EN中文

地球信息科学学报 >

2021 , Vol. 23 >Issue 6: 1002 - 1016

DOI: https://doi.org/10.12082/dqxxkx.2021.200431

地理空间分析综合应用

知识图谱在构建东北土地环境研究知识谱系中的应用

  • 郑翔天 , 1 ,
  • 关思萍 1 ,
  • 任红鸽 2, 3 ,
  • 徐容乐 4 ,
  • 项波 , 2, *
展开
  • 1.厦门大学物理科学与技术学院,厦门361005
  • 2.中国科学院空天信息创新研究院,北京 100094
  • 3.中国科学院大学,北京100864
  • 4.江西省自然资源档案馆,南昌 330025
*项 波（1979— ）,男,河南南阳人,工程师,主要从事遥感应用研究。E-mail:

郑翔天（1995— ）,男,山西朔州人,硕士生,主要从事遥感金融、知识图谱与数据分析研究。E-mail:

收稿日期: 2020-08-02

  要求修回日期: 2020-10-22

  网络出版日期: 2021-08-25

基金资助

国家重点研发计划项目(2016YFC0503309)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Application of Using Knowledge Graph to Explore the Knowledge Pedigree of the Environmental Researches in Northeast Land

  • ZHENG Xiangtian , 1 ,
  • GUAN Siping 1 ,
  • REN Hongge 2, 3 ,
  • XU Rongle 4 ,
  • XIANG Bo , 2, *
Expand
  • 1. College of Physical Science and Technology, Xiamen University, Xiamen 361005, China
  • 2. Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China
  • 3. Chinese Academy of Sciences, Beijing 100864, China
  • 4. Department of Natural Resources of Jiangxi province, Nanchang 330025, China
*XIANG Bo, E-mail:

Received date: 2020-08-02

  Request revised date: 2020-10-22

  Online published: 2021-08-25

Supported by

National key research and development plan(2016YFC0503309)

Copyright

Copyright reserved © 2021
Fold

摘要

我国东北地区的自然环境状况一直备受关注,其土地沙化、荒漠化、林地草地退化、森林退化、土地盐碱化等土地环境变化的原因及监测一直是科研的焦点。随着“美丽中国中脊带”的提出,位于该线东北段附近的土地环境相关的研究也不断开展。在涉及该区域土地状况的研究中,常用研究方法有实地考察以及基于遥感卫星影像来进行分析,而本文利用知识图谱技术来构建相关文献研究的知识谱系,从另一个角度探究东北土地的环境状况变化因素。首先,由于知识图谱可以广泛探究文本数据之间的关联,且便捷高效,因此本文用科学知识图谱的有关方法对目前探究东北地区土地环境变化影响因素的4318篇CNKI文献进行挖掘,再用关键词共现的方法提取大量文献中已探明的目标因素,从而构建比较全面的基于东北地区环境研究的知识谱系,这一方法不仅省时省力,而且可以归纳出比较全面的影响因素;其次,结合聚类分析归纳出影响东北地区土地变化的主要因素,并进行分析。最后,选取词频前十的因素进行汇总,统计得出东北地区土地环境变化的影响因素,如影响土地沙化的因素中,频数最高的关键词有生态环境破坏、水土流失、沙尘暴等,影响土地沙化的因素中,水土流失、土壤沙化、水资源不足等频数最高,这些因素分别代表了我国东北地区土地沙化、荒漠化、盐碱化、草地草场退化、林地退化、森林退化以及黑土地退化等土地环境变化的最主要因素。这一方法将为今后从知识图谱文本挖掘的方面深入探究地理、气候等自然现象的影响因素提供新的思路。

关键词： 知识图谱; 东北; 土地沙化; 土地退化; 荒漠化; 盐碱化; 林地草地退化; 森林退化; 黑土地退化

本文引用格式

郑翔天 , 关思萍 , 任红鸽 , 徐容乐 , 项波 . 知识图谱在构建东北土地环境研究知识谱系中的应用[J]. 地球信息科学学报, 2021 , 23(6) : 1002 -1016 . DOI: 10.12082/dqxxkx.2021.200431

Abstract

The natural environment in Northeast China has attracted a wide attention from the public. Land environmental changes such as land desertification, woodland grassland degradation, forest degradation, and land salinization have been the focus of scientific researches. Based on the propose of the "Beautiful China Mid-ridge Belt", researches on land environment near the northeast section of the line are continuing. In these researches, commonly used research methods include field survey and remote sensing images analysis. The knowledge graph technology is a time-saving and labor-saving method to explore the associations between data. So this paper aims to use the method of scientific knowledge map to excavate the current literature (4318 CNKI documents) on the topic of influencing factors of land environment change in Northeast China. The co-occurrence method is used to extract the target factors in literatures, in order to construct a more comprehensive scientific knowledge map. According to the knowledge map, we can summarize the main factors that affect land environmental changes in Northeast China and perform quantitative analysis. Finally we carry out a statistical analysis and select the top ten factors by word frequency that cause environmental changes, such as land desertification, salinization, grassland degradation, woodland degradation, forest degradation, and black land degradation. For example, for the factors that affect land desertification, the keywords with the highest frequency are ecological environment destruction, soil erosion, sandstorms, etc. For the factors that affect land desertification, soil erosion, soil desertification, and water shortages have the highest frequency. This method will provide new ideas for exploring the influencing factors of geography, climate, and other phenomena from the perspective of knowledge map and text mining in the future.

Key words： knowledge graph; Northeast China; land desertification; land degradation; desertification; salinization; woodland grassland degradation; forest degradation; black land degradation

