王越晗 夏煜

摘要：以2004—2022年Web of Science核心數(shù)據(jù)庫中592篇文獻(xiàn)為樣本，采用CiteSpace文獻(xiàn)計量軟件，可視化分析數(shù)字農(nóng)業(yè)國際研究熱點和趨勢。結(jié)果表明，數(shù)字農(nóng)業(yè)國際研究呈持續(xù)增長趨勢，在經(jīng)歷了理論探索期、穩(wěn)定發(fā)展期后正處于迅猛暴發(fā)期；國際研究集中于數(shù)字農(nóng)業(yè)的理論、方法、政策、實踐應(yīng)用等方面，而其主要陣地依然是以美國為首的歐美發(fā)達(dá)國家，雖然中國發(fā)文量較多，但國際學(xué)術(shù)影響力有待提升；研究熱點從數(shù)字農(nóng)業(yè)較關(guān)注的大數(shù)據(jù)、人工智能對數(shù)字農(nóng)業(yè)的影響逐漸轉(zhuǎn)向數(shù)字農(nóng)業(yè)技術(shù)的創(chuàng)新、數(shù)字農(nóng)業(yè)物聯(lián)網(wǎng)設(shè)備的性能、數(shù)字農(nóng)業(yè)供應(yīng)鏈平臺搭建與維護等方面；數(shù)字農(nóng)業(yè)研究的前沿包括大數(shù)據(jù)分析技術(shù)與GIS技術(shù)結(jié)合處理農(nóng)業(yè)監(jiān)測數(shù)據(jù)、農(nóng)業(yè)科技創(chuàng)新促進農(nóng)業(yè)綠色發(fā)展以及人工智能方法支持農(nóng)業(yè)決策系統(tǒng)等。此外，對數(shù)字農(nóng)業(yè)發(fā)展中存在的問題進行了梳理，并展望了數(shù)字農(nóng)業(yè)發(fā)展的前景。

關(guān)鍵詞：數(shù)字農(nóng)業(yè)；可視化分析；國際；研究熱點；研究前沿；趨勢；CiteSpace

中圖分類號：F327? ? ? ? ?文獻(xiàn)標(biāo)識碼：A

文章編號：0439-8114（2023）12-0178-10

DOI：10.14088/j.cnki.issn0439-8114.2023.12.032 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

International research hotspots and trends analysis of digital agriculture

based on CiteSpace

WANG Yue-han1，XIA Yu2

（1. Beidou College，Wuhan Qingchuan University，Wuhan? 430204，China；2. Institute of Spatial Information Technology Application，

Changjiang River Scientific Research Institute，Wuhan? 430010，China）

Abstract： Using 592 articles from the Web of Science core database from 2004 to 2022 as samples， the CiteSpace bibliometric software was used to visually analyze international research hotspots and trends in digital agriculture. The results indicated that the international research on digital agriculture was showing a sustained growth trend， and after experiencing a period of theoretical exploration and stable development， it was in a period of rapid outbreak；international research focused on the theory， methods， policies， and practical applications of digital agriculture， while its main focus was still on developed countries in Europe and America， led by the United States. Although China had a large number of publications， its international academic influence needed to be improved；the research focus had shifted from the focus on big data and the impact of artificial intelligence on digital agriculture， to the innovation of digital agriculture technology， the performance of digital agriculture IoT devices， and the construction and maintenance of digital agriculture supply chain platforms；the forefront of digital agriculture research included the combination of big data analysis technology and GIS technology to process agricultural monitoring data， agricultural technological innovation to promote green development of agriculture， and artificial intelligence methods to support agricultural decision-making systems. In addition， the problems existing in the development of digital agriculture were sorted out， and the prospects for the development of digital agriculture were looked forward to.

