国外智慧农业研究热点和发展趋势分析
摘 要：智慧农业作为新兴的建立在高度数字化、信息化、智能化上的互联互通、智能高效的农业发展方式，近年来已成为研究热点。当前智慧农业发展即将迈入新阶段，为更深入了解智慧农业领域的研究现状和未来趋势，有必要对近年来国外文献进行系统梳理和总结，借鉴优秀研究成果和经验。基于Web of Science 数据库（2009-2022）相关文献，并利用CiteSpace 进行可视化分析，可以发现当前智慧农业领域的研究热点包括：农业机器人、农业智能装备、农业物联网、农业大数据、农业人工智能、智慧植保等，研究者更加关注人工智能领域的智慧农业。从研究趋势上看，无线传感器网络、物联网、人工神经网络、优化、随机森林、温度等是智慧农业研究领域的突变关键词，其中， 智能农业、能源、智慧城市是近三年出现的、智慧农业领域应持续关注的重点领域。未来，还需深入推进有关生态环境、智慧城市与技术发展融合等相关研究，以促进智慧农业发展。
一、引言
近年来，在信息技术不断更新和行业间技术交叉融合的背景下，农业领域面临着巨大的竞争和转型压力，寻求一种更加高效、系统化和智慧化的发展模式成为当务之需。智慧农业是一种建立在高度数字化、信息化、工业化基础之上的互联互通、智能高效的可持续农业模式。智慧农业作为新兴的农业发展方式，近年来已经得到业内人士的广泛关注。智慧农业强调将信息技术集成服务于农业领域，将产前、产中和产后全产业链各项工作在统一平台中实现，在农业全产业链实现各参与方协同工作、信息互联互通和全过程高度智慧化的发展目标，为农业在信息化潮流中发展指明方向。
由于智慧农业跨学科的性质，关于智慧农业的研究在不同学科中均有所涉及，使智慧农业成为学术界各专业领域的热点。智慧农业的飞速发展，对于促进经济社会发展起到了巨大的推动作用。怎样生动直观地展示智慧农业的研究现状、研究热点及其发展趋势？信息可视化软件CiteSpace 可通过知识图谱的生成和解读， 解释相关研究领域的发展现状，并预测该领域的未来前景。由此，本文将利用CiteSpace，对Web of Science 数据库中收录的智慧农业相关文献进行可视化分析，展示国外智慧农业的研究热点，预测智慧农业的发展趋势，以期为未来智慧农业领域相关研究提供新思路。
二、研究设计
1、数据采集
为保证数据质量，本文对Web of Science 数据库核心合集的SCIE 和SSCI 收录的智慧农业相关文献进行了全面采集。在“智慧农业” 这一名词尚未诞生之前，相关领域研究侧重于计算机技术的初步应用，以农业专家系统、电脑农业、数字农业为主。2009 年，IBM 首次提出“智慧地球”，由此衍生出各国对智慧农业的深入研究。基于此，本研究将时间跨度设置为2009 年至今。考虑到智慧农业包含多种表述形式，为保证数据采集的全面性，检索并下载主题包含“Intelligent agriculture（智能农业）” 或“Smart agriculture（智慧农业）”的全部文献， 导出全记录与引用的参考文献内容的纯文本格式记录，截至2022年7 月，搜索到相关文章记录总计1494 条，人工删除一些如信函、修订、收回的出版物、新闻、会议摘要等非学术文章， 再通过阅读文章摘要人工删除不相干的文献， 最终得到有效文献记录920 条。
2、数据处理
采用最新版本CiteSpace-6.1.2 来绘制国外智慧农业研究的知识图谱， 将Web of Science 数据库导出为纯文本数据的文献导入CiteSpace 中进行格式转换，将时间阈值设置为2009 年—2022 年，间隔为1 年，TopN 选择N=50，设置默认阈值为（1,3,20）,（3,3,20）, （3,3,20）。
3、研究方法
本研究主要采用文献计量分析法，运行CiteSpace 进行计量分析，对Web of Science 数据库收录的国外智慧农业研究相关样本数据库进行定量统计分析，同时，根据所涉及关键词绘制科学知识图谱，进行关键词共现分析，挖掘突变关键词动态信息，追踪智慧农业研究热点和发展趋势。
