image
Home Journals Journal of Agriculture
Journal of Agriculture

Abbreviation (ISO4): Journal of Agriculture      Editor in chief: Shiyan QIAO

About  /  Aim & scope  /  Editorial board  /  Indexed  /  Contact  / 
Online first  /  Current issue  /  All issues  /  Top access  /  RSS

Journal of Agriculture >

2020 , Vol. 10 >Issue 7: 56 - 61

DOI: https://doi.org/10.11923/j.issn.2095-4050.cjas20190600080

Visualization Analysis of Agricultural Non-point Source Pollution

  • Wang Bo ,
  • Lin Xiaobo ,
  • Li Wenfen
Expand
  • Zhuhai Campus, Beijing Normal University, Zhuhai 519085, Guangdong, China

Received date: 2019-06-14

  Request revised date: 2019-11-25

  Online published: 2020-07-16

Copyright

Copyright reserved © 2020. Chinese Agricultural Association. All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Agricultural Association or the Editorial Board, unless this is clearly specified.
Fold

Abstract

To understand the current situation of agricultural non-point source pollution research, this study analyzed 1000 representative papers (including core journal papers, master theses and doctoral dissertations) on agricultural non-point source pollution in CNKI from 2008 to 2019. On this foundation, the future development trend of agricultural non-point source pollution research in China was forecasted by obtaining the current research content and hot spots in this field. The research status and development trend in this field were analyzed by visual analysis method. The results show that the research field of agricultural non-point source pollution has developed. The total amount of articles has an upward trend; high-frequency vocabulary mainly includes chemical fertilizer, livestock manure and farmers. From the time line, the previous studies focus on the status of pollution, the pollution load of the target area, the surface and underground runoff, and the use of fertilizers. In the later period, the prevention and control of non-point source pollution in agriculture, the national control policy and pollution control technology are high-frequency words, indicating that more and more attention has been paid to the prevention and control of non-point source pollution. The results of this study could provide some reference data for the prevention and control of agricultural non-point source pollution and policy formulation in China.

Key words： Non-point Source Pollution; Visualization Analysis; Clustering; Prevention and Control

Cite this article

Wang Bo , Lin Xiaobo , Li Wenfen . Visualization Analysis of Agricultural Non-point Source Pollution[J]. Journal of Agriculture, 2020 , 10(7) : 56 -61 . DOI: 10.11923/j.issn.2095-4050.cjas20190600080

0 引言

面源污染,又称为非点源污染,是指在不确定的时空位置,污染源以较为广泛、少量的形式散布至地表或地下水体而造成的污染[1]。农业面源污染主要来源于化学肥料、农药、农业用合成工具及畜牧业禽畜粪便等在农业生产中的使用,上述物质的残留会通过农田地表径流和农田渗漏引起区域河流湖泊及地下水的污染[2]。自20世纪80年代以来,中国农业经济发展迅速,未经处理的污水、禽畜粪便、残留化学肥料、未经降解的合成农业用品等成为一个巨大的隐患,提供有效的控制和治理农业面源污染的方案已经成为重点。
为对近年来农业面源污染研究领域现状和发展趋势进行分析,笔者采用文献计量学科中的可视化分析方法[3],对CNKI中2008—2019年国内农业面源污染研究进行总结,发掘、探讨该领域的研究热点,并对农业面源污染研究领域未来的发展趋势和研究方向做出预测[4]。

1 数据来源和研究方法

1.1 数据来源

所有数据均来源于CNKI上的期刊和硕博士论文,并对检索结果中出现的一些不具有研究价值的通知及简报予以删除。在CNKI页面的高级检索框下输入“农业面源污染”,时间跨度选择2008—2019年,可以得到4033条结果,点击选择其中下载量和被引用次数最多的1000篇,作为Citespace可视化分析的数据基础。

1.2 工具

本研究使用CitespaceV可视化分析软件和Excel软件。
Citespace主要是通过可视化的手段呈现文献研究内容的重点知识结构和分布规律,呈现出某一时间段内指定研究领域的主体骨架,因此将通过此类方法分析得到的可视化图形称为“知识图”[5]。

1.3 研究方法

通过共词分析法、词频分析法和聚类分析法3种方法绘制知识共现图谱。
1.3.1 共词分析 指一组名词在同一篇文献中出现的次数,再将这些词进行聚类分析,结果能一定程度上反映这些词之间的关系[6]。来源于文献计量学中的共同被引用概念,指两篇文献在之后的其他文献中同时被引用,表明这两篇文献在某些方面具有一定的关联[7]。
1.3.2 词频分析 统计关键词、主题词在某一研究领域文献中出现的频率,对此研究领域的热点、前沿和发展趋势加以分析的方法。
1.3.3 聚类分析 根据研究对象的性质和特点,将相同特征的分为一类,以减少研究对象,突出研究中不同侧重点[8]。