Key words： digital agriculture； visual analysis； international； research hotspots； research frontiers； trends； CiteSpace

數(shù)字農(nóng)業(yè)是將信息作為農(nóng)業(yè)生產(chǎn)要素，用現(xiàn)代信息技術(shù)對農(nóng)業(yè)對象、環(huán)境和全過程進行可視化表達(dá)、數(shù)字化設(shè)計和信息化管理的現(xiàn)代農(nóng)業(yè)。數(shù)字農(nóng)業(yè)屬于數(shù)字經(jīng)濟的一部分［1］，它是一個集合概念，主要包括農(nóng)業(yè)物聯(lián)網(wǎng)、農(nóng)業(yè)大數(shù)據(jù)、精準(zhǔn)農(nóng)業(yè)和智慧農(nóng)業(yè)4個方面。數(shù)字農(nóng)業(yè)使信息技術(shù)與農(nóng)業(yè)各環(huán)節(jié)實現(xiàn)有效融合，對改造傳統(tǒng)農(nóng)業(yè)、轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式具有重要意義。

數(shù)字農(nóng)業(yè)必不可少的就是數(shù)字技術(shù)，而數(shù)字技術(shù)擁有較強的抗干擾能力，且精度較高，同時數(shù)字信號能夠長期存儲，有效保存大量珍貴的信息資源。數(shù)字技術(shù)還擁有良好的保密性，可進行加密處理，確保信息資源不受竊?。?］。有學(xué)者將數(shù)字技術(shù)的變化總結(jié)為4個方面，一是實在與虛在的區(qū)分變得模糊，二是人類、機器和自然界的區(qū)分變得模糊，三是當(dāng)它涉及信息時，從匱乏逆轉(zhuǎn)為過剩，四是從以實體為主導(dǎo)轉(zhuǎn)向以互動為主導(dǎo)。數(shù)字技術(shù)的這些特點及優(yōu)勢極大地推動了相關(guān)研究領(lǐng)域的發(fā)展，并在數(shù)控領(lǐng)域、電子計算機領(lǐng)域、數(shù)字化儀表、通訊設(shè)備及其他領(lǐng)域得到廣泛應(yīng)用［3］。

Kamble等［4］認(rèn)為農(nóng)業(yè)食品供應(yīng)鏈的主要問題是缺乏工業(yè)化、管理不足、信息不準(zhǔn)確和供應(yīng)鏈效率較低，物聯(lián)網(wǎng)、區(qū)塊鏈和大數(shù)據(jù)技術(shù)是可持續(xù)農(nóng)業(yè)供應(yīng)鏈的潛在推動者，并提出了一個應(yīng)用框架，該框架將指導(dǎo)農(nóng)業(yè)食品供應(yīng)鏈從業(yè)人員規(guī)劃投資，以建立一個強大的、數(shù)據(jù)驅(qū)動的農(nóng)業(yè)食品供應(yīng)鏈；Klerkx等［5］認(rèn)為有關(guān)農(nóng)業(yè)數(shù)字化的文獻(xiàn)可分為4個主題群，一是數(shù)字技術(shù)在農(nóng)業(yè)中的使用和適應(yīng)，二是數(shù)字化對農(nóng)民身份、農(nóng)民技能和農(nóng)業(yè)工作的影響，三是數(shù)字化農(nóng)業(yè)生產(chǎn)體系和價值鏈中的權(quán)力、所有權(quán)、隱私和倫理，四是數(shù)字化和農(nóng)業(yè)知識創(chuàng)新系統(tǒng)以及數(shù)字化農(nóng)業(yè)生產(chǎn)體系和價值鏈的經(jīng)濟與管理。Lezoche等［6］、Rotz等［7］認(rèn)為物聯(lián)網(wǎng)、區(qū)塊鏈和大數(shù)據(jù)技術(shù)正推動農(nóng)業(yè)供應(yīng)鏈向數(shù)據(jù)驅(qū)動的數(shù)字化供應(yīng)鏈發(fā)展，并指出了數(shù)據(jù)驅(qū)動的可持續(xù)農(nóng)業(yè)供應(yīng)鏈的重要性，揭示了數(shù)字農(nóng)業(yè)與農(nóng)場多樣性之間的聯(lián)系，探討政治和經(jīng)濟格局可以在多大程度上讓農(nóng)業(yè)得到最大程度的公平。