三、智慧农业相关文献的时空分布与分析
1、智慧农业相关文献的发表时间分布于分析
依据文献的发表时间，绘制出文献发表年份分布曲线，如图1 所示。文献发表年份分布曲线显示，研究者对智慧农业研究这一领域的关注程度逐年升温，文献数量逐年增加，且呈指数上升趋势。智慧农业的发展从发文量看分为如下三个阶段：思想起源阶段（2009 年— 2013 年），年均发表数量为6-16 篇；技术驱动阶段（2014 年—2018 年），年均发表数量为21-56 篇；融合创新阶段（2019 年至今），年均发表数量为105 篇以上。
2、智慧农业相关文献研究机构分布与分析
运行CiteSpace 进行计量分析，有346 家机构参与了智慧农业研究，其中，发表智慧农业相关文献3 篇及以上的机构共有160 家， 超过10篇的有12 家，除中国科学院、欧洲研究型大学联盟、埃及知识银行、沙特国王大学、瓦赫宁根大学研究、印度理工学院、江苏大学等少数综合性研究机构和大学之外， 大部分机构是农林类高校和科研院所，包括中国农业大学、印度农业研究理事会、南京农业大学、雅典农业大学、华南农业大学、美国农业部、中国农业科学院等，研究机构分布较为广泛。智慧农业的研究受到农林院校的高度关注，这体现出农林院校在实施农林领域人才培养过程中，高度重视智慧农业领域的研究工作。分析首发年份，可以看到农林院校早在2009 年就已关注智慧农业领域的研究，仅有的几所综合性大学是近两年才开始关注该领域研究的，这体现出随着近几年科技进步以及学科交叉融合的深入，智慧农业领域的研究机构范围开始逐步扩大，这一研究热点方向正在引起不同层次不同类型研究机构的关注。
为了解不同机构之间的合作情况，适当调整阈值，生成了智慧农业研究的机构合作知识图谱，如图2 所示。观察发现，网络整体密度低至0.0037，这进一步验证了智慧农业研究机构虽数量众多、但相对孤立的现状。
3、智慧农业相关文献的发表期刊分布与分析
对920 篇文献的发表期刊进行分类发现， 有高达202 家期刊发表过智慧农业相关文献。其中，《COMPUTERS AND ELECTRONICS IN AGRICULTURE》《IEEE ACCESS》《SENSORS》《SUSTAINABILITY》《AGRICULTURE-BASEL》《IEEE SENSORS JOURNAL》这6 种主流的农业工程类和综合性期刊发表文章数较多，分别为45 篇、43 篇、24 篇、15 篇、13 篇。
四、智慧农业相关文献研究热点趋势的可视化分析
关键词是文献内容的核心，利用关键词在某一领域文献中出现的频次和中心性，可以探索该领域的研究热点。本研究借助CiteSpace 软件，对智慧农业相关文献的关键词绘制科学知识图谱，通过关键词共现分析，探索智慧农业研究领域的热点变化，并通过关键词共现分析中突变关键词的演变，进一步追踪智慧农业研究领域的发展趋势。
1、智慧农业相关文献研究热点分析
运行CiteSpace 软件， 将时间阈值设置为2009 年—2022 年， 间隔为1 年，TopN 选择N=50， 以关键词为节点， 以1 年为一个时间分区，设置默认阈值为g-index（k=25），LRF=3.0，L/N=10，LBY=5，e=1.0，则得到智慧农业相关文献研究热点聚类知识图谱，包含728 个关键词和2342 条连接线，网络整体密度为0.0089，如图3 所示。
根据图3，能够直观地发现智慧农业研究的重点领域，每个圆形的节点代表关键词，大小各异的圆环表示关键词出现的频次，节点越大，说明关键词出现的频次越多，从而能够代表智慧农业的研究热点。按照1973 年多诺霍提出的高频词、低频词判断公式：
