基于Web of Science數(shù)據(jù)庫的土壤質量評價及其微生物指標研究趨勢分析

崔玲宇,喻 曼,喬宇穎,蘇 瑤,王云龍,沈阿林

(1.浙江農林大學 環(huán)境與資源學院,浙江 杭州 311300; 2.浙江省農業(yè)科學院 環(huán)境資源與土壤肥料研究所,浙江 杭州 310021)

土壤是人類和動植物賴以生存的基礎自然資源,土壤質量直接影響作物生長,進而影響人類和動植物健康,在維護生態(tài)系統(tǒng)平衡和維持營養(yǎng)要素的循環(huán)和轉化上具有重要作用。提高土壤質量是實現(xiàn)農業(yè)綠色可持續(xù)發(fā)展的重要基礎和核心內容之一[1]。我國耕地面積有限,長期以來,對農田的高強度利用和對土壤資源的不合理利用導致一些地區(qū)的土壤質量下降,發(fā)生土壤侵蝕、酸化、污染等現(xiàn)象[2-5]。土壤質量評價作為評估土壤可持續(xù)發(fā)展?jié)摿Φ闹匾侄?受到國內外研究者的廣泛關注[6-8],尤其是在近10年,該領域的研究呈快速增長態(tài)勢。

文獻計量分析是基于數(shù)據(jù)統(tǒng)計來預測和識別未來研究趨勢與熱點的數(shù)學統(tǒng)計方法[9-10],因具有客觀、定量的優(yōu)點而得到廣泛應用[11]。李鑫等[12]基于Web of Science核心合集數(shù)據(jù)庫(以下簡稱為WOS數(shù)據(jù)庫)和CNKI(中國知網(wǎng))數(shù)據(jù)庫,利用文獻計量分析,就土壤質量評價指標、最小數(shù)據(jù)集篩選、土壤質量評價方法等進行系統(tǒng)總結和比較。近年來,已有不少研究人員對國內外土壤健康評價體系、土壤健康的內涵和研究進展等進行了綜述,促進了土壤健康評價途徑和對策的提升及其在農業(yè)管理實踐中的應用,但相關研究仍缺乏系統(tǒng)性[13-14]。本文采用文獻計量學方法,利用HistCite Pro2.1、VOSviewer 1.6.19和CiteSpace 6.1.R6等分析軟件,以土壤質量/健康評價領域的關鍵詞頻度聚類和突現(xiàn)強度等分析結果為主要依據(jù),以全球發(fā)文量趨勢和文章引用頻次等輔助參考,在宏觀視角下關注當前土壤質量評價領域的研究熱點及其前沿趨勢,以期為土壤質量評價研究、土壤資源的可持續(xù)發(fā)展等提供理論參考。

1 材料與方法

1.1 數(shù)據(jù)來源

基于WOS數(shù)據(jù)庫進行檢索,檢索時間為2023年3月6日,檢索主題詞為“soil quality evaluation”“soil quality assessment”(土壤質量評價)、“soil health evaluation”“soil health assessment”(土壤健康評價)、“soil fertility evaluation”“soil fertility assessment”(土壤肥力評價),檢索文獻類型包括研究論文和綜述兩種類型,發(fā)表時間為2012-01-01—2022-12-31。共檢索到論文523篇,剔除與本文確定的研究方向相關度較低的論文后,共獲得相關文獻448篇。

1.2 研究方法

通過HistCite Pro 2.1軟件的引文分析工具統(tǒng)計發(fā)文量、總被引次數(shù)、本地被引次數(shù)等。其中:總被引次數(shù)(global citation score, GCS)是某篇文章在WOS數(shù)據(jù)庫中總的被引用次數(shù),引用這篇文章的文獻可能與其研究方向毫無關系。本地被引次數(shù)(local citation score, LCS)指某一文獻在本地數(shù)據(jù)集(即在WOS數(shù)據(jù)庫輸入關鍵詞后導入Histcite Pro 2.1軟件的所有文獻的集合)中的被引用次數(shù),因為本地數(shù)據(jù)集中的文章都是和檢索詞有關系的,所以LCS常被用來表征該文章在研究領域內同行的認可程度。

利用Origin 2019軟件繪制發(fā)文量統(tǒng)計圖?；赩OSviewer 1.6.19軟件的共現(xiàn)(co-occurrence)分析功能,選定數(shù)據(jù)庫中出現(xiàn)的所有關鍵詞,繪制關鍵詞聚類分析圖。利用CiteSpace 6.1.R6軟件的關鍵詞突現(xiàn)(burstness)功能,分析近10年該領域研究趨勢的動態(tài)演變。