Hunt等［8］對無人機系統(tǒng)（UAS）遙感技術(shù)用于精準(zhǔn)農(nóng)業(yè)進行了深入探討，與擁有相同傳感器的載人飛機平臺相比，其具有更小的樣本距離、圖像校準(zhǔn)以及運動點云構(gòu)成的冠層高度模型3個優(yōu)點。Dematte等［9］認(rèn)為土壤制圖是環(huán)境問題的關(guān)鍵，開發(fā)一種利用多時相衛(wèi)星圖像信息的程序，建立一個單一的合成圖像來代表土壤，該程序被稱為地理空間土壤遙感系統(tǒng)（GEOS3）；Oliphant等［10］認(rèn)為粗分辨率地圖在較小的區(qū)域（如東南亞）用途有限，同時在耕地定位的地理精度和產(chǎn)品精度方面都存在不確定性，利用高空間分辨率影像可以將耕地與非耕地地區(qū)分開，也可以在谷歌地球引擎（GEE）云計算環(huán)境中編碼，并運行基于像素的隨機森林（RF）監(jiān)督機器學(xué)習(xí)算法，實現(xiàn)耕地與非耕地的分離；Shen等［11］基于大數(shù)據(jù)技術(shù)，構(gòu)建了一種高性能農(nóng)產(chǎn)品推薦算法，對農(nóng)產(chǎn)品智能供應(yīng)鏈系統(tǒng)進行研究，采用網(wǎng)絡(luò)均衡方法構(gòu)建了多個農(nóng)產(chǎn)品供應(yīng)鏈網(wǎng)絡(luò)模型；有學(xué)者［12-15］采用案例形式，探討了大數(shù)據(jù)分析在各平臺上的應(yīng)用現(xiàn)狀、挑戰(zhàn)和未來發(fā)展方向，引入了數(shù)據(jù)主權(quán)的概念。通過對文獻(xiàn)的梳理發(fā)現(xiàn)，國內(nèi)文獻(xiàn)對數(shù)字農(nóng)業(yè)的熱點和前沿研究較少，且相關(guān)理論與實踐價值不高。

前期對數(shù)字農(nóng)業(yè)的研究集中在概念界定和技術(shù)應(yīng)用2個方面，主要在農(nóng)業(yè)物聯(lián)網(wǎng)、農(nóng)業(yè)大數(shù)據(jù)、精準(zhǔn)農(nóng)業(yè)及智慧農(nóng)業(yè)4個方向開展研究。

農(nóng)業(yè)物聯(lián)網(wǎng)通常是將大量的傳感器節(jié)點構(gòu)成監(jiān)控網(wǎng)絡(luò)，通過各種傳感器采集信息，以幫助農(nóng)民及時發(fā)現(xiàn)問題，并準(zhǔn)確地確定發(fā)生問題的位置。在農(nóng)產(chǎn)品生產(chǎn)和流通中，經(jīng)常會出現(xiàn)農(nóng)產(chǎn)品質(zhì)量問題，在農(nóng)產(chǎn)品供應(yīng)鏈上植入物聯(lián)網(wǎng)技術(shù)已是大勢所趨。物聯(lián)網(wǎng)的數(shù)據(jù)融合技術(shù)可以解決農(nóng)產(chǎn)品來源不明問題，提高農(nóng)產(chǎn)品供應(yīng)效率；利用5G物聯(lián)網(wǎng)技術(shù)構(gòu)建5G物聯(lián)網(wǎng)農(nóng)產(chǎn)品流通信息系統(tǒng)，實現(xiàn)農(nóng)產(chǎn)品供應(yīng)鏈的實時定位、信息共享和流通安全；設(shè)計一種基于物聯(lián)網(wǎng)的農(nóng)田灌溉系統(tǒng)，對網(wǎng)絡(luò)監(jiān)測節(jié)點硬件進行改造，實現(xiàn)對農(nóng)田環(huán)境的數(shù)據(jù)采集和近距離傳輸。