其中，表示频次为1 的关键词的个数， 其值为143， 得到阈值为16.42， 即频次超过17 次及以上的关键词是高频关键词，前几位分别是precision agriculture（精准农业）、smart agriculture（智慧农业）、system（系统）、climate-smart agriculture（气候智能型农业）、management（管理）、deep learning（深度学习） 等。另外，圆环最外层的紫红色年轮表示中心性，中心性越大，说明该关键词的中心作用越大，对其他关键词的影响也越大。频次和中心性都高的关键词代表了研究者共同关注的热点，如表1 所示。可以看出，高频词比较多， 共有25 个，其中precision agriculture、smart agriculture、smart farming 等关键词的含义相同， internet of things 和iot 等关键词的含义也存在交叉，因此将其进行合并处理，同时，挑选其中中心性大于0.1 的关键词得到智慧农业领域的研究热点包括：precision agriculture、smart agriculture、intelligent agriculture、system 等。由此看来，研究者更加关注技术领域的智慧农业，在智慧农业相关软硬件系统的研究与应用方面的关注力度也较高。
进一步将表1 选出的高频关键词进行合并、整理、抽取和汇总分析，可得到智慧农业相关文献研究热点，集中在以下领域：
（1）农业机器人与智能装备。包括智能农机、水肥一体化、农用无人机、农机作业综合管理平台等相关研究。Gonzalez-De- Santos 等（2020）认为，农业机器人应该从工业机器人中获得使用经验，并分析了工业机器人在农业系统中应用的优势。Wu 等（2020）提出了一种使用长期短期记忆的户外农业机器人，将当前环境与天气预报相结合， 预测正确的浇水时机。
（2）农业传感器与物联网。包括土壤养分监测、智能灌溉、农业远程控制系统、农业全产业链数据采集管理等相关研究。Tyagi 等（2020）使用无线传感器网络（WSN）促进智能农业物联网（Agri-IoT）实现高效、无缝的通信，并将其应用于智能灌溉、智能作物监测和智能渔业中。Veerachamy 等使用物联网（IoT） 平台部署一套智能灌溉控制系统，通过放置在作物种植地的传感器感知土壤湿度、空气湿度、温度和降雨量等不同指标的参数，并将感知的数据存储于云框架中，使用物联网和云平台实现数据采集。Boursianis 等（2020）综述了物联网和无人机技术在农业灌溉、施肥、农药使用、杂草管理、植物生长监测、作物病害管理和田间表型分析等场景中应用的最新研究成果，得出的结论是，物联网和无人机是将传统耕作方式转变为精准农业智能化新视角的两项最重要的技术。
（3）农业人工智能与大数据。包括智能农业、农业大数据、植物表型视觉识别等相关研究。Rajasekaran等（2020）提出一种可视化技术，帮助农民在作物选择方面作出更好的决策。O’Shaughnessy 等（2021）比较了韩国和美国智能农业解决方案的选择和实施情况。Junaid 等（2021）提出了一种通用的基于智能云的系统， 以适应使用物联网的农场需要远程监控的多种场景。
（4）智能植保机械与施药技术。该领域的研究不多，但影响力较大，近几年引起了植物保护专业及电子、计算机、机械相关专业研究人员的高度重视。Gadekallu 等（2020）应用机器学习模型对番茄病害图像数据集进行分类， 以主动采取必要措施应对此类农业病害。Ni 等（2021）设计了一种植保用无人机智能喷雾系统，通过多传感器融合，可获得喷雾系统的无人机偏移量和喷嘴流量。
（5）农蔬区块链。该领域研究稀少，是伴随着区块链技术发展而逐渐衍生出来的。Fu 等（2020）分析了基于区块链的数字系统与农产品供应链之间的耦合，介绍了中国的两个案例，表明提出的基于区块链的系统可以实现农产品供应链管理的颠覆性变革。Torky 等（2020） 全面综述了区块链和物联网在精准农业智能应用开发中的重要性，认为区块链以更可靠、不变、透明和分散的方式，在取代传统的农业数据存储、排序和共享方法方面发挥着关键作用。
2、智慧农业相关文献研究演进分析