1 引言

科学知识图谱是一种以科学文献为研究对象,结合统计学、计算机科学、文献计量学等理论来构建学科的研究现状、发展历程、趋势热点等图谱的研究方法[1]。科学知识图谱的概念于2003年在美国Mapping Knowledge Domains大会上首次被提出,于2005年被陈悦、刘则渊等[2]引入我国。科学知识图谱在我国的早期应用主要体现在将各个学科进行知识计量和数据处理,进而构建学科的知识结构关系与研究热点[3],如陈悦[4]指出科学知识图谱是以数学方式表达某一科学知识的发展规律,并将其以图形形式展现,从而表达科学知识的发展情况和相关关系,侯海燕,刘则渊等[5]把科学计量学与信息科学等学科结合起来,利用知识图谱对国际研究热点进行分析并判断其发展趋势。
在科学知识图谱中用到的研究方法有多种,文献计量方法如引文分析、共引分析（作者共被引、期刊共被引、学科共被引、文献共被引等）、共现分析（作者共现、关键词共现等）、耦合分析等,统计分析方法有聚类分析、因子分析、多维尺度分析等[6,7,8]。利用这些方法对不同学科的关系内容、发展前沿做可视化分析,是科学知识图谱目前最广泛的应用。目前科学知识图谱应用的领域主要集中在管理学、教育学、图书情报学,其他领域如医学以及地理学也略有涉及[9],如陈超美[10]在2010年对国际情报学方面的文献做引文共被引聚类分析,并基于此得到该领域最主要的聚类主题术语。盛立[11]采用文献计量的方法从生物医学等领域对学科前沿热点进行识别和预测。李伯华等[12]对我国传统村落研究的文献进行知识图谱可视化分析,提出对于传统村落的研究需要在理论、方法、实践路径方面重点关注并进行创新。
由于科学知识图谱在学科发展、趋势探究中起到越来越重要的作用,由此衍生出了CiteSpace、VOSviewer、Pajek、Ucinet、SCI2、Gephi、Histcite等多种图谱绘制工具,并掀起相关的研究热潮。同时,在当前体量越发庞大、种类越发多样的数据面前,越来越多的学者和机构使用知识图谱的方法以及相关工具在不同领域对学科内容、关系等进行可视化的研究,来梳理、解释实体间的关系,并探索新的趋势和热点,这为促进学科发展、探究前沿研究领域提供了参考和借鉴。
我国东北地区的土地自然环境状况一直备受关注,如土地沙化、荒漠化、盐碱化、林地草地退化、森林退化、黑土地退化等等土地环境的现状、产生原因以及解决方案一直是科研人员研究的热点。郭华东[13]在2017年提出“美丽中国中脊带”的概念,期望根据建设“美丽中国”的要求,在“胡焕庸线”这一中脊带区域把生态建设融入经济、文化、社会、政治建设中,为破解“胡焕庸线”提供新的思路和见解。而东北地区位于该中脊带的东部起始端,探究该地区土地环境状况形成的原因对于该地区生环境研究具有重要作用。相对于传统实地考察以及遥感卫星影像分析的方法,知识图谱相关技术能够深入探究目标实体间的网络关系,更加省时省力,可作为新的角度探究东北地区土地生态环境可能的影响因素。因此本文对CNKI中文数据库以及WOS英文数据库中涉及中国东北地区土地沙化、荒漠化、盐碱化、草地退化、林地退化、森林退化等土地环境变化情况的文献进行整体分析,采用构建关键词共现网络的方法绘制科学知识图谱,并以共现关键词为切入点,分析、归纳导致该地区土地退化等现象的原因。
关键词是一篇文章的标识,它来自文献的目录、摘要以及正文,是一篇学术作品中观点和思想的凝结[14]。大量学术文献中的关键词的出现频次不仅体现相关领域对这一内容的重视程度,同时也从侧面印证着研究问题的重点[15],尤其是在涉及土地沙化、林地草地退化、土地盐碱化等土地环境情况方面,大部分的文献都在探讨这一现象的监测状况以及背后的原因和解决措施。基于这一基本事实,本文提出用“中国东北地区土地变化情况”相关文献中的关键词来探索导致这些环境现象的原因,通过筛选提取出最终影响因素,并从检索到的文献中加以印证。

2 数据来源

CNKI是全球最大的中文知识门户网站,Web of Science是全球最大、覆盖学科最多的综合性学术信息资源平台,因此本文从这2个具有代表性和权威性的数据库中查询相关文献来进行研究,并采用美国德雷塞尔大学陈超美教授及其团队开发的CiteSpace[16]软件及Nees Jan van Eck和Ludo Waltman开发的VOSviewer[17]软件对研究目标进行探索,以期获得合适准确的结论。
基于CNKI期刊数据库,选取“土地沙化”、“荒漠化”、“盐碱化”、“森林退化”、“草地退化”、“草场退化”、“林地退化”、“黑土地退化”以及“中国”和“东北”为关键词,其中“中国”和“东北”为“必含”关键词,其他“土地沙化”等为“或含”关键词。最终以精确查找方式检索1980—2019年共40年的文献,得到中文文献数据共4318条。
由CNKI检索文献的总体发文量（图1、图2）可以得出,关于东北地区土地环境变化情况如土地沙化、林地草地退化等有关的研究从1980年起一直处于发展阶段,在2003年的发文量达265篇;之后年度发文量处于波动并呈缓慢下降的趋势。从不同主题发文量（选取发文量最多的前6种为例）的情况可以看到,关键词为“土地退化”的文章发表经历了3个时期：1980—2004年的增长期,2005—2011年的峰值期,2012—2019年的衰减期;关键词“草地退化”与“土地退化”前2个时期相似,最后一个时期的发文量处于波动中;土地荒漠化有关的文献从1993年开始,发文量较少并处于波动中;其他关键词的发文量趋势类似：从1980—2000年的缓慢增长期,到2001—2019年的波动与缓慢减少期,可见上述关键词发文量以及相关研究热点时期主要集中在约2003—2012年。
图1 1980—2018年CNKI检索文献的发文量年度趋势

Fig. 1 Annual trends of CNKI retrieval literature from 1980 to 2018

图2 1980—2018年CNKI检索文献的不同主题发文量统计

Fig. 2 Statistics of CNKI retrieval literature on different topics from 1980 to 2018

3 中文文献知识图谱构建

3.1 绘制科学知识图谱

3.1.1 关键词共现网络
科学知识图谱的绘制过程如图3。基于CNKI数据库1980—2019年共40年的文献共4318条,进行数据预处理以及格式转换等处理并构建相应的科学知识图谱网络。设置时间切片为5年（Slicelength=5）以提高知识图谱在时区上的区分度,选择每一年被引次数最高的前50篇论文（阈值 Top N=50）以涵盖绝大部分热点关键词,生成如下关键词共现网络视图（图4）。年轮整体大小代表关键词出现的频次,年轮不同颜色的区域代表关键词出现的不同时间。
图3 科学知识图谱绘制流程

Fig. 3 flow diagram of drawing process for scientific knowledge map

图4 东北环境影响因素关键词共现网络

注：时间切片为5年: Slicelength=5;选择每一年被引次数最高的前50篇论文;top 50 perslice;聚类密度: density=0.0722。

Fig. 4 Keywords co-occurrence network for environmental factors in the Northeast

从关键词共现网络（图4）中的引文年环（Citationtree-rings）[18]可以得到文献关键词的引文历史情况。以“荒漠化”年轮为例,从中心的紫色到外层的红、橙、黄色代表该关键词从古至今被引用的年份变化,年环厚度反映某一时区内关键词的被引频次,越厚表明该关键词引文数量越多。图中共有节点211个,连线1599条,由图可以看到最大的节点有荒漠化、草地退化、土地沙化、草场退化、土地退化、盐碱化等,这与检索文献用的关键词一致,其他的节点如气候变化、沙尘暴、防沙治沙、气候变化、水土流失、土壤养分等,是检索文献中与检索关键词相关联的其他关键词,这些关键词从其他方面体现着环境主题的影响因素,并与其他因素关键词相互关联,构成整体的知识图谱。
在该关键词网络中使用寻径网络算法（Pathfinder）[19],在生成修剪切片网络（Pruning Sliced Networks）之后修剪合并网络（Pruning the Merged Network）,可以突显图谱的结构特征并简化网络,由此生成更加清晰的图5。
图5 修剪后的东北环境影响因素关键词共现网络