農(nóng)業(yè)大數(shù)據(jù)是近年來興起的研究方向，是大數(shù)據(jù)理念、技術(shù)和方法在農(nóng)業(yè)中的實施。農(nóng)業(yè)大數(shù)據(jù)能夠在農(nóng)業(yè)經(jīng)濟領(lǐng)域上起到較大作用，推動農(nóng)業(yè)轉(zhuǎn)型，通過對農(nóng)產(chǎn)品價格影響因素和價格波動狀況的分析，對相關(guān)農(nóng)業(yè)大數(shù)據(jù)進行挖掘，并實現(xiàn)數(shù)據(jù)可視化，從而為企業(yè)創(chuàng)新經(jīng)濟管理提供相關(guān)的科學(xué)依據(jù)。農(nóng)業(yè)大數(shù)據(jù)在涉農(nóng)企業(yè)的日常運作中也開始凸顯自身的重要性，基于大數(shù)據(jù)技術(shù)的新型農(nóng)業(yè)企業(yè)主體會計工作體系能夠有效提高會計工作質(zhì)量。在管理層面上，構(gòu)建基于大數(shù)據(jù)分析的精準(zhǔn)智能農(nóng)業(yè)決策支持系統(tǒng)也離不開農(nóng)業(yè)大數(shù)據(jù)。此外，智慧農(nóng)業(yè)建設(shè)與發(fā)展也離不開農(nóng)業(yè)大數(shù)據(jù)為其提供強有力的數(shù)據(jù)支撐。

精準(zhǔn)農(nóng)業(yè)是信息技術(shù)與農(nóng)業(yè)生產(chǎn)全面結(jié)合的一種新型農(nóng)業(yè)。精準(zhǔn)農(nóng)業(yè)可以與農(nóng)業(yè)生態(tài)原理相結(jié)合，成為精準(zhǔn)農(nóng)業(yè)生態(tài)學(xué)。無線傳感器網(wǎng)絡(luò)可在精準(zhǔn)農(nóng)業(yè)生產(chǎn)中發(fā)揮重要作用，通過建立一種有效利用傳感器節(jié)點能量的模型，為精準(zhǔn)農(nóng)業(yè)提供全面分析，促進農(nóng)業(yè)經(jīng)濟的增長。

智慧農(nóng)業(yè)是云計算、傳感網(wǎng)、3S等多種信息技術(shù)在農(nóng)業(yè)中綜合全面的應(yīng)用，實現(xiàn)更完備的信息化基礎(chǔ)支撐、更透徹的農(nóng)業(yè)信息感知、更集中的數(shù)據(jù)資源、更廣泛的互聯(lián)互通、更深入的智能控制以及更貼心的公眾服務(wù)。

本研究利用科學(xué)計量工具，對 Web of Science核心合集數(shù)據(jù)庫中數(shù)字農(nóng)業(yè)文獻(xiàn)進行可視化分析，繪制科學(xué)知識圖譜，描繪出數(shù)字農(nóng)業(yè)國際研究大趨勢，識別國際研究熱點，剖析該領(lǐng)域發(fā)展脈絡(luò)和知識演進體系。

1 研究設(shè)計

1.1 研究方法與工具

文獻(xiàn)計量法是用數(shù)學(xué)和統(tǒng)計學(xué)的方法，從不同維度對文獻(xiàn)體系和文獻(xiàn)計量特征進行描述性統(tǒng)計分析，本研究采用陳悅等［16］研發(fā)的CiteSpace軟件作為分析工具，首先，對數(shù)字農(nóng)業(yè)領(lǐng)域發(fā)展階段、核心期刊、核心作者、核心國家和機構(gòu)進行統(tǒng)計分析，探討數(shù)字農(nóng)業(yè)研究的基本趨勢；然后，對數(shù)字農(nóng)業(yè)國際研究文獻(xiàn)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)和突現(xiàn)值進行分析，深入探索數(shù)字農(nóng)業(yè)在國際領(lǐng)域的研究熱點和研究前沿；最后，基于關(guān)鍵詞聚類科學(xué)知識圖譜可視化分析了數(shù)字農(nóng)業(yè)國際主流細(xì)分領(lǐng)域。科學(xué)知識圖譜是一種重要的文獻(xiàn)計量學(xué)分析方法，以可視化方式展現(xiàn)數(shù)字創(chuàng)新領(lǐng)域的知識結(jié)構(gòu)、組成規(guī)律和分布情況［17-19］，探討數(shù)字農(nóng)業(yè)領(lǐng)域知識發(fā)展進程、研究熱點和前沿。