2 结果与分析

2.1 发文量年度分析

在知网的高级检索功能中输入指定年份,搜索历年农业面源污染领域的全部文献,并将所得数据进行汇总。由图1可知,近年来农业面源污染领域研究的发文数量整体呈现上升的趋势。2014—2017年是农业面源污染领域研究的高峰时期,2015年论文发表数量最多,达406篇。2019年发文量的检索时间是2019年4月10日,为52篇,并不能代表2019年的所有发文量。据此可以看出,自2008年以来,国内农业面源污染领域的研究呈现持续升温的趋势。
图1 中国农业面源污染研究发文量年度趋势图

2.2 关键词分析

2.2.1 高频词聚类分析与共同出现分析 打开CitespaceV界面,点击2008—2019年作为时间线,在Node type选项里点击选“Keyword”,阈值设置为Top 50per slice、thresholding(c, cc, ccv)设置为(2, 2, 20),选择Pathfinder算法精简网络,最后得到 163个节点、181条链接线、密度0.0137的关键词聚类共现图形（图2）。节点为十字,节点大小与关键词字体显著相关,节点越大,表明该关键词总体出现频率越高[9]。关键词之间的连线代表2个关键词经常在一篇文献里一起出现,连线越粗表明共同出现频次越高。
图2 2008—2019年农业面源污染研究关键词聚类分析图谱
图2可以看出,2008—2019年农业面源污染领域研究出现较多的关键词主要有163个,其中出现频率最高的为农业面源污染、防治对策、污染负荷、氮磷流失、农户等。图2中每块大小不一的绿色区域表示聚类过后,具有相同特征的关键词。图2右方农业面源污染聚类区域,农业面源污染为核心词,与防治对策、环境库兹涅茨曲线和生态补偿机制等高频词均有连线,说明它们经常在文献里共同出现并且在这些文献里它们具有相同的特征。
2.2.2 高频词分析 图3为热点分析图,strength代表膨胀系数,红色区域长度代表主题词的突变时间的长度[10]。
由图3可知,2008—2019年农业面源污染研究中涉及到的学科热点主要有25个,其中膨胀系数较高的是三峡库区(3.5848)、人工湿地(3.0658)、模型(2.6151)、化肥(2.5347)。三峡库区之所以成为农业面源污染领域高频词,其中一个很重要的原因是三峡库区是全国重要的水资源保护区之一,长江沿岸遍布的农业区、工业区带来的污染是中国长期面临的环境问题,区域非点源污染问题突出[11],是长江中上游生态环境治理的重中之重[12]。三峡库区面源污染研究在2003—2005年这段时间里保持稳定,包括国家牵头的“三峡库区水污染控制研究”等专题研究计划,年平均发文量在15篇左右。2005年之后,可检索到的相关文章数量持续增加,呈跳跃式增长,表明三峡库区非点源污染研究日益得到重视,成为学者研究的热点,也反映出随着区域点源污染得到有效控制,以农业面源污染为主的非点源污染研究正成为改善三峡库区生态环境的关键[13]。
图3 2008—2019农业面源污染研究学科热点分析
另一个非常重要的关键词是化肥。国内农业面源污染有畜禽粪便污染、农业化肥污染、农田固体废物污染和农村生活污染等方面[14]。其中农业化肥污染对生态环境的影响最为严重,并且过去很长一段时间里国内农业生产十分依赖化肥,农业产量至少有1/4是靠化肥等化学物质取得的[15]。
治理、防治和控制政策3个关键词虽然出现的频率不是最高的,但却对未来农业面源污染研究有着深远的意义。这3个关键词的突变时间都在2012年后,意味着国内对于农业面源污染防控措施的研究起步较晚,未来仍有很大的发展空间。国内近年关于农业面源污染防治策略主要包括4个方面,即控制污染源、排污过程阻断、污染物养分回收再利用和水生生态系统修复。其中涉及污染源控制研究的文献最多[16,17]。控制污染源是最为有效的方法,因为造成农业面源污染的直接原因是化学肥料等养分利用效率低且肥料投入过量,导致农田中氮和磷的过度排放[18]。
畜牧业区域畜禽粪便是农业面源污染的一大来源[19],而种植业中化学合成肥料及化学农药的过量使用也是造成污染的重大因素,这两者都与关键词农户密不可分。农户是生产的基本单位,农户是否具有环境保护意识,对污染防控知识掌握的多少及掌握的程度,直接影响着区域甚至国家的生态环境,农户对农业面源污染防止与治理的影响十分深远[20]。在很长一段时间里,国内种植业和畜禽业的模式存在不足,管理非常不集中,使得大范围地规范农户生产养殖行为变得困难。以农村为例,农村的农业生产以户为单位,每家每户在生产中农药使用量、耕作方式、排污途径等都不尽相同,污染的出现具有不确定性,难以及时发现[21]。出现污染问题后,政府几乎无法界定造成污染的主要责任方,治理污染、规范农户农业行为和贯彻国家政策也变得不容易。研究中国农业面源污染问题从农户角度考虑是有必要的。
2.2.3 关键词突显时间分析 图4清楚地揭示了2008—2019年4月10日研究热点的变换,左下角2008年初始高频关键词为农业面源污染、农业、防治对策与源解析,这几个词彼此之间联系十分紧密,且在2008年大量农业面源污染研究领域的文献中共同出现。其中,2011年突显的关键词是整个时间段里最多的,字体最大的是农户、等标污染负荷和土地利用。相同标准污染负荷是在一个混合有多种污染物的系统里,人们用来鉴别和确定其中的一种或主要几种污染物时使用的公式,某种污染物的等标负荷=该污染物排放量/污染物的浓度排放标准[22]。3个词结合起来分析发现,2011年研究中国农业面源污染领域的人员开始把注意力放在农业的基本单位农户上,这也验证了前文关键词“农户”的准确性。通过研究农户的个体行为、排放污染物的类型及处理污染物的方法寻找中国农业面源污染的成因[23]。
图4 2008—2019高频词突显时间可视化视图