注：时间切片为5年: Slicelength=5;选择每一年被引次数最高的前50篇论文: top 50 perslice;聚类密度: density=0.0131;显示节点个数: N=211。

Fig. 5 Keywords co-occurrence network after pruning for environmental factors in the Northeast

3.1.2 聚类后的关键词共现网络
聚类分析是指将对象的集合划分为由一些相似对象组合而成的多个类别,并进行分析的过程[20],在数学、生物学、计算机系等不同领域都有着广泛的应用。在知识图谱中,聚类分析方法依据实体对象之间的相关度进行分类,使得每一簇内部尽可能相似,不同簇之间尽可能相异,从而揭示不同实体间的关系[21]。
使用聚类视图可以体现不同聚类间的结构关系,并突出某些关键节点及相关的连接[22],能更好地反映不同主题下的关键词网络。由于在这一过程中,数据被划分到不同的类（或簇）,而同一类中的实体都有很大的相似性,不同类之间的差异性较大,因此能够把数据中的不同属性、类别的关键词分别聚合,突显出不同范围内的影响因素关键词,有利于对不同土地环境状况的原因进行整合分析。使用聚类效果后的视图如图6所示。
图6 聚类后的东北环境影响因素关键词共现网络

注：时间切片为5年: Slicelength=5;选择每一年被引次数最高的前50篇论文: top 50 perslice;聚类密度: density=0.0131;显示节点个数: N=211;网络模块化指标: Modularity Q=0.8383;网络同质性指标: Mean Silhouette=0.9482。

Fig. 6 Keywords co-occurrence network after clustering for environmental factors in the Northeast

利用聚类图的2个评价指标——网络模块化指标（Modularity）[23]和网络同质性指标（Silhouette）[24],可以对网络的聚类效果做出综合评价。
网络模块化评价指标通过网络的特征矩阵的特征向量来表达模块化,该指标代表了网络聚类效果的优劣[25],其表达式如下：
Q = 1 2 m = ∑ ij ( a ij - p ij ) σ ( C i , C j )
式中： a ij 表示实际网络邻接矩阵; p ij 表示零模型中节点之间连线边数期望值; σ ( C i , C j ) 取值为1表示节点 i 和 j 节点 属于网络中的同一个模块,取值为0表示不属于同一个模块。 Q 值的范围是[0, 1], Q 值越趋近于1表明网络模块度越高,若 Q > 0.3 表明网络聚类效果是明显的。
网络同质性指标通过衡量网络的同质性来评判网络聚类结果的可信度[25],样本网络同质性的表达式如下：
S ( i ) = 1 - a i b i a i < b ( i ) 0 a i = b ( i ) b i a i - 1 a i > b ( i )
用A表示已为样本 i 分配的聚类集群, a i 表示样本 i 与聚类集群A的所有其他对象的平均差异性,d i , C 表示样本 i 与任意聚类集群C的所有对象的平均差异性, b i 表示 d i , C 的最小值。由公式可知 S 值的范围是[-1,1], S 值越趋近于1表明同质性越高,若 S > 0.5 表明网络聚类结果是合理的,若 S > 0.7 表明网络聚类结果是非常可信的。
图6聚类后的关键词共现网络的 Q 值为0.8383, S 值为0.9482,表明聚类之后能够清晰地界定关键词的各个簇,最终的关键词共现网络有很好的稳定性,聚类效果出众,结果具有很高的可信度,可以进行进一步分析。

3.2 聚类分析结果

3.2.1 聚类关键词统计
聚类结果分别为：#0“盐碱化”,#1“退化草地”,#2“对策”,#3“荒漠化”,#4“沙漠化”,#5“自治区”,#6“沙区”,#7“中华人民共和国”,#8“生产方式”,#9“草场资源”,#10“大洋洲”,#11“产草量”,#12“畜牧业”,#13“森林退化”#14“沙漠化土地”。由于#2、#5、#7、#10聚类关键词与主题无关,而且聚类结果所显示的主题并不代表该聚类下所有其他关键词的集合,如“对策”、“自治区”、“中华人民共和国”等仅代表该聚类里使用频繁的词语,根据本文研究目标对该聚类关键词集合进行重新梳理,除去与导致土地环境变化因素无关的关键词,并用该聚类簇里的其他关键词代替,得到其内部关键词统计如下（选取前6组）：
（1）由表1以及未展示的其他聚类内容可知导致土地沙化的原因与以下聚类关键词（见“#2”,“#4”,“#6”,“#14”）有关：过度放牧、耕地退化、矿区土地破坏、煤田开发等人为破坏,湖泊地貌的变化、防风固沙林的破坏、草场植被减少、草场退化、草原土壤的破坏、自然植被和天然植被的破坏、风蚀、水土流失等生态环境破坏,其他如防沙治沙不及时,森林退化带来的影响以及流动沙丘的影响等。如朱金花等[26]利用遥感和GIS技术对吉林西部的土地沙漠化情况进行研究,并归纳出当地土地沙漠化原因有过度放牧、过度开垦土地、人为砍伐防护林,以及降水不足、风力作用下沙丘移动等;尹奉月[27]也提出过度放牧、过度樵采、过度农垦等人类不当的经营活动是同等气候条件下东北地区沙化的决定性因素;郭坚等[28]通过对东北松嫩地区的遥感监测数据进行分析,指出疏松且干旱的地表在风力的作用下变得粗化,土地质量下降,加速了侵蚀、沙化。
表1 东北环境影响因素聚类关键词统计

