网刊加载中。。。

使用Chrome浏览器效果最佳，继续浏览，你可能不会看到最佳的展示效果，

确定继续浏览么?

复制成功，请在其他浏览器进行阅读

基于文献大数据的碳汇研究演进路径、现状与发展前沿挖掘

- ORCID：
李昱霏 ¹
- ORCID：
付羽涵 ¹
- ORCID：
高永林 ²
✉
- ORCID：
李怡多 ¹
- ORCID：
陈翔 ¹

1. 西安财经大学，陕西西安，710100； 2. 中国轻工集团有限公司，北京，100102

中图分类号： TS7

最近更新：2024-09-20

DOI：10.11980/j.issn.0254-508X.2024.09.023

摘要

气候变化引发的环境危机中，CO₂排放成为焦点，影响人类生活与社会经济。本研究基于中国知网，对2020—2023年碳汇领域4 241篇期刊文献进行计量与主题建模分析，利用Excel、Citespace工具展示文献数量、时间、作者及机构等多维度特征，并通过LDA模型探索研究主题及其演变。结果表明，碳汇研究产出丰富且质量高，作者合作活跃。研究主题随时间扩展，从早期的碳汇、储量等7个主题，到中期的生态、排放等9个主题，再到近期的农业、发展等10个主题，反映了碳汇研究不断深化与细化的趋势。

关键词

碳汇; 文献计量分析; LDA; 研究主题

近年来，碳汇项目研究在国际上处于热点地位。1992年开始相继通过多项规定：发达国家必须采取减限排措施，控制CO₂等温室气体的排放。相较于我国，西方国家对于碳收支的测算更加全面和成熟。加拿大碳收支模型（CFM-CFS3模型）^[

1]通过对生物量碳库、死亡有机质碳库及干扰影响3方面进行模拟，可以更加准确的模拟生态系统。CENTURY模型^{[参考文献 2

百度学术}2]根据土壤结构功能进行模拟农作物和植被生长，可以同时考虑多个因子的影响。美国Biome-BGC模型^{[参考文献 3

百度学术}3]模拟碳、水和氮循环，预测生态系统的生产力。此外，国外的研究还深入探讨了碳汇与气候变化、生物多样性、人类活动等多方面的关系，进一步丰富了碳汇研究的内涵和外延。在碳汇市场方面，一些发达国家已经建立了相对完善的碳汇交易机制和市场体系。这些机制和市场为碳汇项目的开发、交易和管理提供了便利，也促进了碳汇产业的快速发展。

我国碳汇政策重视林业碳汇发展，出台多项相关政策。2016年11月，《国务院办公厅关于完善集体林权制度的意见》提出要促进碳汇进入碳交易市场；2021年2月，生态环境部发布《全国碳排放权交易管理办法（试行）》指出林业碳汇项目的CCER可用于抵消碳排放配额的清缴。我国设立中国核证减排量（CCER）项目，各试点碳市场对CCER用于配额抵消设立了不同的限制条件，抵消比例大多为5%~10%，且对CCER项目的归属地、项目类型和开发时间均有要求。净生态系统生产力是估算碳汇量的重要指标，周美琦等^[

4]运用CASA模型对借助GEE平台获取MODIS数据、气象再分析数据与植被覆盖数据得出净生态系统生产力NEP分析东北三省植被变化量。徐娜等^{[参考文献 5

百度学术}5]通过对区域内不同类型土壤进行取样调查，测算出黄河三角洲湿地的净生态系统生产力，对生态系统的碳汇进行分析。Wang等^{[参考文献 6

百度学术}6]根据我国陆地碳汇反演的大气CO₂浓度观测网络最优设计。在森林碳汇研究^{[参考文献 7

百度学术}7]中采用生物量法、蓄积量法、生物清单法等。傅乐乐等^{[参考文献 8

百度学术}8]采用生物量法测算浙江省竹林固碳量，运用能源活动CO₂排放测算法估算浙江省碳排放量，将二者进行对比分析竹林碳汇贡献。刘艳丽^{[参考文献 9

百度学术}9]采用生物量法、容积生物清单法等对辽宁省森林碳汇总量进行检验。依据目前研究现状来看，国内外在碳汇研究方面仍存在一些问题，我国碳汇研究晚于国外，技术没有国外成熟。国内外研究侧重点不同^{[参考文献 10

百度学术}10]，国外更注重CO₂、光合作用、碳封存等方面，国内侧重于碳储量、碳排放、碳中和等方面。朴世龙等^{[参考文献 11

百度学术}11]指出我国碳汇不同研究方法各有优缺点，大气反演法受大气观测点数量和分布的限制，涡旋协方差法^{[参考文献 12

百度学术}12]生态系统模型的结构和参数具有不确定性，难以兼顾生态系统的差异性。生物量清单法^{[参考文献 13

百度学术}13]忽略了碳的横向输送和空间分辨率低。目前我国在国际影响力不高，与国际交流合作较少。市场参与者认购碳汇的积极性普遍不高，碳汇的开发量远大于实际交易量，仍有待进一步深入研究和探索，以充分发挥林业碳汇在应对气候变化、实现碳中和目标中的重要作用。

1 相关概念及理论基础

1.1　相关概念

碳汇是指通过植树造林、森林管理、植被恢复等措施，利用植物的光合作用，吸收大气中的CO₂，并将其固定在植被或土壤中，从而减少温室气体在大气中浓度的过程、活动或机制^[