1.2 數(shù)據(jù)來源

為保證數(shù)字農(nóng)業(yè)國際研究數(shù)據(jù)的可靠性，選取Web of Science核心合集數(shù)據(jù)庫，引文索引選擇“SCI”“SSCI”，設(shè)置主題為“Digital agriculture”or“Agricultural internet of things”or“Agricultural big data”or“Precision agriculture”or“Intelligent agriculture”，不限時間，共檢索到1 934條文獻(xiàn)數(shù)據(jù)；將文獻(xiàn)類型設(shè)置為“Article”，文獻(xiàn)類別設(shè)置為“Agriculture multidisciplinary”“Agronomy”“Green sustainable science technology”“Ecology”“Agricultural engineering”“Agricultural economics policy”“Management”“Business”“Agriculture dairy animal science”，精煉得到592條文獻(xiàn)數(shù)據(jù)，時間跨度為2004—2022年。對592篇文獻(xiàn)進行人工篩選，未發(fā)現(xiàn)會議通知、重復(fù)等無效文獻(xiàn)，也未發(fā)現(xiàn)與主題不符的文獻(xiàn)。故本研究以592條文獻(xiàn)數(shù)據(jù)為原始數(shù)據(jù)，并將其導(dǎo)入CiteSpace軟件，時間參數(shù)設(shè)置為2004—2022年，Year per slice設(shè)置為1。

2 數(shù)字農(nóng)業(yè)國際研究基本特征分析

2.1 數(shù)字農(nóng)業(yè)國際研究的發(fā)展階段

使用文獻(xiàn)計量法分析數(shù)字農(nóng)業(yè)發(fā)展歷程，根據(jù)文獻(xiàn)數(shù)量變化和時序規(guī)律統(tǒng)計分析，可以揭示數(shù)字農(nóng)業(yè)領(lǐng)域的發(fā)展?fàn)顩r，預(yù)測其研究前景。如圖1所示，2004—2021年，發(fā)文量整體呈上升趨勢。數(shù)字農(nóng)業(yè)國際研究文獻(xiàn)隨時間發(fā)展呈明顯的指數(shù)型增長趨勢，增長過程大致分為3個階段。

1）理論探索期（2004—2006年）。隨著互聯(lián)網(wǎng)的普及，農(nóng)業(yè)的生產(chǎn)方式也受到了極大的沖擊，也有一些學(xué)者保持觀望的態(tài)度，因此該時間段的數(shù)字農(nóng)業(yè)研究較少，平均每年核心期刊的發(fā)文量為7.3篇。

2）穩(wěn)定發(fā)展期（2007—2015年）。該時期核心期刊每年發(fā)文數(shù)量較穩(wěn)定，平均每年發(fā)文量保持在14.6篇；該時期平均每年發(fā)文量是第一階段的2倍，說明越來越多的學(xué)者開始關(guān)注數(shù)字農(nóng)業(yè)領(lǐng)域。

3）迅猛暴發(fā)期（2016—2022年）。2016—2021年平均每年核心期刊的發(fā)文量為70.5篇，其中僅2021年就發(fā)文150篇；2022年1個月的核心期刊發(fā)文量也有15篇；與第二階段相比，該時期平均每年發(fā)文量增加55.9篇，說明數(shù)字農(nóng)業(yè)已經(jīng)受到了研究者的高度關(guān)注且研究前景非常好。

2.2 數(shù)字農(nóng)業(yè)國際研究核心力量分布

2.2.1 數(shù)字農(nóng)業(yè)國際研究高被引作者分布 高被引作者是衡量學(xué)者在數(shù)字農(nóng)業(yè)領(lǐng)域影響力的重要指標(biāo)之一。高被引作者排序如表1所示，高被引作者主要研究以下2方面內(nèi)容。

1）數(shù)字農(nóng)業(yè)的概念及相關(guān)的社會問題。Wolfert等19］認(rèn)為要深入了解大數(shù)據(jù)在智能農(nóng)業(yè)中的應(yīng)用，并確定需要解決的相關(guān)社會經(jīng)濟挑戰(zhàn)，按照結(jié)構(gòu)化的方法構(gòu)建一個概念性框架，從社會經(jīng)濟的角度進行研究以及在不同供應(yīng)鏈場景下數(shù)據(jù)共享。