Tab. 1 Statistics of clustered keywords

列号 聚类 关键词
#0 盐碱化 盐碱化;盐化土;盐渍土;盐分平衡;化学平衡;渠系利用系数;灌溉农业;农田灌溉;地下淡水;地下水库;地下水矿化度;地下水位;水文地质参数;土壤含盐量;碱化土壤;全盐量
#1 退化草地 退化草地;草场面积;冷地早熟禾;优良牧草;暗栗钙土;高山草甸土;灌丛草甸;草场退化;种草养畜;草地资源;草场资源;草原资源;羊毛产量;北方牧区;草地畜牧业
#2 水土流失（替代原关键词“对策”） 水土流失;农牧交错带;生态环境;耕地退化;生态环境系统;防沙治沙;荒漠化防治政策;草地退化;沙化;载畜量
#3 荒漠化 荒漠化;可持续发展;生态修复;生态经济;中草药种植;环境灾害;水土保持;土壤水分;人地关系;农业开发;人为移动流体;黄土高原;地质灾害;干旱;水资源开发;农业用地;气候变化;种草养畜
#4 沙漠化 沙漠化;矿区土地;生物措施;煤田开发;土地沙化;防风固沙林;生态环境;大风日数;草原土壤;地带性土壤;林业;风蚀;森林退化
#5 森林退化（替代原关键词“自治区”） 森林退化;污染防治;农业生境;环境系统规划;农业生态环境保护;生态破坏;森林覆被率;环境规划;农业环境;草地资源;草场资源;草原资源;羊毛产量;北方牧区;草地畜牧业;种草养畜;草甸;禾本科牧草
（2）土地荒漠化的原因与以下聚类关键词（见“#2”,“#3”）有关：地质灾害、环境灾害的影响,气候干旱、水土保持能力下降、土壤水分流失等环境状况恶化的影响,农业开发和农业用地侵占自然草地、水资源开发带来环境破坏、种草养畜导致水土流失、载畜量超过环境承载力导致土地难以恢复等人类活动的影响。如林年丰等[29]指出植被系统和土被系统的破坏使得土地失去良好的保护层,而上世纪后半叶人口的急剧增加促使过牧,导致河流枯竭、环境破坏、资源紧缺,引发内蒙古至黑龙江地区的荒漠化;陈玉福等[30]以京北浑善达克沙地为例,指出人为破坏如过度放牧导致植被覆盖度下降和土壤质量的下降,是荒漠化的主要原因,其他因素如开垦土地、车辆对土地的破坏、气候干旱等也加速了土地破坏。
（3）导致土地盐碱化的原因与以下聚类关键词（见“#0”,“#10”）有关：农田灌溉带来的土壤盐分平衡失调、地下水状况的失衡。如李取生等[31]指出松嫩平原盐碱化的的主要原因是人为与环境相叠加,环境方面,在湖泊消亡过程中水分蒸发,盐分下渗并沉积,人为方面,植被破坏也加剧了盐碱化,并针对该地区沼泽盐碱化提出建议和措施;盛连喜等[32]同样以松嫩地区为例,指出该地区周围高地岩石经过风化作用渗入地表径流和地下径流,导致地下水中含有大量可溶盐分,加剧了土壤理化性质破坏,最终促使土地盐碱化。
（4）导致森林退化的原因与以下聚类关键词（见“#5”,“#13”）有关：农业环境污染、人口压力、毁林开荒生态破坏等人为因素,土壤有机质减少、生物资源匮乏、水旱灾害、气候变化,生态破坏等环境因素。如吴正方等[33]指出全球气候变化致使东北地区气温升高,植物蒸散量增大,温度带向北移动,湿润森林面积随之缩小;宋启亮[34]指出旱灾、火灾、地震等自然灾害对森林、土地有不同程度的损害,以及人为的砍伐树木加剧了森林退化的程度;王丹等[35]对黑龙江省重点林区森林退化状况进行研究,发现有害生物入侵、环境恶化、气候变化以及人为监管不力导致了该地区的森林退化。
（5）导致草地退化的原因与以下聚类关键词（见“#1”,“#2”,“#9”,“#11”,“#12”）有关：种草养畜、载畜量增多、超载过牧、粗放型经营、牧草利用率较低、草地建设较慢、耕地退化等人类活动,产草量低、草畜平衡失衡、水土流失、风沙天气等环境状况等。如刘黎明等[36]指出病虫害、过度放牧、草地开垦是草地退化的主要原因,随之而产生的土地沙化、水土流失、土壤盐碱化等反过来加剧了草地环境的恶化。
（6）导致草场退化的原因与以下聚类关键词（见“#1”,“#8”,“#12”）有关：过牧、草原建设不充分、畜群结构不合理、专业化饲养程度不高、休牧不及时、载畜量超过环境承载力,以及草场植被破坏、草场恢复不足、糖料作物害虫的影响等。该原因与草地退化原因相近,在很多研究中,两者退化的原因机制不做太大区分。如陈杰[37]等归纳出草场退化、草场荒漠化的原因分为地表植被破坏、土地不适合草场种植、过度放牧与人为管理不当3个方面;曹成有等[38]对东北科尔沁沙地草甸群落的物种多样性进行研究,发现气候干旱、过度放牧等因素是该地区草场退化、草地退化的主要因素。
（7）导致林地退化的原因与以下聚类关键词（见“#2”,“#13”）有关：水土流失,森林退化,植被覆被率减少,毁林开荒,土壤有机质变化,水旱灾害,气候变化等。如刘英男[39]对林地退化的原因进行探究,指出大量的采伐对树木资源造成巨大耗费,以及自然灾害如火灾、病虫害等加剧了林地的消失。
（8）导致黑土地退化的原因与以下聚类关键词（见“#2”,“#4”,“#14”）有关：矿区土地破坏,煤田开发,地带性土壤破坏,风蚀,流动沙丘,天然植被破坏,环境整治不力等。如徐晓斌等[40]指出过度开垦以及掠夺式的经营导致土壤肥力下降、水土保持能力大幅减少,严重破坏了我国东三省的黑土地,并针对该现状提出相应的保护措施。韩晓增等[41]指出在过度开垦黑土地并用作农田的过程中,黑土地土壤肥力被破坏、有机质下降,导致了东北黑土地的退化。
图6中不同聚类色块交叉部分体现了学科交叉研究,表明同一关键词同时与多种环境变化的情况有关。重叠区域大表明这2个方面的影响因素很相似。如草地退化与草场退化重合区域较大,重叠的关键词如“牧业”、“沙化土地”、“畜牧业”体现了过度放牧养殖以及土壤沙化会对加速草地、草场的退化。而“土壤养分”、“群落特征”、“牲畜数量”、“生态治理”对草地退化的影响更大,“草场类型”、“土壤侵蚀”、“牧场”在草场退化中起更重要的作用。
图6中出现“大洋洲”关键词,是由于涉及“荒漠化”的研究文献中,作者会根据其他地区如大洋洲的荒漠化情况做国内环境的分析。
3.2.2 聚类时间线图
时间线图（Timeline）能够很好地表示出文献的历史跨度,以及不同关键词在不同年份的关联程度,方便读者对各个子领域的演化路径有更清晰直观的认知。根据聚类结果的时间线图如图7。图中显示,早在20世纪80年代我国就有针对东北土壤盐碱化、草场退化的大量科学研究,与“盐碱化”有关的关键词如“盐化碱土”、“土地退化”“牲畜”“地下水位”“灌溉农业”表明地下水位的影响、灌溉措施的不足、土壤肥力的退化对土壤盐碱化有很大影响。同样,相应关键词也反映了土壤侵蚀、过度放牧、土地沙化对草场退化影响很大。20世纪80年代末到90年代初,与“水土流失”、“荒漠化”、“沙漠化”有关的关键词大量突显,表明当时东北地区水土流失现象严重,与之有关的“对策”不力、对土地“持续开发利用”等关键词,体现了背后土地荒漠化、沙漠化的原因。“水土流失”关键词时间跨度较大,同时与“荒漠化”、“水资源”、“沙化土地”、“沙尘暴”等关键词联系紧密,表明水土流失这一现象涉及范围较广,影响严重,与土地沙化、土地退化关系密切,一直以来都是东北地区环境治理的关键。随后“治理措施”、“遥感监测”“生态恢复”等关键词的出现表明我国已针对东北地区的环境恶化加大治理措施力度,其态势趋向良好发展。
图7 东北环境影响因素聚类时间线图