14]。碳汇反映了森林吸收并储存CO₂的多少或者说是森林吸收并储存CO₂的能力。

文献计量学是指用数学和统计学的方法，定量分析一切知识载体的交叉科学，是集数学、统计学、文献学为一体，注重量化的综合性知识体系。其最本质的特征在于“量”。

LDA是一种文档生成模型，其认为一篇文档含有多个主题，每个主题对应不同词。文档首先是以一定概率选定某个主题，然后再在该主题下以一定概率选出该篇文档的第一个词，重复上述过程，直至生成整篇文档。

本课题主要通过2方面来研究碳汇相关文献，一是运用文献计量法对碳汇相关的文献进行机构、作者分析；二是运用LDA主题模型，以文献的关键词和摘要作为数据来源，探究碳汇研究领域的潜在主题和热点主题。以期全面展现我国碳汇研究文献的整体发展情况、研究现状和研究主题，为以后碳汇的研究提供一定的理论基础。

2 基于文献计量的碳汇研究分析

2.1　数据来源及研究方法

本课题选取的数据文本来自中国知网（CNKI）及中文社会科学引文索引（CSCCI）期刊，在中国知网中选择高级检索，将“碳汇”作为主题检索词，时间范围选择2010—2023年，经检索共得到4 241篇中文期刊文献，CSCCI共得到170篇文献。为保证数据文本的客观性和严谨性，本课题对检索得到的4 241篇中文文献进行了进一步的筛选，最终得到3 987篇文献。检索时间：2023年11月18日。

2.2　文献总体特征分析

在评估某一领域的研究活跃度和重要性时文献发文量可以作为一个重要指标，不仅能够直观展现期刊在该领域的产出情况，还能深入揭示该领域随时间变化的研究动态与受关注程度。本课题采用Excel数据分析工具，对碳汇领域的相关研究文献进行了系统性的统计与深入的分析，从而清晰地展示了碳汇研究的发文趋势（图1）。由图1可知，在2010—2023年，我国在中国知网发表的碳汇相关文献总量为3 716篇，年均发文量286篇，这一数据充分说明了碳汇研究在我国得到了广泛的重视和深入的探讨。从发文趋势来看，这一领域的研究呈现出稳步增长的态势，从2010年的237篇逐步增至2023年的493篇，这一显著的增长态势进一步印证了碳汇研究领域的活跃度和重要性。

图1 中国知网碳汇领域2010—2023年发文趋势图

Fig. 1 Trend of publications in the carbon sink field of CNKI from 2010 to 2023

2.3　科研机构统计分析

2.3.1　科研机构分布及合作情况分析

对某一领域研究机构的分布情况和合作程度分析能有效反映该领域研究机构的发文情况和合作情况。本课题通过统计研究机构发文频次和研究机构合作网络图谱来分析碳汇领域研究机构间的合作情况。由于研究机构数量较多，本课题只选取发文频次≥6的科研机构，表1所示为排名前10的研究机构。

表1 研究机构分布情况（部分）

Table 1 Distribution of research institutions (partial)

排名	机构名称	频次/次
1	中国科学院	453
2	北京林业大学	111
3	浙江农林大学	109
4	东北林业大学	87
5	西北农林科技大学	72
6	中国地质科学院	63
7	中国林业科学研究院	57
8	南京大学	46
9	西南大学	39
10	国家林业和草原局	36

2.3.2　科研机构合作网络分析

为进一步探究科研机构间的合作情况，本课题借助Citespace可视化工具，将从中国知网导出的txt.数据文本转换为Citespace软件可识别的数据格式，节点类型选为Institution，时间范围设定为2010—2023年，时间切片设置为1年，最终得到科研机构可视化图谱（图2）。如图2所示，共得到533个节点、552条连线，图中每个节点代表一个机构，节点越大说明发文频次越多，两节点间的连线表明机构间存在合作关系，连接线的粗细表示研究机构间的紧密程度，连接线越粗则合作关系越紧密，反之，则合作关系越稀疏。

图2 碳汇科研机构合作网络知识图谱

Fig. 2 Knowledge graph of carbon sequestration research institution collaboration network

由图2可以看出，碳汇研究领域初步形成了以中国科学院大学、中国科学院地理科学与自然研究所、浙江农林大学经济管理学院、西北农林科技大学经济管理学院、南京林业大学经济管理学院等为代表的5大核心机构群体。就科研机构合作网络知识图谱来看，网络密度为0.003 9，除主要的研究机构外，仍存在大量独立的节点，由此可得出，我国碳汇研究领域仍缺乏团体之间的合作。

2.4　研究作者统计分析

2.4.1　研究作者的合著率

在文献计量学中合著情况是评估某一研究主题内作者间合作紧密程度及其研究过程复杂性的重要指标。合著率（degree of collaboration，DC）是指在一定论文集合中合著论文与独著论文的比例，作者间的合作能促进知识的交叉融合和创新，合著率越高意味着该领域的研究更深入，通过对某一领域论文合著率的分析可以了解该主题知识结构的复杂性和难易程度。本课题经过统计整理，得到2010—2023年作者间合著情况（表2）。如表2所示，独著作者共发文490篇，占文献总数的13.2%，4人及以上合著文献共2 876篇，文献总合著率为50.5%，表明碳汇研究领域文献著作的主要方式是4人及4人以上合著。

