为探究机器学习应用于土壤侵蚀领域的研究进展和发展趋势,基于CiteSpace等文献计量工具,借助Web of Science (WOS)核心合集数据库中收录的以机器学习应用于土壤侵蚀领域的相关文献,对该领域研究动态进行可视化展示与分类。结果表明:该...为探究机器学习应用于土壤侵蚀领域的研究进展和发展趋势,基于CiteSpace等文献计量工具,借助Web of Science (WOS)核心合集数据库中收录的以机器学习应用于土壤侵蚀领域的相关文献,对该领域研究动态进行可视化展示与分类。结果表明:该领域研究成果不断增长,尤其2014年后呈指数型增加;中国是该领域内发文量与被引量最多的国家,但中介中心性低于伊朗、美国;侵蚀敏感性分析是热点问题,大多数研究者目标是基于机器学习相较传统模型分析更快更精准的特点,开发高效侵蚀预测模型;深度学习和各类回归算法是广大研究者常用的方法。未来,研究者们应充分利用不同机器学习方法的特性,探索最新的深度学习预测性能,提高复杂环境条件下土壤侵蚀的预测预报精度,揭示主要影响因子的贡献及因子之间的相关作用机制。展开更多
为了解土壤有机碳矿化的研究进展和未来发展趋势,以Web of Science核心合集数据库中1045篇土壤有机碳矿化的研究论文为数据源,通过CiteSpace、VOS viewer和GIS分别以发文数量、总/平均被引频次等为指标,对国家、机构、作者等进行了分类...为了解土壤有机碳矿化的研究进展和未来发展趋势,以Web of Science核心合集数据库中1045篇土壤有机碳矿化的研究论文为数据源,通过CiteSpace、VOS viewer和GIS分别以发文数量、总/平均被引频次等为指标,对国家、机构、作者等进行了分类与可视化展示。结果表明:1982—2020年间,土壤有机碳矿化研究的发文数量不断增长,尤其是1993—2019年。美国总发文量第一且中介中心性较高,影响力较大;中国在2016年后年均发文数量第一但需加强科研创新性;目前形成了联系紧密的核心作者群,研究机构以中国科学院发文数量最多,但国家以德国和法国的国际影响力最大。土壤有机碳矿化的研究是基于多个学科、多个领域的知识相互融合而开展的,研究热点集中在土壤类型、环境因素和土地利用的变化对土壤有机碳的矿化量、周转情况及时空分布特征的影响上。未来应加强不同条件下土壤有机碳矿化的内在机制与模型研究,同时应更加注重对激发效应、土壤侵蚀以及外源碳氮添加等研究主题的关注度。展开更多
文摘为探究机器学习应用于土壤侵蚀领域的研究进展和发展趋势,基于CiteSpace等文献计量工具,借助Web of Science (WOS)核心合集数据库中收录的以机器学习应用于土壤侵蚀领域的相关文献,对该领域研究动态进行可视化展示与分类。结果表明:该领域研究成果不断增长,尤其2014年后呈指数型增加;中国是该领域内发文量与被引量最多的国家,但中介中心性低于伊朗、美国;侵蚀敏感性分析是热点问题,大多数研究者目标是基于机器学习相较传统模型分析更快更精准的特点,开发高效侵蚀预测模型;深度学习和各类回归算法是广大研究者常用的方法。未来,研究者们应充分利用不同机器学习方法的特性,探索最新的深度学习预测性能,提高复杂环境条件下土壤侵蚀的预测预报精度,揭示主要影响因子的贡献及因子之间的相关作用机制。
文摘为了解土壤有机碳矿化的研究进展和未来发展趋势,以Web of Science核心合集数据库中1045篇土壤有机碳矿化的研究论文为数据源,通过CiteSpace、VOS viewer和GIS分别以发文数量、总/平均被引频次等为指标,对国家、机构、作者等进行了分类与可视化展示。结果表明:1982—2020年间,土壤有机碳矿化研究的发文数量不断增长,尤其是1993—2019年。美国总发文量第一且中介中心性较高,影响力较大;中国在2016年后年均发文数量第一但需加强科研创新性;目前形成了联系紧密的核心作者群,研究机构以中国科学院发文数量最多,但国家以德国和法国的国际影响力最大。土壤有机碳矿化的研究是基于多个学科、多个领域的知识相互融合而开展的,研究热点集中在土壤类型、环境因素和土地利用的变化对土壤有机碳的矿化量、周转情况及时空分布特征的影响上。未来应加强不同条件下土壤有机碳矿化的内在机制与模型研究,同时应更加注重对激发效应、土壤侵蚀以及外源碳氮添加等研究主题的关注度。