注：时间切片为5年: Slicelength=5, 选择每一年被引次数最高的前50篇论文: top 50 perslice, 聚类密度: density=0.0131,显示节点个数: N=211, 网络模块化指标: Modularity Q=0.8383, 网络同质性指标: Mean Silhouette=0.9482。

Fig. 7 Clustering timeline graph for environmental factors in the Northeast

4 英文文献知识图谱构建

4.1 英文文献关键词共现网络

在WOS英文数据库中,以land desertification,desertification,salinization,forest degradation,grassland degradation,woodland degradation,black land degradation以及Northeast和China为检索主题词,设置时间跨度为1980—2019年,提取文献的全记录与引用参考文献的信息,对最终检索到的322条数据进行可视化分析。为了使视图清晰可见,设置时间切片为1年（Slicelength=1）,并选择每一年被引次数最高的前30篇论文（设置阈值Top N=30）进行分析。在英文文献关键词共现网络（图8）中,每个节点代表一个主题词,节点半径大小反映了关键词出现的频率大小,节点间的连线反映文献关键词的引用关系与关联程度,连线越粗表明关键词共现的频率越高,反之频率越低。其中出现较多的关键词有northeastChina,desertification,climate change,degradation,landusechange等,这些关键词与检索的主题相符。
图8 东北环境影响因素英文文献关键词共现网络

注：时间切片为1年: Slicelength=1, 选择每一年被引次数最高的前30 篇论文: top 30 perslice, 聚类密度: density=0.0951,显示节点个数: N=109, 网络模块化指标: Modularity Q=0.338, 网络同质性指标: Mean Silhouette=0.47

Fig. 8 Co-occurrence network of English literature keywords for environmental factors in the Northeast

4.2 英文文献关键词时区视图

关键词时区视图（timezone）与关键词共现网络相比,在时间维度上能够更清晰地表示出关键词的演进趋势、文献之间的相互关联与影响。与关键词共现网络对应的关键词时区视图如图9所示。
图9 东北环境影响因素英文文献关键词时区视图

注：时间切片为1年: Slicelength=1, 选择每一年被引次数最高的前30篇论文: top 30 perslice, 聚类密度: density=0.0951,显示节点个数: N=109, 网络模块化指标: Modularity Q=0.338, 网络同质性指标: Mean Silhouette=0.47。

Fig. 9 Co-occurrence network of English literature keywords for environmental factors in the Northeast

由图9可以得出,国外文献中有关荒漠化的研究最早出现,表明该领域的环境状况最早引起关注,进而引发相应的研究,随后有关土壤降解、土地利用变化、环境变化、有机碳、土壤水平衡等关键词相继出现,表明随着相应的研究不断深入,有关研究文献逐渐涉及土地状况的方方面面,其关键词时区演化大致与中文文献时间历程相似,但由于发文数量较少,故关键词涵盖范围较少,故需要进行聚类分析。

4.3 英文文献关键词聚类视图

对检索的数据进行聚类分析,得到聚类视图如图10所示。
图10 东北环境影响因素英文文献关键词聚类视图

注：时间切片为1年: Slicelength=1, 选择每一年被引次数最高的前50篇论文: top 50 perslice, 聚类密度: density=0.0153,显示节点个数: N=109, 网络模块化指标: Modularity Q=0.6771 网络同质性指标: Mean Silhouette=0.737

Fig. 10 Co-occurrence network of English literature keywords for environmental factors in the Northeast

聚类结果分为12个聚类主题,统计结果如下：#0“分形维数”（fractal dimension）,#1“土壤”（soil）,#2“环境变化”（environmental change）,#3“岩溶”（karst）,#4“全新”（holocene）,#5“中国西北”（northwest china）,#6“土地利用规划”（land-use planning）,#7“遥感”（remote sensing）,#8“干旱地区”（arid region）,#9“大同盆地”（datong basin）,#10“水化学”（hydrochemistry0）,#11“气候变化”（climate change）,#12“绿洲”（oasis）等。

4.4 英文文献聚类关键词统计

由于结果中的部分英文聚类关键词与主题无关,而且聚类结果所显示的关键词并不代表该聚类中所有关键词的集合,例如“fractal dimension”、“northwest china”、“hydrochemistry”等关键词仅代表该聚类网络中出现频率高的词语,统计表中会把这些关键词按照频次顺序放在首位,但是这些关键词与本文研究对象无关,需进行剔除处理,因此对该聚类关键词集合进行重新整理,并转化为中文。经过梳理之后得到其内部关键词统计见表2（选取前6组）。
表2 东北环境影响因素聚类关键词统计