表2 2010—2023年研究论文合著率

Table 2 DC of research papers from 2010 to 2023

年份/年	发文量/篇	独著/篇	论文合著量/篇			合著率/%
年份/年	发文量/篇	独著/篇	2人	3人	4人及以上	合著率/%
2010	237	62	54	35	86	73.8
2011	339	74	80	51	134	78.2
2012	284	48	53	58	125	83.1
2013	309	47	68	55	139	84.8
2014	210	26	38	39	107	87.6
2015	210	26	38	32	100	92.4
2016	184	14	38	32	100	91. 6
2017	205	17	30	41	117	91.7
2018	189	19	30	30	110	90.0
2019	171	13	33	28	97	92.4
2020	167	19	18	28	102	88.6
2021	249	35	53	36	125	85.9
2022	465	46	74	92	253	90.1
2023	509	44	88	96	281	91.4

2.4.2　研究作者合作网络分析

本课题借助Citespace工具，设置节点类型为Author，时间跨度选择2010—2023年，时间切片1年，绘制作者合作网络知识图谱，以便更加直观了解作者的发文情况及作者间的合作情况，结果如图3所示。由图3可知，作者节点数共633，连线数为812，密度Density为0.004 1，不同节点代表不同作者，节点的大小反映作者发文数量的多少，节点间的连线代表作者间合作情况，线条的粗细反映作者间合作密切程度。图中作者间节点连线较多，说明大多数研究作者之间均有合作，这对于碳汇研究的深入有很大帮助。

图3 作者合作网络知识图谱

Fig. 3 Author collaboration network knowledge graph

2.4.3　核心作者确立

在某一学术领域内，核心作者的识别对于理解该领域的学术影响力和竞争力至关重要。核心作者不仅在特定领域内做出了显著贡献，而且其研究工作对后续研究产生了深远的影响。本课题旨在通过定量分析，识别出碳汇研究领域的核心作者群体。为了综合考量多个影响因素，本课题采取综合指数法来确定核心作者，将发文量、被引频次和文献下载次数3个关键指标结合分析。研究过程分为3个阶段。

第一阶段：确定核心作者候选人。根据普赖斯公式 $M = 0.749 (N m a x) 1 / 2$ 计算得出核心作者的发文数量最大值。在本课题中共有9 465名文献作者，其中沈月琴以28篇的发文量位居首位，可以得出发文数量最大值约为3.96篇，取整后确定为4篇。因此，将发文数量达到或超过4篇的作者初步认定为核心作者候选人，共计144位。

第二阶段：计算高产作者的综合指数。根据中国知网中得到的数据统计出144位高产作者在2010—2023年间的发文量、被引频次和下载次数。结果显示，这些作者共发文1 203篇，被引频次总计38 513次，总下载次数为1 320 911次。在此基础上运用综合指数法，将发文量、被引频次和文献下载次数的权重分别设定为40%、40%和20%，来计算每位高产作者的综合指数，具体计算见式(1)。

k i = x i / x \times 100 \times 0.4 + y i / y \times 100 \times 0.4 + z i / z \times 100 \times 0.2

（1）

综合指数越大表明该作者在碳汇领域的影响力和贡献程度就越大，经过计算得出144位高产作者的综合指数均值为94，因此将 $k i \geq 94$ 的作者确定为碳汇领域的核心作者。

第三阶段：确定核心作者。综合指数的高低反映了作者在碳汇领域的学术水平和影响力。本研究将综合指数作为界定核心作者的标准。计算结果显示，共有49位（本课题只选取前10位）作者满足此条件，从而被确定为碳汇研究领域的核心作者（见表3）。在这些核心作者中，黄贤金教授以其在被引频次和下载量上的显著优势，综合指数排名第一，表明其在碳汇领域具有重要的学术影响力。黄贤金教授在2010年发表的《1995—2005年中国碳排放核算及其因素分解研究》一文，单篇被引频次高达47 029次，该文采用IPCC温室气体清单方法，对我国历年的碳排放进行核算，并进行时间序列分析^[

15]。紧随其后的是赵荣钦和于贵瑞。赵荣钦在被引频次和下载量上同样表现出色，而于贵瑞虽然被引频次较低，但其发文量和下载量均较高。此外，沈月琴、张颖、刘再华等作者虽然在发文量和下载量上表现不俗，但由于被引频次较低，其综合指数也相对较高，整体排名靠前。

表3 核心作者综合指数（部分）

Table 3 Comprehensive index of core authors (partial)

序号	作者	发文量/篇	被引频次/次	下载量/次	综合指数
1	黄贤金	19	1 603	61 755	470
2	赵荣钦	17	1 380	53 569	409
3	于贵瑞	20	997	47 165	352
4	沈月琴	28	677	22 841	291
5	张颖	21	672	34 419	281
6	刘再华	25	684	20 710	273
7	章程	23	663	15 214	247
8	朱臻	21	587	18 501	233
9	覃小群	22	585	11 801	223
10	曹建华	22	559	12 829	222

2.5　共被引分析

共被引分析主要是指利用共被引信息进行分析，并从中提取出更丰富的学术知识。本课题借助Citespace工具，设置节点类型为Cited Reference，时间跨度选择2010—2023年，时间切片1年，绘制共被引分析图谱，以便识别出多篇论文之间的文献关联性，以及不同领域之间的交叉研究。

对图4进行分类研究，可以得出以下结果，被引频次可以反映论文的影响力，被引频次越高说明该论文影响力越高。根据Citespace分析可得出碳汇相关领域的论文被引频次，本课题选取排名前10的机构进行分析（表4）。如表4所示，中南财经政法大学的被引频次最高为34，其次为中国科学院地理科学与资源研究所和武汉大学，通过和知网论文对比可以发现，中国研究院在碳汇相关领域影响力较高，论文的被引频次排名均靠前。