2）數(shù)字農(nóng)業(yè)在制度與政策上的創(chuàng)新。Klerkx等［20］認(rèn)為從農(nóng)業(yè)創(chuàng)新系統(tǒng)的復(fù)雜性角度來看，創(chuàng)新網(wǎng)絡(luò)及其環(huán)境之間的交互作用只能在有限的程度上可控，農(nóng)業(yè)創(chuàng)新政策不應(yīng)以全面規(guī)劃和控制創(chuàng)新為目標(biāo)，而應(yīng)以促進靈活的支持手段為目標(biāo)，以實現(xiàn)適應(yīng)性創(chuàng)新管理。

為更加直觀地展現(xiàn)數(shù)字農(nóng)業(yè)領(lǐng)域被引作者的合作情況，本研究以“Cited author”為節(jié)點繪制作者被引頻次網(wǎng)絡(luò)。被引作者數(shù)量（N）為466人，連線的數(shù)量（E）為1 654，被引作者之間合作的緊密度（Density）為0.015 3。由圖2可知，被引作者網(wǎng)絡(luò)間聯(lián)結(jié)比較緊密，聚集度較高，表明目前關(guān)注數(shù)字農(nóng)業(yè)領(lǐng)域的高水平學(xué)者數(shù)量逐漸增加，相對應(yīng)的高水平學(xué)者之間的研究交流開始變得密切，數(shù)字農(nóng)業(yè)領(lǐng)域研究空間較大。

2.2.2 數(shù)字農(nóng)業(yè)國際研究核心期刊分布 期刊共被引是分析2篇不同期刊來源文獻(xiàn)同時被第3篇其他期刊來源文獻(xiàn)所引用的頻次，從而判斷期刊在數(shù)字創(chuàng)新領(lǐng)域發(fā)文的關(guān)注度和認(rèn)可度［21］。表2列出了數(shù)字農(nóng)業(yè)國際領(lǐng)域2004—2022年排名前10的高被引期刊，這些期刊在數(shù)字農(nóng)業(yè)領(lǐng)域有相當(dāng)?shù)臋?quán)威性，能夠把握數(shù)字農(nóng)業(yè)領(lǐng)域研究動態(tài)，并為相關(guān)學(xué)者的后續(xù)研究提供思路和方向。其中《Computers and electronics in agriculture》的被引頻次排在首位（255次），該刊主要關(guān)注園藝、林業(yè)、農(nóng)作物科學(xué)與計算機科學(xué)應(yīng)用的結(jié)合等問題；《Precision agriculture》的被引頻次位居第二（149次），該刊主要收錄農(nóng)業(yè)與生物科學(xué)類論文，并在近年逐漸加大對農(nóng)業(yè)大數(shù)據(jù)方面論文的收錄。被引頻次為107次的《Remote sensing of environment》則是影響因子（2020年）最高的期刊，影響因子高達(dá)10.164，該刊主要關(guān)注土壤科學(xué)、地質(zhì)狀況以及地球信息科學(xué)等方面的研究。被引頻次為122次的《Animal science and zoology》主要關(guān)注動物學(xué)與動物科學(xué)、農(nóng)作物科學(xué)方面的研究。被引頻次為89次的《Remote sensing》則主要收錄農(nóng)業(yè)工程與計算機應(yīng)用、地理信息科學(xué)方面的論文。