2 結果與分析

2.1 發(fā)文量與文章被引頻次分析

發(fā)文量和被引頻次能夠反映該研究領域的發(fā)展速度和影響力。近10年,土壤質量評價領域的發(fā)文量整體呈增加趨勢(圖1),在全球范圍內,我國是該領域發(fā)文量最多的國家(表1),且自2017年起我國發(fā)文量快速持續(xù)增加,說明我國的土壤質量評價研究領域進入快速發(fā)展階段。篇均被引次數(shù)可反映發(fā)文的整體質量水平。在本文檢索范圍內,我國學者的發(fā)文量、總被引次數(shù)和本地被引次數(shù)均居第1位,但篇均被引次數(shù)卻在表1給出的10個國家中居第7位。這說明,我國學者在該領域的發(fā)文量雖高,但文章總體的影響力還不夠強。荷蘭的發(fā)文量為25篇,但篇均被引次數(shù)居第1位,在土壤質量評價領域居于領先地位。西班牙和意大利的發(fā)文量分居第4位和并列第8位,但其篇均被引次數(shù)分列第3位和第2位,說明其發(fā)文的整體水平較高。

表1 2012—2022年土壤質量評價領域發(fā)文量排名前10的國家的基本信息

圖1 2012—2022年土壤質量評價領域的發(fā)文量

2.2 高被引文章分析

文章的總被引次數(shù)在一定程度上可反映文章的受關注程度。將本研究檢索范圍內獲得的總被引次數(shù)排名前10的文章[15-24]整理于表2。瑞士學者Bünemann等[15]于2018年發(fā)表在SoilBiologyandBiochemistry雜志上的“Soil quality: a critical review”一文的被關注程度最高,該文為綜述性論文,主要從定義、評價方法、指標選擇等方面回顧了土壤質量的相關概念,確定了農業(yè)用地利用下最常用的土壤質量指標,并建議針對特定區(qū)域和種植模式,建立針對性的指標和關鍵評估步驟。在總被引頻次排名前10的文章中,有5篇出自中國作者,例如:Yao等[20]以濱海鹽土為例,建立了以地下水特性、土壤鹽度、有機質為評價指標的最小數(shù)據(jù)集;Yu等[22]以不同的指標篩選方法(全數(shù)據(jù)集、最小數(shù)據(jù)集、修正后最小數(shù)據(jù)集)和評價方法(線性、非線性評價方法)開發(fā)土壤質量指數(shù)計算模型,結果發(fā)現(xiàn),基于修正后的最小數(shù)據(jù)集使用非線性評價方法開發(fā)的土壤質量指數(shù)對土壤質量變異具有更高的敏感性?？偟膩砜?總被引次數(shù)高的這些研究大多充分考慮了區(qū)域土壤特征與耕作體系,以此作為評價最小數(shù)據(jù)集篩選的重要依據(jù),并比較了不同評價方法對評價體系客觀性和敏感性的影響,為土壤質量評價體系構建提供了重要依據(jù)。

表2 2012—2022年土壤質量評價領域排名前10的高被引文章的基本信息

2.3 土壤質量/健康評價領域的研究熱點與趨勢

利用VOSviewer 1.6.19軟件對本研究檢索到的文獻進行關鍵詞分析,繪制關鍵詞共現(xiàn)分析圖(圖2),圖中不同的顏色代表不同的聚類,圓圈大小代表關鍵詞出現(xiàn)頻度的高低。關鍵詞共現(xiàn)網(wǎng)絡共分為3個聚類:聚類A以土壤健康評價為核心,關注土壤健康與生態(tài)系統(tǒng)服務、土壤功能之間的關系;聚類B以土壤質量評價為核心,關注最小數(shù)據(jù)集、評價指標篩選方法和理化指標;聚類C以微生物指標、微生物活性、酶活性為核心,關注土壤質量評價中的動態(tài)指標——微生物評價指標,以及微生物群落結構組成等。