图4 共被引分析图谱

Fig. 4 Co-citation analysis chart

表4 科研机构被引频次

Table 4 Citation frequency of scientific research institutions

序号	机构	被引频次/次	首次被引年份/年
1	中南财经政法大学	34	2017
2	中国科学院地理科学与资源研究所	27	2017
3	武汉大学	22	2018
4	南京大学	19	2018
5	西安交通大学	18	2017
6	吉林大学	18	2017
7	北京大学	17	2018
8	对外经济贸易大学	17	2019
9	江西财经大学	17	2018
10	湖南大学	16	2017

节点度数是指与之相连边的数量，节点度数越高，说明该节点在网络中的重要性越高，可能具有更多的相互作用关系，表5为科研机构节点度数。从表5可以得出，节点度数最高的为中国人民大学和上海财经大学，节点度数均为12，这说明中国人民大学和上海财经大学在碳汇领域的重要性非常高。

表5 科研机构节点度数

Table 5 Node degree of scientific research institutions

序号	机构	节点度数
1	中国人民大学	12
2	上海财经大学	12
3	北京大学	10
4	华东师范大学	10
5	中国矿业大学	10

中心性可以来衡度量结点在网络中的重要性，即网络的结点与周围结点连接的线数量，数量越多说明该节点越重要。表6为科研机构中心性。通过对CSCCI期刊论文分析可以得出中国人民大学的中心性最高为0.27，其次为中国科学院地理科学与资源研究院，其中中国人民大学的分析结果与中国知网相差较大，该机构在CSCCI期刊上的重要性远高于中国知网，中国科学院的分析结果与中国知网基本一致。

表6 科研机构中心性

Table 6 Centrality of research institutions

序号	机构	中心性
1	中国人民大学	0.27
2	中国科学院地理科学与资源研究所	0.20
3	厦门大学	0.19
4	华东师范大学	0.15
5	山西财经大学	0.15

通过对CSCCI期刊上提取的论文分析，再和中国知网对比研究可以发现，中国科学院在中国知网和CSCCI期刊上的影响力均较高，对于北京林业大学、浙江农林大学和东北林业大学等机构来说虽然在知网上的影响力较高，但在CSCCI期刊上的影响力仍然不足，因此这些机构可以加强在CSCCI期刊上的研究成果展示，以提高机构的影响力。此外，如中国人民大学，虽然在中国知网影响力较低，但在CSCCI期刊上的影响力却很高，说明该类机构的研究结果均比较权威，可靠性高。

3 基于LDA主题模型的碳汇前沿热点趋势分析

3.1　数据文本来源与预处理

语料库（corpus）是以电子计算机为载体的语言材料，真实语料经过加工、处理和分析，可成为自然语言处理的有用资源^[

16]。为了更清晰地揭示各个时间阶段的热点主题，本课题将原始数据文本划分为2010—2013年、2014—2020年、2021—2023年3个时间段进行分析。将数据缺失的文本剔除后得到53 987篇文档，其中3个时间段的文献数量分别为1 162篇、1 396篇、1 429篇。本课题选取“标题” “摘要”和“关键词”3个部分的文本数据进行主题分析。对3个阶段的数据文本进行预处理操作，得到一个针对碳汇研究领域的中文语料库。最后利用LDA主题模型对该语料库进行主题挖掘和分析，以揭示碳汇研究在不同时间段的热点主题和发展趋势。

3.2　最佳主题数量确定

最佳主题数量可以影响LDA主题建模效果，本课题通过困惑度和一致性2个指标来确定2010—2013年、2014—2020年、2021—2023年3个时期的最佳主题数量。

困惑度用于衡量当给定文本数据及其潜在主题时，这些主题在映射到具体词汇时的明确程度，困惑度越低表明模型在将文本映射到其潜在主题时确定性更高。

主题一致性指的是在主题模型中主题内部单词之间的联系程度，可以用来评估主题模型质量，主题一致性越高说明该模型能更好地反映主题的含义。

选择一个困惑度较低、主题一致性较高的主题数量时模型计算结果更准确，由此可确定K取值为7。同理，可分别得出2014—2020年、2021—2023年时间段的最优主题数为9和10。

3.3　主题建模结果

最佳主题数量的确定对LDA主题建模效果有很大影响，本课题主要通过Python软件确定2010—2013年、2014—2020年、2021—2023年3个时期的最佳主题数量。第一步设置主题范围从5~50，以步长5进行递增，抽取每个主题的对数似然估计值，根据代码运行的结果，得到碳汇领域3个阶段的研究主题及其特征词数量的分布情况。

3.3.1　潜在研究主题

通过LDA建模可以得出主题及特征词的概率分布，根据分析得出的最佳主题数量来分析碳汇领域的相关内容。表7~表9为碳汇文献2010—2013年、2014—2020年、2021—2023年3个时间段分析结果。

表7 主题及其特征词概率分布（2010—2013年）

Table 7 Probability distribution of themes and their feature words (2010 to 2013)