Tab. 2 Statistics of clustered keywords

编号 聚类 关键词
#0 草地退化 土壤;有机碳;地下生物质碳;土壤微生物生物量碳;地上生物量碳;养分;次生土壤盐渍化;土壤化学性质;土壤退化;荒漠化;氮吸收效率;退化的沙质草地;土壤粒径;灌溉水管理;盐渍化;土壤微生物活性;草地退化;毁林
#1 土地荒漠化 荒漠化;土壤压实;气候变化;植被覆盖;时空植被格局;农牧过渡带;森林退化;土壤有机质耗竭;旱地;全球变暖;土壤退化;毁林;植被覆盖率;厄尔尼诺;降雨;过度放牧;气候;温度;土壤侵蚀;土壤有机碳;盐渍化
#2 环境变化 生物多样性;生态恢复;束沙植被;大西洋森林;沉积;降解;环境变化;农牧区环境变化;雨林;牧区土地利用;土壤表面氮平衡;植被;土壤含水量;沙丘;植树造林
#3 土地退化 土地退化;荒漠化;侵蚀;土壤微生物量;土壤微生物活性;土壤质量;水资源量;造林;土壤空间格局;森林退化;土地改善;降解形式;粉尘;盐碱地;物种丰富度;植被空间格局;放牧牲畜
#4 森林退化 森林衰退;植被恢复;碱化;有机质;荒漠化;土壤侵蚀;森林潜力;土壤盐碱化;土壤水物理性质;侵蚀沉积;干旱;森林草原过渡带土壤有机碳;碳密度;植被覆盖率;降雨
#5 土壤有机质 土壤有机质;有机碳;地下生物质碳;土壤微生物生物量碳;地上生物量碳;地下水补给;无机碳;有机碳馏分;微生物群落;森林土壤;土壤无机碳;土壤有机碳;土壤弥散系数;微生物生物量;灌木林;选择性造林;盐沼;土地利用变化;荒漠化;土壤养分;土壤性质;轮作;土壤-植物系统;植被恢复;放养率;草地生态系统;湿地;内陆河流域;地下生物量碳;土地退化
整体来说由英文文献整理出的东北地区土地环境退化影响因素与中文文献检索结果相近,如土地沙化主要与水土流失、土地破坏、流动沙丘、植被破坏等有关,盐碱化主要与土壤盐分失衡、土壤侵蚀、地下水变化等有关。草地草场退化主要与过度放牧、草畜失衡、没有及时恢复草场植被等有关。同时英文文献提供了一些中文文献很少提及甚至未曾提及的因素,如土地荒漠化关键词聚类中有土壤有机质耗竭、全球变暖、厄尔尼诺等,从更广的范围对荒漠化的原因加以概括。同时,在土地沙化、草地退化等方面,英文文献更多地从土壤角度考虑影响因素,如土壤有机质耗竭、土壤表面氮平衡、地下生物质碳、有机碳馏分、微生物群落、土壤粒径分布,盐水迁移、沙丘沉积物、土壤有机碳、盐度、二氧化碳施肥、土壤性质等。因此,对中英文文献所体现的关键词共现网络一同分析,能更全面地探究东北地区土地环境退化的影响因素,为进一步研究提供思路。
相比于Citespace,VOSviewer可视化结果更加清晰明了,其聚类密度叠加图能够体现不同聚类簇之间关联耦合程度。故利用VOSviewer绘制东北环境影响因素聚类网络图与聚类密度图如下（图11）。由于参数设置以及算法的不同,2个软件对于同一组WOS英文文献数据生成的科学知识图谱略有差异,但不影响聚类关键词对于东北地区土地环境影响因素的分析。由图11可以清晰地看到,不同聚类簇之间互有关联耦合,如碳（carbon）不仅对土地状况（sand）有重要影响,而且与土壤性质（soil property）、盐度（salinity）也有关联。同时,由聚类关键词统计表（表2）中可以看到,在不同聚类中,某些关键词反复出现,因此每种土壤环境状况背后的原因是多方面的、动态变化的,也是互为补充、互相影响的。
图11 VOSviewer东北环境影响因素聚类网络图与聚类密度图

Fig. 11 Cluster network graph and cluster density graph of VOSviewer for environmental factors in the Northeast

5 关键词频数统计

词频是指一个词在文章或者讲话中出现的次数。通过对主题词出现的频率进行分析,可以找到某一领域或学科的研究热点,并有可能发现研究热点的转移趋势。词频分析法是利用能够揭示或表达文献核心内容的关键词或主题词在某一研究领域文献中出现的频次高低来确定该领域研究热点和发展动向的文献计量方法[42]。由于一篇文献的关键词或主题词是文章核心内容的浓缩和提炼,因此,如果某一关键词或主题词在其所在领域的文献中反复出现,则可反映出该关键词或主题词是文献中的重要关键词,其出现频次也反映着其重要程度,这些关键词所体现的主题也表征着当下该领域的研究热点。基于此,并结合上文归纳出的聚类关键词,以检索到的4318条CNKI中文文献数据中出现的关键词频数为指标,整合得到如下影响东北地区土地环境的首要因素的视图（图12）。
图12 基于CNKI的东北环境影响因素关键词频数统计（选取频数前十的关键词）

Fig. 12 Frequency statistics of key factor for environmental factors in the Northeast (selecting the top ten keywords)

6 结论与讨论

6.1 结论

根据文献期刊数据库中有关东北地区土地沙化、荒漠化、盐碱化、林地草地退化、森林退化、黑土地退化等文献,本文以Citespace和VOSviewer为工具绘制了关键词共现知识图谱,以期以一种快速全面的方法对影响这些土地环境状况的因素进行整合、分析,归纳出比较全面的、可能的造成该土地环境状况的影响因素。通过聚类关键词统计,本文从中英文文献两方面对上述土地环境变化的研究文献进行整合归纳,提取出影响东北地区土地环境的因素,并在相关文献中得到印证。由于本次检索得到的中英文文献数量不对等,CNKI中文文献数量远大于WOS英文文献数量,因此本文主要选取中文文献关键词进行进一步定量分析与归纳,而由英文文献提取出的关键词可在一定程度上印证中文文献的结论,并进行补充。综上,本文利用知识图谱技术探究东北土地环境研究的知识谱系,对提取的文本做聚类分析,归纳出比较全面的、可能的造成该土地环境状况的影响因素,并得到了如下研究结论：
（1）方法的创新性和适用性。为了探讨环境状况变化的影响因素,传统方法有实地考察以及利于遥感卫星影像分析环境变化成因。而本文从构建科学知识图谱的角度,快速构建实体间的相互关系,在大量文献资料中提取目标信息,并挖掘到易被忽略的因素,在广泛的文献中进行归纳和概括,进而构建比较全面的基于东北地区土地环境因素的关键词共现科学知识图谱。这一方法将为今后从知识图谱文本挖掘角度探究不同地区地理、气候等方面的影响因素提供新的思路,可以利用该方法快速、全面地探究相关研究的知识谱系,并分析其关联。
（2）绘制科学知识图谱,构建关键词共现网络。这些关键词来自关于东北地区“土地沙化”、“荒漠化”、“盐碱化”、“森林退化”、“草地退化”、“草场退化”、“林地退化”、“黑土地退化”等主题有关的文献,时间范围为1980—2019年共40年。通过对关键词共现知识图谱进行聚类分析,归纳出比较全面的、可能的影响东北地区土地沙化、盐碱化等土地变化现象的因素,如导致土地沙化的原因是过度放牧、耕地退化、煤田开发等人为破坏等,导致土地荒漠化的原因有气候干旱、水土保持能力下降、土壤水分流失、水资源过度开发、载畜量超过环境承载力等,导致土地盐碱化的原因有土壤盐分平衡失调、地下水状况等,这些归纳的因素都在大量文献中得到了印证。在英文文献方面的研究进一步补充了由中文文献归纳出的因素,至此构建了比较全面的基于东北地区环境研究的知识谱系,并归纳出了影响东北地区土地变化的主要因素。
（3）关键词频数统计。本文最后对关键词共现网络进行定量整合,选取词频前十的因素进行归纳,以可视化的角度具体展现了关键词的数量对比。由关键词频数统计图（图12）可以得出,影响土地沙化的因素中,频数最高的关键词有生态环境破坏、水土流失、沙尘暴、草场牧场退化、水土保持下降等;影响土地沙化的因素中,频数最高的关键词有水土流失、土壤沙化、水资源不足、水土保持下降、生态环境恶化等;土地盐碱化主要与农业用地增加、干旱区增大、土壤含盐情况、地下水等有关;森林退化主要与气候变化、人类活动、农业牧业破坏等有关;草地草场退化主要与畜牧业、水土流失、生态环境有关;林地退化主要与气候变化、水土状况、土地利用以及人类活动有关;黑土地退化主要与生态环境破坏、水土流失、土地利用与开发、风沙危害等有关。这些因素分别代表了我国东北地区土地沙化、荒漠化、盐碱化、草地草场退化、林地退化、森林退化以及黑土地退化等土地环境变化的最主要因素,同时其频次也反映了当下的研究热点。