在聚類A中,土壤健康評價與生態(tài)系統(tǒng)服務、土壤功能等聚為一類,說明相較于土壤質量評價,土壤健康評價的內涵傾向于土壤提供的各種生態(tài)系統(tǒng)服務功能[25-26],融合了更多的土壤生態(tài)屬性,包含土壤生物多樣性和土壤生態(tài)功能等,而不僅限于土壤質量或生產作物的能力[13]。在聚類B中,土壤質量指數(shù)、最小數(shù)據(jù)集和主成分分析等出現(xiàn)頻次最高,其次為速效磷、有機質、土壤容重等理化指標,說明篩選合適的指標和構建科學的評價方法對于識別區(qū)域土壤質量問題,提供預警信號來說至關重要[27]。運用以統(tǒng)計分析為主的主成分法構建最小數(shù)據(jù)集是當前評價指標篩選的研究熱點[28-29],土壤質量管理框架是當前常用的評價方法[30-31]。在聚類C中,β-葡萄糖苷酶、脫氫酶、過氧化氫酶等酶活指標和微生物量碳、微生物活性等微生物指標出現(xiàn)頻率較高,這些微生物指標單獨聚類,說明以微生物信息為主的動態(tài)評價指標開始成為當前土壤質量研究的獨立板塊和熱點。

突現(xiàn)性關鍵詞是指突然出現(xiàn)且引用頻率很高的詞匯,在一定程度上代表了一個研究領域的研究前沿和熱點。本文使用CiteSpace 6.1.R6軟件提取土壤質量/健康評價研究領域突現(xiàn)強度排名前25的關鍵詞(圖3)。根據(jù)突現(xiàn)詞出現(xiàn)和熱度衰退的年份,大致可劃分為2012—2019年和2019—2022年兩個階段。第一階段,突現(xiàn)詞從關注理化指標轉向土壤質量評價方法的多元化發(fā)展,典型突現(xiàn)詞如神經(jīng)網(wǎng)絡、隨機森林。隨著計算機技術和大數(shù)據(jù)分析的快速發(fā)展,使用機器學習算法預測土壤質量變化已成為研究趨勢[32]。第二階段,突現(xiàn)詞聚焦于土壤質量評價動態(tài)指標——微生物指標的篩選上,典型突現(xiàn)詞如微生物量、微生物指標、微生物多樣性。傳統(tǒng)的土壤質量評價研究注重選取土壤物理和化學指標[33-34],隨著分子生物學的不斷發(fā)展,挖掘土壤微生物學信息,并與傳統(tǒng)理化指標相結合以評價土壤質量,已成為一大趨勢。

圖3 關鍵詞的突現(xiàn)強度與時間

2.3.1 土壤質量評價方法——機器學習算法

(1)隨機森林模型。隨機森林算法可以解決非線性復雜系統(tǒng)中指標過擬合的問題,近年來在評價土壤質量和預測評價指標方面得到了較為廣泛的應用。Ciarkowska等[35]研究發(fā)現(xiàn),隨機森林模型與主成分分析法均可有效預測土壤質量指數(shù),但隨機森林模型的擬合效果更好,決定系數(shù)(R2)值提高31.65%,均方根誤差(RMSE)值降低31%。Li等[36]研究發(fā)現(xiàn),用基于隨機森林模型得到的最小數(shù)據(jù)集預測的土壤質量指數(shù)與基于全數(shù)據(jù)集獲得的土壤質量指數(shù)有很強的相關性,相關系數(shù)為0.94,高于用相關性分析或主成分分析得到的相關系數(shù),在綠色生產模式下,用隨機森林模型預測的土壤質量指數(shù)呈上升趨勢,說明其可有效預測土壤質量變異和反饋種植管理方式帶來的變化,但該模型對其他輪作系統(tǒng)和氣候條件下的土壤質量評估效果未知,可能存在一定的局限性,尚需要在不同管理模式下進行驗證和提升。Wilhelm等[37]發(fā)現(xiàn),隨機森林模型預測土壤健康類別和等級的準確性受土壤微生物測序深度歸一化、過濾和分類分辨率類型的影響很大,應用歸一化數(shù)據(jù)訓練的模型,在使用高分辨率(ASV)數(shù)據(jù)時預測結果會更加精確,若使用目、科、屬等較低分辨率的數(shù)據(jù)訓練模型,則其準確性明顯降低?？紤]到土壤微生物組的區(qū)域差異,若能針對不同地理位置、土壤類型和種植體系的微生物組數(shù)據(jù)進行訓練,模型效果會更好。與傳統(tǒng)方法相比,隨機森林模型在土壤質量評價中展現(xiàn)出更好的擬合效果,但目前的研究大多聚焦于多種模型的對比和模型精度的提高上,在推動隨機森林模型評價方法的實際應用方面,缺乏對模型在不同土壤類型、種植系統(tǒng)和管理措施上的應用效果研究。