主题	特征词及其概率
T1-1	0.042“碳” + 0.015“发展” + 0.014“碳汇” + 0.011“森林” + 0.010“低碳” + 0.008“增加” + 0.008“生态系统” + 0.008“研究” + 0.006“经济” + 0.006“城市” + 0.006“储量” + 0.006“农业” + 0.006“低” + 0.005“建设” + 0.005*“土壤”
T1-2	0.040“碳” + 0.020“碳汇” + 0.014“储量” + 0.011“研究” + 0.011“森林” + 0.010“土壤” + 0.007“生态系统” + 0.007“密度” + 0.006“进行” + 0.006“生物量” + 0.005“植被” + 0.005“生态” + 0.005“岩溶” + 0.005“增加” + 0.005*“结果表明”
T1-3	0.026“碳汇” + 0.018“低碳” + 0.018“碳” + 0.013“发展” + 0.011“经济” + 0.007“农业” + 0.006“森林” + 0.006“研究” + 0.006“排放” + 0.006“土壤” + 0.005“主要” + 0.005“增加” + 0.005“储量” + 0.005“固碳” + 0.005*“低”
T1-4	0.023“碳” + 0.011“发展” + 0.008“低碳” + 0.007“低” + 0.006“经济” + 0.005“变化” + 0.005“碳汇” + 0.005“森林” + 0.005“储量” + 0.005“有机” + 0.004“土地利用” + 0.004“分析” + 0.004“利用” + 0.004“不同” + 0.004*“进行”
T1-5	0.029“碳” + 0.016“经济” + 0.015“发展” + 0.014“碳汇” + 0.012“低碳” + 0.009“排放” + 0.008“森林” + 0.007“林业” + 0.007“研究” + 0.006“低” + 0.006“生态” + 0.006“中国” + 0.005“分析” + 0.005“提出” + 0.005*“进行”
T1-6	0.024“发展” + 0.017“碳” + 0.016“低碳” + 0.014“碳汇” + 0.011“森林” + 0.010“农业” + 0.008“排放” + 0.008“研究” + 0.007“分析” + 0.006“我国” + 0.006“影响” + 0.006“生态” + 0.006“经济” + 0.005“低” + 0.005*“全球”
T1-7	0.035“碳” + 0.016“排放” + 0.013“研究” + 0.013“碳汇” + 0.012“生态系统” + 0.010“变化” + 0.007“影响” + 0.006“土地利用” + 0.006”中国“ + 0.006“低碳” + 0.006“发展” + 0.005“分析” + 0.005“主要” + 0.005“森林” + 0.005*“排放量”

表 8 主题及其特征词概率分布（2014—2020年）

Table 8 Probability distribution of themes and their feature words (2014 to 2020)

主题	特征词及其概率
T2-1	0.018“碳” + 0.013“碳汇” + 0.012“生态” + 0.009“草地” + 0.008“研究” + 0.007“生态系统” + 0.006“储量” + 0.006“生物量” + 0.005“增加” + 0.005“农业” + 0.005“土壤” + 0.005“变化” + 0.005“模式” + 0.004“生长” + 0.004*“分析”
T2-2	0.056“碳” + 0.018“排放” + 0.010“碳汇” + 0.009“研究” + 0.009“农业” + 0.007“主要” + 0.006“影响” + 0.006“变化” + 0.006“土地利用” + 0.005“增加” + 0.005“分析” + 0.005“发展” + 0.005“经济” + 0.005“强度” + 0.004*“过程”
T2-3	0.022“碳” + 0.013“研究” + 0.010“储量” + 0.010“森林” + 0.009“模型” + 0.007“碳汇” + 0.007“生物量” + 0.006“生态” +0.006“进行” + 0.005“差异” + 0.005“土壤” + 0.005“影响” + 0.005“生态系统” + 0.005“区域” + 0.005*“变化”
T2-4	0.023“碳” + 0.019“发展” + 0.016“碳汇” + 0.011“经济” + 0.010“森林” + 0.009“排放” + 0.007“生态” + 0.007“研究” + 0.007“我国” + 0.006“低碳” + 0.006“农业” + 0.005“影响” + 0.005“主要” + 0.005“进行” + 0.005*“中国”
T2-5	0.017“生态系统” + 0.015“碳汇” + 0.014“碳” + 0.010“研究” + 0.009“土壤” + 0.008“影响” + 0.007“森林” + 0.007“不同” + 0.006“变化” + 0.006“通量” + 0.006“进行” + 0.005“分析” + 0.005“排放” + 0.005“减排” + 0.005*“低碳”
T2-6	0.023“碳汇” + 0.016“碳” + 0.012“研究” + 0.008“林业” + 0.006“森林” + 0.006“生态” + 0.006“排放” + 0.006“变化” + 0.006“增加” + 0.005“生物量” + 0.005“固碳” + 0.005“重要” + 0.005“交易” + 0.004“我国” + 0.004*“项目”
T2-7	0.042“碳” + 0.022“碳汇” + 0.020“森林” + 0.014“储量” + 0.012“研究” + 0.009“影响” + 0.007“密度” + 0.006“排放” + 0.006“生态系统” + 0.006“增加” + 0.006“进行” + 0.005“生态” + 0.005“项目” + 0.005“分析” + 0.005*“植被”
T2-8	0.035“碳” + 0.016“碳汇” + 0.012“研究” + 0.010“土壤” + 0.009“生态系统” + 0.007“发展” + 0.006“增加” + 0.006“森林” + 0.006“不同” + 0.006“变化” + 0.005“进行” + 0.005“分析” + 0.005“重要” + 0.004“林业” + 0.004*“含量”
T2-9	0.038“碳” + 0.019“碳汇” + 0.010“森林” + 0.010“储量” + 0.007“生态系统” + 0.006“研究” + 0.006“密度” + 0.006“结果表明” + 0.006“主要” + 0.005“增加” + 0.005“影响” + 0.005“不同” + 0.005“进行” + 0.005“生态” + 0.005*“补偿”