为进行智慧农业相关文献研究演进分析， 进一步考察不同关键词在不同时间内的出现情况，在聚类知识图谱的基础上，本研究生成了关键词时序图谱，如图4 所示。通过时间排序， 将智慧农业相关文献研究演进情况分为以下三个阶段：
（1）思想起源阶段（2009 年—2013年）。这是智慧农业研究的根源，technology（技术）、agriculture（农业）等关键词的频次较高。由于该阶段信息化技术的发展尚不成熟，因此，研究集中于智慧农业相关信息化技术的理论研究、仿真模拟和初步应用，这些技术体现在智慧农业的顶层设计中，包括采用哪些信息化技术实现智慧农业，在农业生产过程中怎样实现智慧化，以及智慧农业的实施需要出台哪些政策文件。Abah 等（2010）认为，目前农业技术的状况不足以应对未来的生产挑战，必须开发创新技术，利用生物技术和基因工程与农业结合，并将其纳入传统的小农系统，提高作物产量，以满足日益增长的粮食需求。在该阶段研究后期，智慧农业发展所需要的技术不能仅仅依靠相关理论和模型的不断发展，还需要相关新兴技术的不断推进，因此，计算机科学的一些技术在智慧农业领域中逐渐生根发芽。例如， Aquino-Santos 等（2011）设计了一种新型无线传感器网络平台用于精准农业。Sivamani 等（2013）提出了一个垂直农场本体模型。Ranya 等（2013）设计了一种基于地理环境因素的智能模型，用于评估热带和亚热带地区不同类型作物的土地适宜性。
（2）技术驱动阶段（2014 年—2018年）。这一时期智慧农业研究的范围更加广泛， climate （气候）、bigdata （大数据）、management （管 理）、internet（互联网）、technology（科技）、internet of things（物联网）等关键词出现的频次较高，在物联网、大数据、云计算等相关技术不断发展的同时，智慧农业理念逐渐被重视，且不断被认可，这其中重点涉及农业物联网、农业大数据、农业云平台等方面的研究。Leslie 等（2015）结合新兴技术提出了气候智能农业解决方案。Kamilaris 等（2017）强调了农业大数据分析对智能农业带来的巨大机遇。由此看来，该阶段研究大多仍以理论和设计为主，应用推广障碍重重，缺乏落地实施项目， 仍需各国政策推动。
（3）融合创新阶段（2019 年至今）。智慧农业研究迅速发展，涌现出intelligent agriculture （智能农业）、computer vision（计算机视觉）、deep learning（深度学习）等与时代发展脉搏密切联系的崭新关键词。该阶段由于伴随新一代信息技术的发展，智慧农业也面临重大机遇，研究集中于智慧农业与机器学习、深度学习、计算机视觉、大数据、区块链等新技术的结合。Javed 等（2020）指出，随着数据已成为现代农业中帮助生产者作出决策的关键要素， 数据管理的进步正使智能农业呈指数级增长。Udutalapally 等（2020）提出了一种用于智能农业物联网中可持续自动疾病预测、作物选择和灌溉的新型设计，部署时间共三个月，在各种天气条件下实现了强劲的性能。Iaksch 等（2021） 指出，智能农业能够使用数字化和大数据应用来指导农业价值链上的决策，从而有助于提高农业生产力。Shaikh 等（2022）指出，人工智能技术已在智能农业体系结构不同层次得到有效应用，包括土壤和灌溉管理、天气预报、植物生长、疾病预测和牲畜管理。由此看来，在智慧农业相关政策文件进一步完善的同时，智慧农业研究也在不断融合创新，在政策的大力推动下，智慧农业领域的成熟产品不断落地应用， 此时研究人员关注的重点已不再是智慧农业的理论研究，而是结合新兴技术的创新应用研究。
3、智慧农业相关文献研究趋势分析