2.2.3 數(shù)字農(nóng)業(yè)國際研究核心國家和機構(gòu)分布 發(fā)文量在一定程度上反映了不同國家、機構(gòu)在數(shù)字創(chuàng)新領(lǐng)域的研究水平和貢獻(xiàn)度［22］。表3列出了數(shù)字農(nóng)業(yè)國際研究領(lǐng)域高發(fā)文國家、機構(gòu)。從發(fā)文國家看，首先，作為傳統(tǒng)農(nóng)業(yè)發(fā)達(dá)國家的美國、澳大利亞及德國的發(fā)文量均在前5位，其中美國的發(fā)文量排第1位，為119篇；其次，作為金磚五國的巴西、中國、印度的發(fā)文量均在前15位，其中，巴西和中國排名靠前，分別為第2位、第3位；再次，歐洲國家明顯更重視數(shù)字農(nóng)業(yè)的發(fā)展，除前文提到的德國外，西班牙、意大利、荷蘭、法國、英國、比利時的發(fā)文量均在前15位。從發(fā)文機構(gòu)看，美國農(nóng)業(yè)部農(nóng)業(yè)科學(xué)研究院、西班牙國家研究委員會、瓦赫寧根大學(xué)研究院、瓦赫寧根大學(xué)、澳大利亞聯(lián)邦科學(xué)院、悉尼大學(xué)的發(fā)文量均在前6位，歐美國家仍然是數(shù)字農(nóng)業(yè)的主要研究陣地，其中，美國農(nóng)業(yè)部農(nóng)業(yè)科學(xué)研究院以16篇發(fā)文量排名高發(fā)文機構(gòu)榜首。中國農(nóng)業(yè)大學(xué)以7篇發(fā)文量進入到高發(fā)文機構(gòu)中上水平行列。值得注意的是，中國雖然在高發(fā)文國家名列前茅，同時中國的科研機構(gòu)也能在高發(fā)文機構(gòu)中占得一席之地，但是根據(jù)表1的高被引作者排序可知，中國的學(xué)者無一入選，可見中國在數(shù)字農(nóng)業(yè)領(lǐng)域?qū)W術(shù)影響力還有待加強。

3 數(shù)字農(nóng)業(yè)國際研究熱點與前沿分析

3.1 關(guān)鍵詞共現(xiàn)研究熱點分析

關(guān)鍵詞是對論文研究內(nèi)容的高度凝練，反映了文章研究主題，也是表征文獻(xiàn)研究熱點最直接的元素［23］。通過研究關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)可以揭示數(shù)字農(nóng)業(yè)國際研究領(lǐng)域的演變過程和研究熱點，出現(xiàn)頻次較高的關(guān)鍵詞即是學(xué)者在一段時間內(nèi)共同關(guān)注的研究熱點［24］。表4列出了前15位關(guān)鍵詞頻次，清晰地顯示出2004—2022年數(shù)字農(nóng)業(yè)國際研究領(lǐng)域的研究熱點。數(shù)字農(nóng)業(yè)國際研究高頻關(guān)鍵詞集中在2004年、2007年、2008年、2010年、2012年、2013年、2016年、2017年、2018年。精準(zhǔn)農(nóng)業(yè)是數(shù)字農(nóng)業(yè)領(lǐng)域出現(xiàn)頻次最高的關(guān)鍵詞，這反映出數(shù)字農(nóng)業(yè)的核心所在；其次是系統(tǒng)、農(nóng)業(yè)、數(shù)字農(nóng)業(yè)、管理、大數(shù)據(jù)、采用、技術(shù)、遙感、模型、分類、信息等，表明數(shù)字農(nóng)業(yè)研究以專業(yè)的學(xué)科科研機構(gòu)和組織等為單位，以農(nóng)業(yè)為基礎(chǔ)，依托大數(shù)據(jù)、人工智能、遙感技術(shù)等先進的科技手段，將數(shù)字化技術(shù)融入到農(nóng)業(yè)生產(chǎn)中。此外，高頻關(guān)鍵詞還有接受、可變性、挑戰(zhàn)、生物多樣性、影響等，從倫理、道德的層面探討了數(shù)字農(nóng)業(yè)帶來的影響。

為了更好地了解數(shù)字農(nóng)業(yè)國際研究領(lǐng)域近年來研究熱點的演進態(tài)勢，本研究列出了2016—2021年頻次較高的關(guān)鍵詞，分析了近年來數(shù)字農(nóng)業(yè)國際領(lǐng)域研究發(fā)展趨勢，如表5所示。2016年、2017年的關(guān)鍵詞最高頻次均超過45次，研究熱點比較集中，著重分析數(shù)字農(nóng)業(yè)的本質(zhì)并將大數(shù)據(jù)引入數(shù)字農(nóng)業(yè)研究；2018年、2019年頻次最高的關(guān)鍵詞均為技術(shù)，說明數(shù)字農(nóng)業(yè)研究的重心在技術(shù)的更迭上；從2019年開始，研究熱點較分散，呈百花齊放的態(tài)勢，這是因為物聯(lián)網(wǎng)、大數(shù)據(jù)的運用已經(jīng)較成熟，研究熱點逐步細(xì)化。近年來的研究已經(jīng)從數(shù)字農(nóng)業(yè)較關(guān)注的大數(shù)據(jù)、人工智能對數(shù)字農(nóng)業(yè)的影響，逐漸轉(zhuǎn)向數(shù)字農(nóng)業(yè)技術(shù)的創(chuàng)新、數(shù)字農(nóng)業(yè)物聯(lián)網(wǎng)設(shè)備的性能、數(shù)字農(nóng)業(yè)供應(yīng)鏈平臺的搭建與維護等方面。