表9 主题及其特征词概率分布（2021—2023年）

Table 9 Probability distribution of themes and their feature words (2021 to 2023)

主题	特征词及其概率
T3-1	0.024“碳” + 0.015“碳汇” + 0.010“发展” + 0.009“研究” + 0.008“生态” + 0.008“排放” + 0.008“生态系统” + 0.007“空间” + 0.007“森林” + 0.006“实现” + 0.006“中国” + 0.005“农业” + 0.005“提出” + 0.005“林业” + 0.005*“模型”
T3-2	0.017“碳” + 0.011“碳汇” + 0.010“农业” + 0.008“实现” + 0.007“排放” + 0.006“影响” + 0.006“城市” + 0.006“发展” + 0.006“技术” + 0.006“森林” + 0.005“研究” + 0.005“生态” + 0.005“气候变化” + 0.005“分析” + 0.005*“碳中”
T3-3	0.024“碳汇” + 0.021“碳” + 0.013“发展” + 0.010“生态” + 0.009“实现” + 0.008“林业” + 0.007“中国” + 0.007“森林” + 0.007“生态系统” + 0.006“目标” + 0.006“研究” + 0.006“排放” + 0.006“项目” + 0.005“我国” + 0.005*“影响”
T3-4	0.029“碳” + 0.016“碳汇” + 0.014“生态” + 0.008“研究” + 0.008“土壤” + 0.007“发展” + 0.007“影响” + 0.006“显著” + 0.005“农业” + 0.005“实现” + 0.005“植被” + 0.005“森林” + 0.005“重要” + 0.005“储量” + 0.005*“空间”
T3-5	0.029“碳汇” + 0.022“碳” + 0.011“生态系统” + 0.010“森林” + 0.010“研究” + 0.006“排放” + 0.006“发展” + 0.005“能力” + 0.005“湿地” + 0.005“生态” + 0.005“实现” + 0.005“价值” + 0.005“重要” + 0.005“经济” + 0.005*“气候变化”
T3-6	0.022“碳” + 0.012“研究” + 0.010“发展” + 0.009“碳汇” + 0.008“实现” + 0.007“储量” + 0.007“土壤” + 0.007“森林” + 0.006“生态” + 0.006“中国” + 0.006“生态系统” + 0.005“排放” + 0.005“低” + 0.004“影响” + 0.004*“碳中”
T3-7	0.029“碳” + 0.010“研究” + 0.009“发展” + 0.009“生态” + 0.008“碳汇” + 0.008“排放” + 0.007“农业” + 0.006“影响” + 0.006“分析” + 0.005“区域” + 0.005“能源” + 0.005“生态系统” + 0.004“实现” + 0.004“建设” + 0.004*“进行”
T3-8	0.012“碳” + 0.012“碳汇” + 0.010“生态” + 0.009“研究” + 0.008“实现” + 0.007“目标” + 0.007“生态系统” + 0.007“海洋” + 0.006“湿地” + 0.006“影响” + 0.006“排放” + 0.006“发展” + 0.005“重要” + 0.005“不同” + 0.004*“气候变化”
T3-9	0.057“碳” + 0.014“碳汇” + 0.013“排放” + 0.012“研究” + 0.008“储量” + 0.007“生态系统” + 0.007“影响” + 0.006“空间” + 0.006“发展” + 0.006“森林” + 0.005“土地利用” + 0.005“具有” + 0.005“主要” + 0.005“区域” + 0.005*“排放量”
T3-10	0.033“碳” + 0.012“排放” + 0.012“碳汇” + 0.009“研究” + 0.008“实现” + 0.008“空间” + 0.007“目标” + 0.007“生态” + 0.006“发展” + 0.005“减排” + 0.005“主要” + 0.005“绿色” + 0.005“土壤” + 0.005“双碳” + 0.005*“低碳”

为深入探究我国碳汇领域的文献主题分布，本课题通过分析关键词在文献中的出现频率，运用不同时段的概率分布表，对不同时段的主题内容进行主题命名，总结出我国碳汇领域3个时段文献的潜在主题分布情况。2010—2013年共包含7个研究主题，分别是碳汇、储量、低碳、发展、经济、农业、排放；2014—2020年共包含9个研究主题，分别是生态、排放、研究、发展、土壤、林业、森林、生态系统、生物量；2021—2023年共包含10个研究主题，分别是碳汇、农业、发展、土壤、生态系统、研究、生态、影响、储量、空间。

3.3.2　热点研究主题

通过LDA模型计算可以得出文档-主题概率分布表，再根据每个主题下所对应的文档数量确定不同主题在不同阶段的热点主题。表10为3个时段下不同主题在不同文档中的概率分布情况。