6.2 讨论

考虑到知识图谱相关技术应用前景广阔,本文从以下角度提出相应的改进与建议。数据源与工具方面：面对海量的信息,除了本文涉及的文献数据库之外,数据源可以扩展到专利数据库、国家统计信息网站等,同时利用数据库管理系统以及其他手段获取各种非结构化的数据,这样获得的数据不仅更加全面,同时对于研究主题的分析将更具有时效性、针对性;其他领域的应用：除了在本文提及的探究东北土地环境研究的知识谱系之外,利用科学知识图谱可以在其他更多的领域探究相关的知识谱系,以及各种实体间的关联,这将为其他方向的研究提供新的思路。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
秦长江, 侯汉清. 知识图谱——信息管理与知识管理的新领域[J]. 大学图书馆学报, 2009,27(1):30-37,96.

[ Qin C J, Hou H. Mapping knowledge domain: A new field of information management and knowledge management[J]. Journal of Academic Libraries, 2009,27(1):30-37,96. ]

[2]
陈悦, 刘则渊, 陈劲, 等. 科学知识图谱的发展历程[J]. 科学学研究, 2008(3):449-460.

[ Chen Y, Liu Z Y, Chen J, et al. History and theory of mapping knowledge domains[J]. Studies in Science of Science, 2008(3):449-460. ]

[3]
梁秀娟. 科学知识图谱研究综述[J]. 图书馆杂志, 2009,28(6):58-62.

[ Liang X J. Review of mapping knowledge domains[J]. Library Journal, 2009,28(6):58-62. ]

[4]
陈悦, 刘则渊. 悄然兴起的科学知识图谱[J]. 科学学研究, 2005(2):6-11.

[ Chen Y, Liu Z Y. The quietly emerging scientific knowledge map[J]. Studies In Science of Science, 2005(2):6-11. ]

[5]
侯海燕, 刘则渊, 陈悦, 等. 当代国际科学学研究热点演进趋势知识图谱[J]. 科研管理, 2006(3):90-96.

[ Hou H Y, Liu Z Y, Chen Y, et al. Knowledge map of the evolution trend of contemporary international scientific research hotspots[J]. Science Research Management, 2006(3):90-96. ]

[6]
Small H. Co-citation in the scientific literature: A new measure of the relationship between two documents[J]. Journal of the American Society for Information Science, 1973,24(4):265-269.

DOI

[7]
Mccain K W. Mapping economics through the journal literature: An experiment in journal cocitation analysis[J]. Journal of the Association for Information Science & Technology, 2010,42(4):290-296.

[8]
胡泽文, 孙建军, 武夷山. 国内知识图谱应用研究综述[J]. 图书情报工作, 2013,57(3):131-137,84.

[ Hu Z W, Sun J J, Wu Y S. Research review on application of knowledge mapping in China[J]. Library and Information Service, 2013,57(3):131-137,84. ]

[9]
李明鑫, 王松. 近十年国内知识图谱研究脉络及主题分析[J]. 图书情报知识, 2016(4):93-101.

[ Li M X, Wang S. Research context and theme analysis of mapping knowledge domains in China in rencet ten years[J]. Documentation, Information & Knowledge, 2016(4):93-101.]

[10]
Chen C, Ibekwe-Sanjuan F, Hou J. The structure and dynamics of cocitation clusters: A multiple-perspective cocitation analysis[J]. Journal of the American Society for Information Science and Technology, 2010,61(7):1386-1409.

DOI

[11]
盛立. 生物医学领域研究前沿识别与趋势预测[D]. 北京:中国人民解放军军事医学科学院, 2013.

[ Sheng L. Recognize the fronts and trends of biology and medical research domain[D]. Beijing: Academy of Military Sciences PLA China, 2013. ]

[12]
李伯华, 罗琴, 刘沛林, 等. 基于Citespace的中国传统村落研究知识图谱分析[J]. 经济地理, 2017,37(9):207-214,232.

[ Li B H, Luo Q, Liu P L, et al. Knowledge maps analysis of traditional villages research in China based on the Citespace method[J]. Economic Geography, 2017,37(9):207-214,232. ]

[13]
郭华东, 王心源, 吴炳方, 等. 基于空间信息认知人口密度分界线—“胡焕庸线”[J]. 中国科学院院刊, 2016,31(12):1385-1394.

[ Guo H D, Wang X Y, Wu B F, et al. Cognizing population density demarcative Line(Hu Huanyong-Line) based on space technology[J]. Bulletin of Chinese Academy of Sciences, 2016,31(12):1385-1394. ]

[14]
梁立明, 谢彩霞. 词频分析法用于我国纳米科技研究动向分析[J]. 科学学研究, 2003(2):138-142.

[ Li M L, Cai X X. Investigation of China's nanotechnology study based on frequency analysis of key words[J]. Studies In Science of Science, 2003(2):138-142. ]

[15]
孙威, 毛凌潇. 基于CiteSpace方法的京津冀协同发展研究演化[J]. 地理学报, 2018,73(12):2378-2391.

DOI

[ Sun W, Mao L X. Evolution of research on Beijing-Tianjin-Hebei cooperative development based on CiteSpace method[J]. Acta Geographica Sinica, 2018,73(12):2378-2391. ]

[16]
Chen C. CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology, 2006,57(3):359-377.

DOI

[17]
Eck N J V, Waltman L. Software survey: VOSviewer, a computer program for bibliometric mapping[J]. Scientometrics, 2010,84(2):523-538.

DOI

[18]
陈超美, 陈悦, 侯剑华, 等. CiteSpaceⅡ:科学文献中新趋势与新动态的识别与可视化[J]. 情报学报, 2009,28(3):401-421.

[ Chen C M, Chen Y, Hou J H, et al. CiteSpaceⅡ:Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the China Society for Scientific and Technical Information, 2009,28(3):401-421 .]

[19]
Chen C M, Morris S. Visualizing evolving networks:Minimum spanning trees versus Pathfinder networks[C]. Proceedings of IEEE Symposium on Information Visualization, (Seattle, Washington, 2003), IEEE Computer Society Press, 2003: 67-74.

[20]
Jain A K, Dubes R C. Algorithms for clustering data[M]. Prentice Hall, Englewood Cliffs, 1988.

[21]
孙雨生, 仇蓉蓉, 邓兴. 国内知识图谱研究进展——基于CiteSpaceⅡ的分析[J]. 现代情报, 2014,34(1):84-88.

