【目的】作为重要的自然环境与社会发展要素,农业水资源是人类进行农业生产活动的重要基础,对于保障粮食安全具有重要作用。文章对农业水资源监测领域研究态势进行定量分析,为未来研究提供参考依据。【方法】基于文献计量学方法,利用Web of Science核心数据库检索,应用VOSviewer、CiteSpace和Derwent Data Analyzer等软件构建文献数据的关系和可视化,分析1999—2018年农业水资源监测领域发文量趋势、主要研究力量和研究热点。【结果】(1)全球发文量呈上升趋势,2008年后发展速度明显提升,中国的发文量趋势与全球发展基本保持一致,整体处于上升趋势。(2)欧盟、美国、中国、澳大利亚和加拿大为全球在农业水资源监测技术领域的主要研究国家/地区,中国的发文量持续攀升但篇均被引较低。在前5名科研机构中,中国科学院发文量最高,美国地质调查局的篇均被引位居第1。(3)在研究热点方面,水质(water quality)是农业水资源持续监测的热点,近10年,气候变化(climate-change)成为关注的热点。【结论】目前,美国和欧盟在该领域具有较高发展水平,中国虽然在发文量上具有较快发展,但研究的竞争力有待提高。未来的农业水资源监测需从系统性和整体性等多角度开展研究,综合集成多源数据、多技术研发、大数据平台,实现农业水资源的可持续发展。
【目的】利用文献计量方法,对农业土地资源监测领域研究态势进行定量分析,系统归纳其发展特征及研究热点,为该领域未来的发展方向提供参考。【方法】基于Science Citation Index Expanded(SCIE)数据库,利用Derwent Data Analyzer(DDA)等分析工具,采用计量分析方法,分析1999—2018年农业土地资源监测领域的发展趋势、主要研究力量及研究热点演变趋势等。【结果】(1)1999—2018年,全球该领域论文发表量整体处于上升趋势,2006年之后进入快速增长阶段。其中,美国在该领域发文量位居第2、论文总被引频次位居第1、篇均被引位居第2,占据主导地位。中国在2012年后呈快速发展趋势,发文量及总被引频次位居第3,但篇均被引及发文期刊与其他主要国家/地区仍存在较大差距。(2)该领域发文量排名前5的研究机构中,中国有3个,美国有2个,其中最活跃的机构是中国科学院。但从发表论文的篇均被引情况看,美国科研机构远高于中国。(3)研究内容上,农业土地资源监测领域研究热点逐渐从土地利用变化、土壤水分、氮等方面向生态系统服务、生物多样性、有机碳、镉污染等方向延伸。(4)研究方法上,前期对模型、GIS应用较多,随着技术的发展及数据的多源化,遥感监测成为主导,情景分析及数据同化也成为新的趋势。【结论】目前,美国在该领域具有较强的竞争力,中国虽然后期有较快发展,但其研究竞争力和创新性有待提高。农业土地利用变化、土壤肥力等是农业土地资源监测领域长期关注的研究热点,虽然逐步外延至对土壤污染、生态系统等方向的监测,但其研究相对薄弱。未来可进一步开展多源数据融合技术,提高数据的利用效率。通过发展多尺度、多技术融合的监测方法,提高农业土地资源监测的精度和时效性,同时应加强对农业土地资源利用的生态环境效应监测,确保农业土
农作物遥感识别是地理学和生态学研究的前沿和热点,多源数据在农作遥感识别中日益发挥重要作用。笔者从多源数据融合的角度,归纳了2000年后多源数据在农作物遥感识别中应用的总体概况,系统梳理并提炼了当前多源数据融合的主要融合技术和融合模式。围绕与多源数据融合和农作物遥感识别相关的关键词,在Google学术、ISI Web of Knowledge和中国知网中对2000—2014年间国内外发表的论文进行检索,并统计不同传感器的使用频率及结合方式。研究表明,以提高空间分辨率为目标的多源数据融合和以提高时间分辨率为目标的多源数据融合技术是当前的两种主要方式,可以在一定程度上实现时空尺度的扩展。前者的融合技术包括图像融合、正态模糊分布神经网络模型、成分替换、半经验数据模型融合及多分辨率小波分解等,可以提升遥感数据的空间分解力和清晰度,较好弱化混合像元产生的影响,但农作物光谱信息有一定程度的丢失或扭曲,农作物空间分布局部细节信息与纹理特征依然会缺失;后者的融合技术形式灵活多样,可分为同源数据联合扩展时序的时空优化技术和异源数据联合扩展时序的时空优化技术,其可以有效排除短时间段内农作物生育期交叉,但易受不同遥感数据源间光谱反射率或植被指数转换模型及光谱波段设置差异的影响。在融合模式方面,根据数据类型分为光学数据的融合、光学数据与微波数据的融合以及遥感与非遥感数据的融合,以实现卫星资源优势互补为宗旨,充分挖掘不同类型农作物在遥感数据上呈现的光谱、时间和空间特征差异信息。同样,农作物遥感识别研究中的多源遥感数据融合也存在诸多挑战,在未来一段时间内,完善不同传感器之间的合作、更深层次挖掘融合信息以及多尺度长时间序列的中高分辨率农作物空间分布数据