(2)神經(jīng)網(wǎng)絡模型。神經(jīng)網(wǎng)絡模型是土壤質量評價中的常用方法,包括人工神經(jīng)網(wǎng)絡和模糊神經(jīng)網(wǎng)絡等。Shao等[38]基于反向傳播人工神經(jīng)網(wǎng)絡針對西北典型干旱區(qū)構建了土壤質量評價模型,經(jīng)驗證,模型的準確率達97%。Liu等[32]利用反向傳播人工神經(jīng)網(wǎng)絡與注意力模型組合構建評價模型,用于評價雅安市的土壤質量,結果發(fā)現(xiàn),與反向傳播人工神經(jīng)網(wǎng)絡相比,集成模型的性能更好,R2值增加0.005,RMSE值降低0.002。Wang等[39]應用Takagi-Sugeno模糊神經(jīng)網(wǎng)絡模型評估稻田土壤質量,結果發(fā)現(xiàn),土壤質量等級與水稻產量的空間分布一致,模型誤差在-0.05～0.05?？偟膩砜?神經(jīng)網(wǎng)絡模型在評價土壤質量、響應土壤生產力上具有一定優(yōu)勢,但不同神經(jīng)網(wǎng)絡模型的局限性和應用效果存在差異,進一步優(yōu)化、訓練神經(jīng)網(wǎng)絡模型以適應其在土壤質量評價領域的實際應用,具有現(xiàn)實意義。

2.3.2 土壤質量評價動態(tài)指標——微生物評價指標

(1)土壤酶活性。除傳統(tǒng)的理化指標外,近年來,土壤質量評價更加關注微生物指標的篩選,并將其與理化指標搭配使用構建最小數(shù)據(jù)集,以提高評價效果。土壤酶活性、微生物多樣性、微生物量等是較為常見的微生物評價指標。其中,土壤常用的酶活性指標包括β-葡萄糖苷酶、過氧化氫酶、脲酶、脫氫酶、磷酸酶等。土壤酶參與土壤有機質的分解、轉化、礦化等環(huán)節(jié)[40-41],是響應土壤生產力水平和質量變化的敏感指標[42]。Liu等[43]應用酸性磷酸酶、總細菌和總氮等指標構建最小數(shù)據(jù)集評價酸性紫土區(qū)的水稻土土壤質量,發(fā)現(xiàn)該數(shù)據(jù)集能反映土壤質量變異的82.1%。Liu等[44]建立以全氮、速效鉀、微生物量碳、β-葡萄糖苷酶、總細菌和叢枝菌根真菌為主體的最小數(shù)據(jù)集評價稻田土壤質量,發(fā)現(xiàn)與高生產力水平相比,在低生產力水平下,土壤脲酶、磷酸酶和β-葡萄糖苷酶的活性分別顯著降低31.7%、17.6%和24.2%,但土壤脫氫酶活性在不同生產力水平下無顯著差異。Liu等[45]在評價油茶林的土壤質量時發(fā)現(xiàn)相似結果,即土壤過氧化氫酶、脲酶、蔗糖酶、磷酸酶的活性與茶林生產力水平呈正相關關系,其中,過氧化氫酶可作為評價油茶林土壤質量的合適指標。綜上,土壤酶活性指標在土壤質量評價中具有一定的代表性,目前的研究重點關注土壤酶活性指標與土壤生產力水平的響應關系,對土壤酶活性在不同土壤類型、種植管理方式下的響應機理,以及土壤酶活性指標在土壤質量中的賦權等尚未開展系統(tǒng)研究。

(2)微生物多樣性。土壤微生物多樣性能直觀反映土壤生態(tài)系統(tǒng)結構和功能的變化[46],將其作為評價指標引入土壤質量/健康評價體系是近年來的研究熱點,常用指標包括微生物多樣性指數(shù)、豐富度指數(shù)和均勻度指數(shù),但也有學者將細菌功能多樣性、真菌功能多樣性和核心功能微生物納入土壤質量評價指標體系[47]。Lin等[48]利用酸堿度、有機質、速效鉀、全氮、微生物量碳、細菌功能多樣性、細菌香農指數(shù)、細菌Chao1指數(shù)和真菌香農指數(shù)構建最小數(shù)據(jù)集評價土壤質量,該數(shù)據(jù)集能夠反映土壤質量變化的73.17%,并發(fā)現(xiàn)溝渠建設和增施有機肥等土壤整治措施能顯著提高細菌香農指數(shù)、真菌香農指數(shù)和細菌功能多樣性,增強與土壤氮循環(huán)、反硝化和呼吸作用相關功能的基因豐度。Kim等[47]研究發(fā)現(xiàn),在農田與森林2種土地利用方式下,土壤優(yōu)勢菌種存在顯著差異,Actinomadurarifamycini、Azospirillumagricola、Gelriaglutamica等6種優(yōu)勢菌種只存在于森林土壤中,參與土壤氮循環(huán)、植物致病性和物質降解過程的優(yōu)勢菌種分別為Actinomadurarifamycini、Chthoniobacterflavus和Gelriaglutamica,這些菌種在指征土壤健康方面具有潛力。由此可見,土壤質量/健康評價中的微生物多樣性指標選取從僅關注多樣性、豐富度和均勻度指數(shù)起步,逐漸深入到微生物功能多樣性、核心功能微生物上,基于分子-生物宏基因組數(shù)據(jù)尋找指征土壤質量變異的核心功能微生物或優(yōu)勢菌種是當前的研究重點,探尋核心功能微生物生態(tài)功能與土壤質量之間的關系,進而評價和預測土壤質量/健康,并結合大數(shù)據(jù)分析,通過確定不同土壤類型下的核心功能微生物變化,有助于推動土壤微生物多樣性指標在土壤質量評價中的進一步應用。

