(xiàn)知識(shí)圖譜(圖3)。關(guān)鍵詞字體越大,說(shuō)明出現(xiàn)的頻次越高;而不同關(guān)鍵詞之間線條越粗,則代表這兩個(gè)關(guān)鍵詞之間的聯(lián)系越密切。

      圖3 癭蜂研究關(guān)鍵詞共現(xiàn)圖

      在對(duì)癭蜂研究中,栗癭蜂無(wú)論是頻次還是中心性都遠(yuǎn)高于其他關(guān)鍵詞;板栗的頻次僅次于栗癭蜂,高于錐栗和寄生蜂,但中心性卻低于此二者;沃爾巴克氏的頻次排名未進(jìn)前10,但中心性排名第2(圖4和圖5)。此外蟲(chóng)癭、天敵、防治方法等也是癭蜂研究中的熱點(diǎn)領(lǐng)域。

      圖4 癭蜂研究關(guān)鍵詞頻次

      圖5 癭蜂研究中的關(guān)鍵詞中心度排名

      2.4.2 關(guān)鍵詞聚類分析

      本研究采用對(duì)數(shù)似然率算法(LLR)對(duì)文獻(xiàn)的關(guān)鍵詞進(jìn)行聚類命名。經(jīng)過(guò)聚類分析發(fā)現(xiàn),關(guān)鍵詞可劃分為結(jié)果母枝、中國(guó)、天敵、wolbachia、噻蟲(chóng)啉、舞毒蛾、幼蟲(chóng)孵化、栗實(shí)象甲 8 個(gè)聚類。通過(guò)Clusters 菜單下的Clusters Explorer選項(xiàng)導(dǎo)出聚類的詳細(xì)信息,方便進(jìn)一步的分析(圖6,表3)。

      表3 癭蜂研究的關(guān)鍵詞聚類表

      圖6 癭蜂研究的關(guān)鍵詞聚類圖

      2.5 研究演進(jìn)分析

      在關(guān)鍵詞聚類分析的基礎(chǔ)上,選擇時(shí)間線視圖(Timeline)模式,得到近20年來(lái)癭蜂相關(guān)文獻(xiàn)關(guān)鍵詞聚類的時(shí)序圖,它可以幫助我們理解癭蜂研究的前沿和發(fā)展趨勢(shì)(圖7)。圖中加號(hào)表示對(duì)應(yīng)的文獻(xiàn)關(guān)鍵詞聚類。從時(shí)間軸線上看,“結(jié)果母枝”聚類時(shí)間較早,相關(guān)文獻(xiàn)都是集中在2010年之前?!爸袊?guó)”和“天敵”聚類中文獻(xiàn)在20年間都有分布,近10年發(fā)表的占多數(shù),它們所包括的關(guān)鍵詞有“蟲(chóng)癭”“分類”“寄生蜂”“天敵”“櫟空腔癭蜂”等,說(shuō)明這些是目前研究的熱點(diǎn)?!皐olbachia”聚類中近10年研究的關(guān)鍵詞是“系統(tǒng)發(fā)育關(guān)系”“多重感染”“水平傳播”等。其他幾個(gè)聚類中研究文獻(xiàn)多是2010年以前發(fā)表,研究?jī)?nèi)容主要是“防治”。

      圖 7 癭蜂研究的關(guān)鍵詞聚類時(shí)間線視圖

      3 總結(jié)和展望

      當(dāng)植物組織受到諸如細(xì)菌、病毒、真菌、線蟲(chóng)、昆蟲(chóng)等生物的侵襲時(shí),有可能會(huì)誘導(dǎo)植物產(chǎn)生一種稱為“癭”的組織。它可以和相關(guān)的誘導(dǎo)物產(chǎn)生各種進(jìn)化上的關(guān)系,通常對(duì)誘導(dǎo)生物產(chǎn)生營(yíng)養(yǎng)和保護(hù)作用[24,25]。癭蜂是最重要的致癭昆蟲(chóng)之一,它可以使植物產(chǎn)生最多樣性、結(jié)構(gòu)最復(fù)雜的蟲(chóng)癭。本文我們利用CiteSpace軟件對(duì)國(guó)內(nèi)近20年發(fā)表的關(guān)于癭蜂的文獻(xiàn)進(jìn)行了分析。分別從作者群體、研究機(jī)構(gòu)、關(guān)鍵詞共現(xiàn)和關(guān)鍵詞聚類發(fā)現(xiàn)等方面,直觀地展示了國(guó)內(nèi)對(duì)癭蜂研究的方向和現(xiàn)狀??傮w來(lái)看,近幾年對(duì)癭蜂的研究中以“天敵”“分類”“防治”為主。目前國(guó)家正大力倡導(dǎo)害蟲(chóng)的綠色防控技術(shù),在這方面的投入呈逐年增加的態(tài)勢(shì)。國(guó)際上關(guān)于癭蜂的研究在植物-癭蜂-天敵之間的三級(jí)互作關(guān)系也越來(lái)越多[26-29]。隨著高通量測(cè)序技術(shù)的發(fā)展,越來(lái)越多的研究從基因組學(xué)和轉(zhuǎn)錄組學(xué)水平闡述了植物-癭蜂之間的互作關(guān)系[30-32]。然而,目前對(duì)它們之間的研究多停留在宏觀層面上。未來(lái)采用轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)等新式手段從分子水平來(lái)研究它們的三級(jí)營(yíng)養(yǎng)關(guān)系勢(shì)必會(huì)越來(lái)越多。

      猜你喜歡
      天敵昆蟲(chóng)聚類
      RFID昆蟲(chóng)閱讀放大鏡
      玩具世界(2022年3期)2022-09-20 01:48:20
      麝香 急性尿潴留的天敵
      借昆蟲(chóng)上課
      甘肅教育(2020年2期)2020-09-11 08:01:48
      天敵昆蟲(chóng)
      ——管氏腫腿蜂的應(yīng)用技術(shù)
      我最喜歡的昆蟲(chóng)——知了
      昆蟲(chóng)的冬天
      天敵昆蟲(chóng)在林木病蟲(chóng)害防治中的重要作用探討
      基于DBSACN聚類算法的XML文檔聚類
      基于改進(jìn)的遺傳算法的模糊聚類算法
      一種層次初始的聚類個(gè)數(shù)自適應(yīng)的聚類方法研究
      璧山县| 罗田县| 长宁县| 禹州市| 深泽县| 深水埗区| 连州市| 杨浦区| 桐城市| 扬中市| 石门县| 崇义县| 利辛县| 屏东县| 太康县| 革吉县| 内黄县| 东港市| 天门市| 五台县| 富民县| 墨江| 吉隆县| 澄城县| 盐亭县| 贵德县| 南澳县| 博客| 滨州市| 濉溪县| 昌江| 文昌市| 德惠市| 湘阴县| 梧州市| 浦北县| 清涧县| 阿巴嘎旗| 辰溪县| 东兰县| 安岳县|