2.3 机构分析

在CitespaceV界面中,时间区间选择2008—2019年,Node type选择“institution”,阈值设置为Top 50 per slice,最后得到19条链接线、密度0.0162、49个节点的研究机构图形。节点为轮状,节点面积越大,研究机构字体越大,说明该机构总体频次越高,表明该机构发文量越多。机构之间的连线意味着合作关系,连线越粗表示共同出现的频率越多[24]。
由图5可知,49个机构中以西南大学资源环境学院研究最多,发文量最多,被引用的文献数量也最多。西南大学资源环境学院的圆圈绿色年轮区域很大,表明此机构发表的论文在2008—2019年4月这段时间的中心段被大量的引用[25];蓝色年轮区域表示此机构论文在2008—2019年4月这段时间的前期被引用的次数较多,表明西南大学环境资源学院在此领域处于领先地位。图5显示西南大学资源环境学院和宜春学院经济管理学院在农业面源污染研究领域中共同出现的频次较高,可以看出这2所机构不但有合作,而且研究内容较为相近。
图5 2008—2019年中国农业面源污染研究机构可视化图谱
2008—2019年对于农业面源污染研究领域比较突出的有49个机构,选择排名前6的机构加以分析。其中膨胀系数最大的是宜春学院经济管理学院。膨胀系数大说明该研究机构在该时间段处于核心地位。由图6可知,中国农业科学院农业环境与可持续发展研究所的突变时间最长,从2012年开始到2015年结束。农业部农村经济研究中心的突变时间也为4年。其余3个研究机构的突变时间大多为2~3年。整体而言,尽管这6个研究机构的膨胀系数和突变时间都不尽相同,但它们对于农业面源污染的研究都有着突出的贡献。
图6 2008—2019中国农业面源污染研究热点机构分析

3 结论

（1）中国国内关于农业面源污染的研究2008—2019年稳步上升,虽然其中3年有些许下降,但总体上说发文量逐步上升,对此领域的探究也越来越多。整体上看,农业面源污染的研究经常与化肥、农户、磷、氮等主题词共同出现,它们之间具有密不可分的关系。
（2）从2008—2019年的时间线可以发现,前期的研究主要在中国国内面源污染较为严重的地区（如江苏省、三峡库区等）展开,研究重点集中在污染的现状、目标地区的污染负荷、地表及地下径流的情况、化肥的使用量及国家对农户的政策等方面。而后期,农业面源污染的防控防治、国家的控制政策、污染控制技术等字眼作为高频词开始出现。这样的规律也体现了此段时间国内研究的一个过程,即从研究污染的现状及原因,深入到研究污染的防治政策,甚至到最后开始为国家制定污染的防控政策。
（3）2008—2019年在中国农业面源污染研究领域较有话语权的机构是西南大学资源环境学院,发文量、被引用次数都处于领先地位。但在中国农业面源污染研究领域,国内的机构显然缺乏合作,没有形成长期的多机构之间的合作。