(3)微生物量。微生物量反映了參與調控土壤養(yǎng)分循環(huán)與有機物質轉化所對應的微生物的數(shù)量,與土壤生產力水平顯著相關,其中,微生物量碳、微生物量氮和微生物量磷是評估土壤質量/健康狀況的常見微生物指標。Liu等[49]在評價稻田土壤質量時選用叢枝菌根真菌、微生物量碳、有效硅、有效鉀和總氮構建最小數(shù)據(jù)集,該數(shù)據(jù)集可反映土壤質量變化的93.84%,其中,微生物量碳在該數(shù)據(jù)集中所占權重最高(0.25)。該研究還發(fā)現(xiàn),低生產力水平土壤的微生物量碳含量較高生產力水平土壤低52.08%。Li等[36]的研究也發(fā)現(xiàn),高生產力水平土壤的微生物量氮與總氮的比較低生產力水平土壤高出15.3%,用有機質、堿解氮、微生物量氮與總氮的比和有效鋅構建最小數(shù)據(jù)集評價麥田土壤質量,能夠反映土壤質量變異的76.11%。Wang等[50]選用全氮、微生物量碳、全磷、全鉀、砂含量和鹽度評價濕地土壤質量,數(shù)據(jù)集可反映土壤質量變化的83.83%。Deng等[51]選用酸堿度、全氮、交換性鈣、微生物量氮、微生物量磷、黏土含量和毛管孔隙度構建最小數(shù)據(jù)集評價喀斯特石漠化地區(qū)的土壤質量,與重度石漠化地區(qū)相比,輕度石漠化地區(qū)的土壤微生物量磷降低70.6%,微生物量氮降低27.6%。綜上,微生物量在土壤質量/健康評價中具有一定的代表性和敏感性,土壤微生物量與不同生產力水平、不同土壤類型和同種土壤類型的不同演替級別之間存在響應關系,但其交互機制尚不明確,今后還需進一步明確土壤耕作方式、水文條件和管理模式等因素與土壤微生物評價指標的關系,完善其在土壤質量評價體系中的實際應用。

3 結語

近10年來,世界范圍內對土壤質量/健康評價領域研究的關注程度日益升高。在該領域內,我國學者的發(fā)文量居世界首位,但文章整體影響力還有待進一步增強,荷蘭學者發(fā)表論文的影響力較強。當前,土壤質量/健康評價領域的研究熱點可分為土壤健康與生態(tài)系統(tǒng)服務、土壤功能之間的關系,最小數(shù)據(jù)集、評價指標篩選方法和微生物評價指標3類,其中,主成分分析和土壤管理評估框架是當前最常用的指標篩選和評價方法。該領域的研究熱點逐漸從關注土壤質量/健康評價理化指標變到評價方法建立,再變到土壤動態(tài)評價指標構建,如微生物指標的篩選上來。微生物指標以土壤酶活性指標、微生物多樣性和微生物量等指標為主。機器學習算法,如隨機森林和神經(jīng)網(wǎng)絡模型開始廣泛應用于土壤質量評價領域。然而,當前研究大多集中于多種模型的比較或模型精度的提高上,尚缺乏對不同尺度下特定區(qū)域的應用比較,和評價模型在不同應用模式下的效果驗證。在挖掘和篩選土壤微生物信息評價指標上,應結合現(xiàn)代生物技術和大數(shù)據(jù)分析,厘清不同土壤類型、種植體系下的關鍵功能微生物,建立關鍵功能微生物與土壤質量之間的內在聯(lián)系,以進一步完善和提升土壤質量/健康評價體系。