表10 文档-主题概率分布

Table 10 Document topic probability distribution

时间/年		T1-1	T1-2	T1-3	T1-4	T1-5	T1-6	T1-7	T1-8	T1-9	T1-10
2010—2013	1	0.993	0.002	0.001	0.001	0.001	0.001	0.001
	2	0.991	0.002	0.003	0.001	0.001	0.001	0.001
	3	0.001	0.146	0.003	0,001	0.053	0.002	0.794
	……	……	……	……	……	……	……	……
	1161	0.004	0.949	0.003	0.002	0.001	0.001	0.04
	1162	0.004	0.003	0.004	0.002	0.984	0.001	0.002
2014—2020	1	0.433	0.001	0.001	0.001	0.001	0.001	0.55	0.011	0.001
	2	0.001	0.001	0.001	0.001	0.172	0.001	0.001	0.001	0.821
	3	0.001	0.508	0.485	0.001	0.001	0.001	0.001	0.001	0，001
	……	……	……	……	……	……	……	……	……	……
	1395	0.433	0.001	0.001	0.001	0.001	0.001	0.561	0.001	0.002
	1396	0.001	0.001	0.001	0.001	0.001	0.001	0.135	0.001	0.858
2021—2023	1	0.271	0	0	0.001	0.001	0	0.001	0.001	0.724	0.001
	2	0.001	0.001	0	0.001	0.831	0.001	0.162	0.001	0.001	0.001
	3	0.001	0.001	0.001	0.991	0.001	0.001	0.001	0.001	0.001	0.001
	……	……	……	……	……	……	……	……	……	……	……
	1428	0.001	0.001	0.001	0.001	0.001	0.001	0.993	0	0.001	0
	1429	0.001	0.001	0	0.001	0.001	0.001	0.336	0	0.658	0.001

本课题选取概率大于0.01的文档统计该主题下的文档数量，选取每个时间阶段文档数量最多的3个主题作为碳汇领域在该时期内的热点研究主题。表11分别展现了碳汇领域2010—2013年、2014—2010年、2011—2023年3个时间段的热点主题情况。从表11可以看出，碳汇研究起步时期（2010—2013年）的热点主题分别是碳汇、初储量、经济；碳汇研究高速发展时期（2014—2020年）的热点主题分别为排放、森林、生态系统；碳汇深化发展时期（2021—2023年）是土壤、生态系统、生态。

表11 热点主题分布情况

Table 11 Distribution of hot topics

2010—2013年		2014—2020年		2021—2023年
主题	文档数量/个	主题	文档数量/个	主题	文档数量/个
T-1	1 158	T2-2	1 394	T3-4	1 427
T1-2	1 161	T2-7	1 396	T3-5	1 419
T1-5	1 162	T2-8	1 386	T3-7	1 429

4 结论

4.1 文献总体揭示了我国碳汇研究在发文量分布方面的显著特点，从发文量的角度观察，碳汇研究在我国经历了3个阶段：分别是是碳汇研究的起步期（2010—2013年）、高速发展期（2014—2020年）及深入发展期（2021—2023年）。随着时间推移，碳汇研究在理论和实践层面取得了重要突破，对碳汇的研究更加深入和细化，在环境问题日益严重的今天，碳汇深入研究为应对气候变化和推动可持续发展贡献了重要力量。

4.2 从科研机构分布情况来看，中国科学院大学、中国科学院地理科学与自然研究所、浙江农林大学经济管理学院、西北农林科技大学经济管理学院、南京林业大学经济管理学院是目前我国碳汇研究领域主要的研究机构，总的来说，我国碳汇领域的研究已经取得了一定的成果，形成了一定的研究规模和影响力。

4.3 在探讨碳汇领域的研究作者时，本课题关注了作者间的合作情况、核心作者的确立以及核心作者的单位分布。从合作情况来看，早期的研究者多以独立研究为主，随着研究的深入不同领域的学者开始进行协作，但作者间的合著率和合作度整体仍偏低。在核心作者方面，本课题通过综合指数法识别出49位核心作者，黄贤金位居首位，其次是赵荣钦和于贵瑞，核心作者是该领域学术研究的重要推动力

参考文献

冯源，付甜，朱建华，等. 加拿大碳收支模型（CBM-CFS3）原理、结构及应用［J］.世界林业研究， 2014， 27（3）： 87-91. [百度学术]

FENG Y， FU T， ZHU J H， et al. Principles， Structure， and Application of the Canadian Carbon Budget Model （CBM-CFS3）［J］. World Forestry Research， 2014， 27（3）： 87-91. [百度学术]

方东明，周广胜，蒋延玲，等. 基于CENTURY模型模拟火烧对大兴安岭兴安落叶松林碳动态的影响［J］. 应用生态学报， 2012， 23（9）： 2411-2421. [百度学术]

FANG D M， ZHOU G S， JIANG Y L， et al. Simulation of the Effects of Fire on Carbon Dynamics in Daxing’anling Larch Forest Based on the CENTURY Model［J］. Chinese Journal of Applied Ecology， 2012， 23（9）： 2411-2421. [百度学术]

张晨凤，贺丽，董廷发，等. 基于Biome-BGC模型的若尔盖不同沙地类型土壤水分植被承载力对气候变化的响应［J］. 生态学杂志， 2024， 43（6）： 1833-1840. [百度学术]

ZHANG C F， HE L， DONG T F， et al. Response of Soil Water-vegetation Carrying Capacity to Climate Change in Different Sandy Land Types in Zoige Based on Biome-BGC Model［J］. Chinese Journal of Ecology， 2024， 43（6）： 1833-1840. [百度学术]

周美琦，景海波，朱倩琳. 基于遥感的东北三省植被碳汇研究［J］. 河南科技， 2023， 42（18）： 101-106. [百度学术]

ZHOU M Q， JING H B， ZHU Q L. Research on Vegetation Carbon Sink in Northeast China Based on Remote Sensing［J］. Henan Science and Technology， 2023， 42（18）： 101-106. [百度学术]