运行CiteSpace，得到智慧农业相关文献研究关键词突变历史，总计有12 个突变关键词，如图5 所示。该图显示，2009 年—2022年国外智慧农业研究领域突现词集中在2014 年以后，突现词包括wireless sensor network （ 无线传感网络）、internet of things（ 物联网）、artificial neural network（人工神经网络）、optimization（最优化）、random forest （随机森林）、 temperature（温度）、intelligent agriculture（智能农业）、energy（能量）、smart city（智慧城市）， 其中，intelligent agriculture、energy、smart city 是近三年出现的，它们必将成为未来几年智慧农业领域持续关注的重点领域。下一步，智慧农业还需借助人工智能时代的新技术，结合智慧城市的发展，不断开拓新的研究方向，并加强跨学科的交叉研究。
五、总结和展望
1、研究总结
本研究通过CiteSpace 软件，基于Web of Science 数据库（2009 年—2022 年）中智慧农业相关文献的可视化分析，得到以下结论：
（1）从时间上看，智慧农业的研究最早始于2009 年，并于2014 年以后开始集中涌现，于2019 年以后进入融合创新阶段，研究成果数量不断攀升。伴随着以人工智能为代表的新一代信息技术的发展，智慧农业发文数量激增，研究群体不断涌现，这体现出技术驱动是智慧农业研究的关键驱动因素。在人工智能、云计算、物联网、大数据、区块链等各种新技术快速迭代革新的形势下，智慧农业研究亟待与新技术更加深入地交叉融合， 未来需要更多的研究者共同推动相关研究的更新和升级。
（2）从空间上看，参与智慧农业研究的机构数量庞大，研究人员队伍日益壮大，但仍然没有形成具备凝聚力的研究团体， 也缺乏具备影响力的核心作者，不同的研究机构之间缺乏合作、各自为阵。未来需进一步加强政策引导，建立保障机制，推动不同机构之间研究人员的交叉合作研究，提高研究机构和研究人员对于智慧农业领域的关注度，产生有影响力的成果，推动智慧农业研究领域的良性循环。
（3）从研究热点上看，智慧农业领域的研究热点包括农业机器人、农业智能装备、农业物联网、农业大数据、农业人工智能、智慧植保等，研究者更加关注人工智能领域的智慧农业。未来需要将研究的关注点覆盖到智慧农业中的各个层面，覆盖到农业全产业链，以新兴技术助推智慧农业大发展。
（4）从研究趋势上看，无线传感器网络、物联网、人工神经网络、优化、随机森林、温度等是智慧农业研究领域的突变关键词，其中，智能农业、能源、智慧城市是近三年出现的，必将成为未来几年智慧农业持续关注的重点领域。下一步，智慧农业还需深入推进有关生态环境、智慧城市与技术发展相融合等领域的研究，以促进智慧农业的发展。
2、研究展望
智慧农业研究的真正迅速发展始于2019年，相对于新一代信息技术的快速更新迭代， 当前智慧农业领域的相关理论成果和实践探索均显得不足，尤其是智慧农业与人工智能、区块链等新技术结合的相关成果，还仅仅是设想， 大多停留在学术研究层面，尚未产生具体的应用成果和经济社会效益。本研究在进行智慧农业研究热点和发展趋势分析的过程中，发现一些值得进一步深思的问题，比如新一代信息技术飞速发展新形势下的智慧农业如何真正应用实施；如何构建一个融通共享、多元互动的智慧农业平台；如何真正实现人工智能、云计算、物联网、大数据、区块链等多种新技术与智慧农业领域的交叉融合；如何利用各种新技术实现农业产前智能监测土壤温湿度、产中智能农事管理、产后智能采摘分拣运输，让农业生产从田间地头到居民餐桌全流程都能够实现智能化管理；如何采集分析智慧农业所涉及的海量信息，助益决策改进，等等。
如今，智慧农业研究愈加引发相关机构和研究人员的关注。智慧农业为现代农业的发展带来了巨大革新，然而，大多智慧农业的应用却依然浮于表面。智慧农业应用离不开软硬件资源、政策、产业、环境等要素的同步革新， 需要各国研究机构和研究者增强互信、增进合作、共同攻关，协同促进智慧农业研究工作的逐步深入。
本文来自微信公众号：乡村振兴工作委员会（ID：xczxwyh）