[ Sun Y S, Qiu R R, Deng X. Research development of mapping knowledge domains in China analysis based on CiteSpaceⅡ[J]. Journal of Modern Information, 2014,34(1):84-88.]

[22]
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.

[ Chen Y, Chen C M, Liu Z Y, et al. The methodology function of CiteSpace mapping knowledge domains[J]. Studies in Science of Science, 2015,33(2):242-253. ]

[23]
Newman M E J. Modularity and community structure in networks[J]. Proceedings of the National Academy of Sciences of the United States of America, 2006,103(23):8577-8582.

[24]
Rousseeuw P J. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis[J]. Journal of Computational and Applied Mathematics, 1987,20:53-65.

DOI

[25]
李杰, 陈超美. Citespace:科技文本挖掘及可视化[M]. 北京: 首都经济贸易大学出版社, 2016.

[ Li J, Chen C M. Citespace: Text mining and visualization in scientific literature. Beijing: Capital University of Economics and Business Press, 2016. ]

[26]
朱金花, 黎劲松. 基于遥感与GIS技术的吉林省西部土地沙漠化现状及发展趋势研究[J]. 地理科学, 2001,20(2):140-144.

[ Zhu J H, Li J S. A study on desertification of west Jilin province based on RS and GIS technology. Scientia Geographica Sinica, 2001,20(2):140-144. ]

[27]
尹奉月. 我国东北地区沙化土地治理技术研究[J]. 林业勘查设计, 2007(2):25-27.

[ Yin F Y. Research on treatment technology of soil desertification in northeast China[J]. Forest Investigation Design, 2007(2):25-27. ]

[28]
郭坚, 王涛, 薛娴, 等. 松嫩沙地荒漠化现状和原因[J]. 干旱区资源与环境, 2007(5):99-103.

[ Guo J, Wang T, Xue X, et al. The status and causes of desertification in Songnen sandy land[J]. Journal of Arid Land Resources and Environment, 2007(5):99-103. ]

[29]
林年丰, 汤洁. 中国干旱半干旱区的环境演变与荒漠化的成因[J]. 地理科学, 2001,21(1):24-29.

[ Lin N F, Tang J. Study on the environmental evolution and the causes of desertification in arid and semiarid regions in China[J]. Scientia Geographica Sinica, 2001,21(1):24-29. ]

[30]
陈玉福, 蔡强国. 京北浑善达克沙地荒漠化现状、成因与对策[J]. 地理科学进展, 2003,22(4):353-359.

[ Chen Y F, Cai Q G. The Status, causes and control of desertification in the ortindag sandy land to the North of Beijing[J]. Progress in Geography, 2003,22(4):353-359. ]

[31]
李取生, 邓伟, 钱贞国. 松嫩平原西部盐沼的形成与演化[J]. 地理科学, 2000,20(4):362-367.

[ Li Q S, Deng W, Qian Z G. Study on the formation and changes of saline-alkaline mire in Songnen Plain[J]. Scientia Geographica Sinica, 2000,20(4):362-367. ]

[32]
盛连喜, 马逊风, 王志平. 松嫩平原盐碱化土地的修复与调控研究[J]. 东北师大学报(自然科学版), 2002,34(1):30-35.

[ Sheng L X, Ma X F, Wang Z P. Study on the recovery and control of the alkili-saline lands in Songnen Plain[J]. Journal of Northeast Normal University(Natural Science Edition), 2002,34(1):30-35. ]

[33]
吴正方, 靳英华, 刘吉平, 等. 东北地区植被分布全球气候变化区域响应[J]. 地理科学, 2003,23(5):564-570.

[ Wu Z F, Jin Y H, Liu J P, et al. Response of vegetation distribution to global climate change in northeast China[J]. Scientia Geographica Sinica, 2003,23(5):564-570. ]

[34]
宋启亮. 不同类型退化森林诱导改造后森林生态系统稳定性评价[D]. 哈尔滨:东北林业大学, 2012.

[ Song Q L. Evaluation of forest ecosystem stability of different types of degraded forest by induced transformation[D]. Harbin:Northeast Forestry University, 2012. ]

[35]
王丹. 黑龙江省国有重点林区森林退化主要原因分析与对策建议[J]. 林业勘查设计, 2019(3):2-3.

[ Wang D. Analysis of main causes of forest degradation in state-owned key forest areas of Heilongjiang province and countermeasures[J]. Forest Investigation Design, 2019(3):2-3. ]

[36]
刘黎明, 赵英伟, 谢花林. 我国草地退化的区域特征及其可持续利用管理[J]. 中国人口·资源与环境, 2003(4):49-53.

[ Liu L M, Zhao Y W, Xie H L. Study on regional characteristics of rangeland degradation of China and its control strategies for sustainable use and management[J]. China Population, Resources and Environment, 2003(4):49-53. ]

[37]
陈杰, 龚子同, 高尚玉. 干旱地区草场荒漠化及其评价[J]. 地理科学, 2000,20(2):176-181.

[ Chen J, Gong Z T, Gao S Y. Grassland desertification in arid areas and its evaluation[J]. Scientia Geographica Sinica, 2000,20(2):176-181. ]

[38]
曹成有, 蒋德明, 朱丽辉, 等. 科尔沁沙地草甸草场退化的原因与植物多样性变化[J]. 草业学报, 2006,15(3):18-26.

[ Cao C Y, Jiang D M, Zhu L H, et al. Degradation and diversity changes of meadow grassland in Keerqin Sandy Land[J]. Acta Prataculturae Sinica, 2006,15(3):18-26. ]

[39]
刘英男, 王振国. 探讨林地退化原因及防治措施[J]. 黑龙江科技信息, 2011(15):201.

[ Liu Y N, Wang Z G. Explore the causes of forest land degradation and control measures[J]. Scientific and Technological Innovation, 2011(15):201. ]

[40]
徐晓斌, 王清. 我国黑土退化研究现状与展望[J]. 地球与环境, 2005(S1):588-592.

[ Xu X B, Wang Q. Research status and prospect of black soil degradation in China[J]. Earth and Environment, 2005(S1):588-592. ]

[41]
韩晓增, 李娜. 中国东北黑土地研究进展与展望[J]. 地理科学, 2018,38(7):1032-1041.

DOI

[ Han X Z, Li N. Research progress and prospect of black land in Northeast China[J]. Scientia Geographica Sinica, 2018,38(7):1032-1041. ]

[42]
马费成, 张勤. 国内外知识管理研究热点——基于词频的统计分析[J]. 情报学报, 2006,25(2):163-171.

[ Ma F C, Zhang Q. Comparative analysis of knowledge management literature between China and overseas: A bibliometric analysis[J]. Journal of the China Society for Scientific and Technical Information, 2006(2):163-171. ]

Options
文章导航

/

〈 〉