徐娜，况帅，于军，等. 黄河三角洲湿地生态系统碳储量研究［J］. 现代农业科技， 2023（24）： 113-117. [百度学术]

XU N， KUANG S， YU J， et al. Study on Carbon Storage of Wetland Ecosystem in the Yellow River Delta［J］. Modern Agricultural Sciences and Technology， 2023（24）： 113-117. [百度学术]

WANG Y L， TIAN X J， DUAN M Z， et al. Optimal Design of Atmospheric Carbon Dioxide Concentration Observation Network for Inversion of China’s Terrestrial Carbon Sink （in English）［J］. Science Bulletin， 2023， 68（15）： 1678-1686. [百度学术]

赵林，殷鸣放，陈晓非，等. 森林碳汇研究的计量方法及研究现状综述［J］. 西北林学院学报， 2008， 23（1）： 59-63. [百度学术]

ZHAO L， YIN M F， CHEN X F， et al. Overview of Measurement Methods and Research Status of Forest Carbon Sink［J］. Journal of Northwest Forestry University， 2008， 23（1）： 59-63. [百度学术]

傅乐乐，苏建兰，胡忠宇. 浙江省竹林碳汇测算研究［J］. 西南林业大学学报（社会科学版）， 2024，8（1）： 68-73. [百度学术]

FU L L， SU J L， HU Z Y. Calculation of Carbon Sink in Bamboo Forests in Zhejiang Province［J］. Journal of Southwest Forestry University （Social Sciences Edition）， 2024， 8（1）： 68-73. [百度学术]

刘艳丽. 森林碳汇计量关键技术应用研究［J］. 林业勘查设计， 2023， 52（2）： 86-90. [百度学术]

LIU Y L. Research on Key Technologies of Forest Carbon Sink Measurement［J］. Forestry Survey and Design， 2023， 52（2）： 86-90. [百度学术]

程子捷，陈志，纪超，等. 基于Citespace的国内外碳汇研究热点与前沿分析［J］. 环境与发展， 2023， 35（6）： 18-27. [百度学术]

CHENG Z J， CHEN Z， JI C， et al. Analysis of Research Hotspots and Frontiers of Carbon Sink at Home and Abroad Based on Citespace［J］. Environment and Development， 2023， 35（6）： 18-27. [百度学术]

朴世龙，何悦，王旭辉，等. 中国陆地生态系统碳汇估算：方法、进展、展望［J］. 中国科学：地球科学， 2022， 52（6）： 1010-1020. [百度学术]

PIAO S L， HE Y， WANG X H， et al. Estimation of Carbon Sink in Terrestrial Ecosystems in China： Methods， Progress， and Prospects［J］. Science China Earth Sciences， 2022， 52（6）： 1010-1020. [百度学术]

石小亮，张颖，韩争伟. 森林碳汇计量方法研究综述——基于北京市的选择［J］. 林业经济， 2014， 36（11）： 44-49. [百度学术]

SHI X L， ZHANG Y， HAN Z W. Review of Forest Carbon Sink Measurement Methods Based on Beijing［J］. Forestry Economics， 2014， 36（11）： 44-49. [百度学术]

王兴昌，刘帆，孙雪，等. 温带次生林涡动协方差与清单法碳通量交互对比［J］. 林业科学， 2023， 59（3）： 31-43. [百度学术]

WANG X C， LIU F， SUN X， et al. Comparison of Carbon Flux Between Eddy Covariance and Inventory Methods in Temperate Secondary Forests［J］. Scientia Silvae Sinicae， 2023， 59（3）： 31-43. [百度学术]

张鑫，李俊梅. 昆明西山森林公园碳汇功能及其经济价值估算［J］. 环境科学与技术， 2010， 33（S2）： 559-562. [百度学术]

ZHANG X， LI J M. Estimation of Carbon Sink Function and Its Economic Value in Kunming Xishan Forest Park［J］. Environmental Science and Technology， 2010， 33（S2）： 559-562. [百度学术]

孙建卫，赵荣钦，黄贤金，等. 19952005年中国碳排放核算及其因素分解研究［C］// 江苏省环境科学学会成立30周年大会暨第6届长三角科技论坛环境保护分论坛论文集. 江苏省环境科学学会， 2009： 8. [百度学术]

SUN J W， ZHAO R Q， HUANG X J， et al. Carbon Emissions Accounting and Factor Decomposition in China from 1995 to 2005［C］// Proceedings of the 30th Anniversary Conference of Jiangsu Provincial Environmental Science Society and the 6th Yangtze River Delta Science and Technology Forum on Environmental Protection. Jiangsu Provincial Environmental Science Society， 2009： 8. [百度学术]

韩亚楠，刘建伟，罗雄麟. 概率主题模型综述［J］. 计算机学报， 2021， 44（6）： 1095-1139. [百度学术]

HAN Y N， LIU J W， LUO X L. Review of Probabilistic Topic Models［J］. Chinese Journal of Computers， 2021， 44（6）： 1095-1139. [百度学术]

基于文献大数据的碳汇研究演进路径、现状与发展前沿挖掘

摘要

关键词

1 相关概念及理论基础

1.1 相关概念

2 基于文献计量的碳汇研究分析

2.1 数据来源及研究方法

2.2 文献总体特征分析

2.3 科研机构统计分析

2.4 研究作者统计分析

2.5 共被引分析