4 结语

Citespac软件是目前文献分析中较具影响力的可视化分析工具,应用前景广泛;农业面源污染不仅影响农村经济的发展,还是制约推进新农村建设的一个重要因素,近年来相关研究逐渐增加,因此,分析农业面源污染研究现状,寻找其热点问题,具有一定的理论意义,目前相关报道较少。本研究通过对农业面源污染研究领域整体脉络实现可视化呈现,利用词频分析法、聚类分析法等手段,总结本领域研究热点和前沿方向,为今后农业面源污染治理的研究提供一定的参考。例如本研究中总结出的关键词包括化肥、禽畜粪便等,是今后农业面源污染治理的主要减排对象。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张艳娇, 赵玲. 海东市农业面源污染现状及对策[J]. 安徽农业科学, 2019,47(7):70-72,82.

[2]
Li P J. Exponential Growth, Animal Welfare, Environmental and Food Safety Impact: The Case of China’s Livestock Production[J]. Journal of Agricultural & Environmental Ethics, 2009,22(3):217-240.

[3]
Ekanayake E M A C, Geoffrey S, Mohan M K. Mapping the knowledge domains of value management: a bibliometric approach[J]. Engineering, Construction and Architectural Management, 2019,26(3):499-514.

[4]
李晓虎. 近10年畜禽粪便研究可视化分析[D]. 呼和浩特:内蒙古大学, 2018.

[5]
陈悦, 陈超美, 刘则渊, 等. CiteSpace知识图谱的方法论功能[J]. 科学学研究, 2015,33(2):242-253.

[6]
崔雷, 郑华川. 关于从MEDLINE数据库中进行知识抽取和挖掘的研究进展[J]. 情报学报, 2003,22(4):425-433.

[7]
冯璐, 冷伏海. 共词分析方法理论进展[J]. 中国图书馆学报, 2006,32(2):88-92.

[8]
钟伟金, 李佳, 杨兴菊. 共词分析法研究(三)——共词聚类分析法的原理与特点[J].情报志, 2008(7):118-120.

[9]
夏立新, 王凯利, 程秀峰. 我国知识图谱研究演进特征可视化分析[J]. 情报科学, 2019,37(3):9-16,74.

[10]
陈必坤. 学科知识可视化分析研究[D]. 武汉:武汉大学, 2014.

[11]
李瑞雪, 余长明, 倪九派, 等. 三峡库区农业非点源污染的思考[J]. 中国农学通报, 2005,21(9):372-375.

[12]
宗乾进, 袁勤俭, 沈洪洲, 等. 2001 -2010年国内情报学研究回顾与展望——基于知识图谱的当代学科发展动向研究[J]. 情报资料工作, 2012(1):11-16.

[13]
侯伟, 廖晓勇, 刘晓丽, 等. 三峡库区非点源污染研究进展[J]. 福建林业科技, 2013,40(4):208-218.

[14]
梁流涛, 冯淑怡, 曲福田. 农业面源污染形成机制:理论与实证[J]. 中国人口与资源与环境, 2010,20(4):74-80.

[15]
沈景文. 化肥农药和污灌对地下水的污染[J].农业环境科学学报, 1992(3):137-139.

[16]
孟祥海. 中国畜牧业环境污染防治问题研究[D]. 武汉:华中农业大学, 2014.

[17]
杨林章, 冯彦房, 施卫明, 等. 我国农业面源污染治理技术研究进展[J]. 中国生态农业学报, 2013,21(1):96-101.

[18]
Sun B, Zhang L X, Yang L Z, et al. Agricultural non-point Source Pollution in China: causes and mitigation measures. Ambio, 2012,41(4):370-379.

[19]
尹芳, 张无敌, 赵兴玲, 等. 农业面源污染对农业可持续发展影响分析[J]. 灾害学, 2018,33(2):151-153.

[20]
章明奎. 我国农业面源污染可持续防控政策与技术的探讨[J]. 浙江农业科学, 2015,56(1):10-14.

[21]
夏支平. 农村公共危机治理研究[D]. 杨凌:西北农林科技大学, 2011.

[22]
Ji Z H, Pei Y S. Bibliographic and visualized analysis of geopolymer research and its application in heavy metal immobilization: A review[J]. Journal of Environmental Management, 2019,231:256-267.

PMID

[23]
Zhu J L, Song L J, Zhu L, et al. Visualizing the landscape and evolution of leadership research[J]. The Leadership Quarterly, 2019,30(2):215-232.

[24]
宋艳辉, 邱均平. 作者共被引视角下的我国竞争情报研究[J].情报资料工作, 2011(5):17-20,52.

[25]
李杰. 安全科学结构及主题演进特征研究[D]. 北京:首都经济贸易大学, 2016.

Options
Outlines

/

〈 〉