【背景】随着新型台站和测序方法的迅猛发展,微生物生态学数据已经呈现出爆炸式的增长,为理解微生物在全球生态系统中的功能提供了坚实的基础。然而,这些庞大的数据集的处理和分析对传统方法来说是一个挑战,机器学习因其在处理大数据方面的优势而成为解决这一问题的关键技术。【目的】基于文献计量学,本文全面探索机器学习在微生物生态学研究中的应用,包括其发展趋势、现状及热点,为未来机器学习和微生物生态研究的结合指明方向。【方法】获取并分析Web of Science(WOS)核心合集数据库中1991–2023年间发表的相关文献,运用可视化软件CiteSpace探究发文量演变特征、国际合作情况及学科交叉现状,利用Carrot2对文本数据进行挖掘,构建可视化知识图谱。【结果】机器学习在微生物生态学研究中应用的数量以2018年为界经历了稳定增长和暴发增长两个时期,相关应用正逐渐成为各国研究的热点,研究成果持续增长,相关学科之间的交叉融合越来越紧密,特别是微生物生态学与化学、物理、环境、计算机等学科之间的合作,为科学研究的进展提供了新的视角。机器学习在微生物生态学中的应用广泛。在早期,研究主要集中在序列识别和物种分类上。自2018年以来,随着深度学习和计算机视觉技术的发展,研究焦点转向复杂系统的预测。这两个时期关键词的对比展示了机器学习技术在微生物生态学中的应用从基础的数据处理和分析逐渐转向更加复杂、高级的预测模型。【结论】基于文献计量分析结果,结合机器学习在微生物生态中应用的数据缺乏、模型选择困难和可解释性差等挑战,后续研究应更加重视国际合作和数据共享,加强学科交流,推动可解释机器学习的发展。
为更全面了解蚯蚓在环境生态领域应用的研究进展,本研究在Web of Science(WOS)核心合集数据库和中国知网(CNKI)数据库中检索2013—2023年以来蚯蚓在环境生态领域应用的有关文献,运用VOSviewer和CiteSpace工具进行统计和可视化分析。结果表明:1)中国发文总量居于世界第一,发展稳定。2)国内作者多为独立研究,国外作者团队交流合作密切。3)期刊Soil Biology&Biochemistry总被引次数和中心性最高,关于蚯蚓在环境生态领域应用的论文数量多且具有较高学术价值。4)中国科学院发文数量最多,在该领域研究表现突出。发文前10名的研究机构中7名来自法国,表明其在该领域的研究实力较雄厚。5)2013—2023年WOS和CNKI中有关蚯蚓在环境生态领域应用的文献研究方向重点和热点基本一致。蚯蚓种类以“赤子爱胜蚓(Eisenia fetida)”为主,研究前沿领域关键词集中于“氧化应激”“暴露”“降解”和“反应”。根据分析指出国内相关研究的优势与不足并提出对策与建议,预测了相关领域的发展前沿,可为今后蚯蚓在环境生态领域的研究和应用提供有价值的参考。
生态系统服务功能的研究对人类与自然界的发展有重大的现实意义,InVEST模型能够较好地对生态系统服务功能进行评估,具有多模块和多层级的特点,产生的可视化结果可为决策者提供决策依据。以Web of Science核心合集为数据库对检索的有关InVEST模型学术期刊论文进行分析,利用CiteSpace软件进行机构合作、文献共被引聚类和研究热点分析,结果表明:在2014—2021年有关InVEST模型的研究和应用得到了快速发展,目前模型主要应用在大尺度的时空区域,研究机构多集中在高校;InVEST模型主要研究方向为生物多样性评估、产水量、碳储量估算和水土流失4个模块,不同时段出现过年平均蒸散发量、水文、生物多样性保护、多生态系统服务和情景模拟等研究热点;InVEST模型的海洋生态系统评估模块还需进一步升级优化,研究尺度还需进一步拓展;预计开发综合评估模块将成为InVEST模型未来发展的主要方向。
