点击题目获取原文 ▲
研究亮点
HIGHLIGHTS
1. 利用机器学习方法，探讨过去12年间森林生态学与林学相关研究内容与分析方法的发展趋势。
2. 结合文献计量结构主题模型，揭示森林生态与林学类期刊出版物关注的四个研究大类20个研究主题及其在过去12年间的变迁。
3. 随着分析软件尤其是R软件以及统计分析方法的不断更新，森林生态学与林学类研究领域关注点越来越广泛，以应对森林砍伐、栖息地丧失等带来的挑战。
01
研究背景
森林目前约占地球陆地表面的 31%，总计约 40.6 亿公顷，其中仅约三分之一原始森林无明显人类活动。且森林的分布并不均衡，一半以上存在于俄罗斯联邦、巴西、加拿大、美国和中国五国。可为绝大多数陆地生物提供栖息地。调查显示，森林为约 80% 的陆地动植物提供生存空间，其中包含约 60,000 种植物、5,000 种两栖动物、7,500 种鸟类、3,700 多种哺乳动物以及130 万种无脊椎动物。
同时，森林提供了各类生态系统功能和服务。如：在全球范围内，森林可吸收约 160 亿公吨 CO2，每年排放 81 亿公吨，年净封存 76 亿公吨 CO2（约占人类每年碳排放量的 15%）。森林还具有促进养分循环、固氮、水净化、生物质生产、栖息地供应、授粉、种子传播、抗风暴、火灾调节以及缓解本地有害生物和入侵昆虫的调节等生态功能，还为人类提供各类林产品 、娱乐、旅游等生态服务。
然而，森林正在以惊人的速度消失。自 1990 年以来，全球范围内，人类已破坏地球上近一半的天然森林。约有 4.2 亿公顷土地被转化为其他土地用途，损失主要来自于农业扩张，2000 年至 2010 年期间，养牛场、大豆和棕榈油的种植占热带森林砍伐的 40%，另外 33% 是由于当地自给农业造成。据统计，森林砍伐导致每年损失 0.9 至 23 亿吨 CO2 的碳吸收能力。然而，迄今为止世界上仅有 18% 的森林面积（约 7 亿公顷）属依法设立的保护区，包括国家公园、保护区和野生动物保护区等，其中南美洲保护的森林比例最高 （31%），欧洲森林仅 5% 位于保护区内，且这些地区并不能完全代表森林生态系统的全球多样性。
为更好地了解和保护森林生态系统，全球投入大量资源探讨森林生态学和林学。随着先进技术和研究工具的快速进步，这两个领域在过去十年中迅速发展，并融合多种研究方法、与其他多领域相互交叉，如：使用 Ariel 无人机、遥感和 LiDAR 以及基因组学和表观遗传学用于加速树木的适应性繁殖等等。同时，R 语言逐步取代以往统计软件以适应更为复杂的相关研究问题。伴随科技发展与研究进步，了解其研究内容与方法的变迁对理解并迅速把握森林生态学与林学领域的研究动态与前沿具有重要价值。
统计方法与软件的更新使得快速分析研究动态更为便捷。尤其是基于文本内容的自动化分析计算方法，不仅缩短了收集文献资料的时间、还能降低由分析人员研究背景差异带来的主观影响。本研究使用结构主题模型 （STM） 结合机器学习的方法，收集了森林生态学与林学类等自 2010 年 始至 2022 年期间的出版文献，旨在检测森林生态学与林学相关的研究内容及其发展趋势；此外，我们还分析了其中涉及到的数据统计软件与分析包。主要回答以下问题：(1）森林生态学和林学类期刊在过去12年间出版物主要探讨的研究内容？(2）各研究内容在过去12年间的发展趋势？(3）全球哪些国家在引领着核心研究内容？(4）R语言在过去12年间的应用发展趋势？(5）与森林生态学和林学相关的R语言分析包主要包括哪些？
02
研究方法
结合近5年影响因子共筛选森林生态学和林学类排名前5%的期刊，下载 2010 年 1 月始至 2022 年 3 月期间发表的所有出版物全文。同时筛选8个综合类及生态类期刊，下载该8个期刊自 2010 年 1 月始至 2022 年 3 月期间发表的森林生态学或林学类相关全文。利用 ISI Web of Science 进行文献检索。利用结构主题模型结合机器学习的方法，分析森林生态学和林学领域的研究方向及其发展趋势。
图1｜基于 2010 年至 2022 年间发表的 16,952 篇文章摘要，针对20个森林生态学和林学类领域研究主题的NMDS分析结果
03
研究结果
研究结果显示：(1）森林生态学与林学类研究共涉及森林破坏、利用、管理和监测四大类，共20个研究主题，近年来应用型研究主题的比重逐渐增大；(2）相关研究主要来自于北美、欧洲和中国，且多数研究地点位于北美、中亚、南美和澳大利亚；西非、中非以及西亚的一些国家虽然拥有全球重要的森林资源，但其发表的文章相对较少；(3）由于R软件具有更新快、交流平台便捷等方面的优势，其在森林生态学和林学方面的应用迅速增长，从2010年的29.5%增加到2022年的71.4%，目前是文章应用的主流分析软件；主流分析包分别为：lme4、vegan、nlme、MuMIn、ggplot2、car、MASS、mgcv、multcomp和raster包；且与应用型林业领域的文章相比，R软件在森林生态学文章中使用得更重要。研究表明，日渐更新的统计软件与分析方法促进了森林生态学和林学研究领域不断扩展，有利于探索森林生境破坏机制、造成的社会经济影响以及制定合理的管理检测方案。
图2｜森林生态学与林学类研究的四个领域20个主题在2010 至 2022 年间的热度变化（数值大于0表示热度增加，小于0表示热度降低）
图3｜森林生态学与林学类研究的20个主题在2010 至 2022 年间的变化趋势（主题后数字表示发表文章数量）
图4｜本研究中13个期刊 16,952 篇文章第一作者归属地的全球分布图
图5｜本研究中13个期刊16,952 篇文章应用的统计软件在2010 至 2022 年间使用百分比的时间动态变化
图6｜本研究中13个期刊16,952 篇文章分析数据涉及到的R语言分析包（根据使用的文章数量排序，该图仅列出超过80篇文章的分析包）
Cite this article
Zhao, J., Li, L.Y., Liu, J., Yan, Y.M., Wang, Q., Newman, C., Zhou, Y.B., 2024. A bibliometric analysis using machine learning to track paradigm shifts and analytical advances in forest ecology and forestry journal publications from 2010 to 2022. For. Ecosyst. 11, 100233.
https://doi.org/10.1016/j.fecs.2024.100233
文章链接：https://doi.org/10.1016/j.fecs.2024.100233
有关这篇文章的更多信息，扫描下方二维码即可获得PDF全文。
关于本刊
《森林生态系统(英文)》（Forest Ecosystems）是由教育部主管、北京林业大学主办的林学、生态学类的开放获取学术期刊。主要收录森林生态系统、森林群落、森林环境、遥感、气候变化、大数据等相关研究领域的高质量、原创性研究论文和评论性文章。影响因子3.8，在中科院期刊分区表中居农林科学大类一区，林学小类一区。
扫描二维码关注我们
森林生态系统FECS
微信号：Forest_Ecosystems
https://www.sciencedirect.com/journal/forest-ecosystems
供稿：赵瑾
编辑：李杰
审核：黄珍，李雅文
点击“阅读原文”访问期刊主页