3.2 數(shù)字農(nóng)業(yè)國際研究前沿分析

突現(xiàn)詞圖譜可以回顧哪些關(guān)鍵詞在什么時間段成為了熱點，且由于突現(xiàn)詞通常具有時間延續(xù)性，可用于輔助預(yù)判未來一段時間內(nèi)的研究熱點趨勢［25］。本研究使用Burstness突現(xiàn)詞探測工具生成圖譜預(yù)判數(shù)字農(nóng)業(yè)國際研究前沿和轉(zhuǎn)向。其原理是某個關(guān)鍵詞的詞頻在短時間內(nèi)激增，使研究熱度在短時間內(nèi)迅速升高。

表6列出了數(shù)字農(nóng)業(yè)國際研究領(lǐng)域前11位關(guān)鍵詞，紅色區(qū)域的長度則代表突現(xiàn)時間段的持續(xù)時長。數(shù)字農(nóng)業(yè)的突現(xiàn)強度最大，高達(dá)8.10，雖然數(shù)字農(nóng)業(yè)最早于1997年被提出，但是該詞于2020年開始突現(xiàn)并持續(xù)至今，得益于物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新技術(shù)的逐漸成熟，讓數(shù)字農(nóng)業(yè)的實現(xiàn)成為了可能，故而引發(fā)了新一輪數(shù)字農(nóng)業(yè)研究熱潮，成為最具影響力的研究前沿。其次為大數(shù)據(jù)、技術(shù)、未來、性能、人工智能，突變強度分別為4.63、4.26、3.44、3.37、3.05，這5個詞代表數(shù)字農(nóng)業(yè)的重要研究前沿領(lǐng)域。

3.3 數(shù)字農(nóng)業(yè)國際研究聚類分析

關(guān)鍵詞聚類圖譜可以客觀地反映數(shù)字農(nóng)業(yè)國際研究的共現(xiàn)熱點。聚類可選的算法主要有LSI（潛語義索引算法）、LLR（對數(shù)似然率算法）及MI（互信息算法）3種，同時可通過聚類模塊值Modularity（Q）與聚類平均輪廓值Mean silhouette（S）2個指標(biāo)，判斷聚類結(jié)果的效度。一般認(rèn)為Q>0.3表示聚類結(jié)構(gòu)顯著，S>0.5表示聚類合理，S>0.7表示聚類令人信服［26］。本研究采用LLR對數(shù)字農(nóng)業(yè)國際研究領(lǐng)域中的關(guān)鍵詞進行聚類分析，根據(jù)關(guān)鍵詞網(wǎng)絡(luò)中的聚類模塊值和聚類平均輪廓值來判斷聚類結(jié)果的效度。聚類模塊值為0.767 4，表明聚類結(jié)構(gòu)合理；聚類平均輪廓值為0.900 8，表明聚類結(jié)果令人信服。本研究將數(shù)字農(nóng)業(yè)國際研究劃分為10類，分別為聚類0（Digitalization）、聚類1（Precision agriculture）、聚類2（Artificial intelligence）、聚類3（Vegetation indices）、聚類4（Climate change）、聚類5（Circular economy）、聚類6（Digital soil mapping）、聚類7（Soil texture）、聚類8（Laser）、聚類9（Urban agriculture）。聚類序號越靠前表示該聚類包含的文獻(xiàn)越多，研究的主題相對集中。

為更好地分析聚類效果，本研究進一步統(tǒng)計出各聚類標(biāo)簽的相關(guān)指標(biāo)。如表7所示，節(jié)點數(shù)量代表研究熱度，聚類緊密度越接近1表示其內(nèi)部關(guān)聯(lián)越密切，對數(shù)似然率越高越具有聚類的代表性，P越小聚類效果越顯著。前8類聚類標(biāo)簽的節(jié)點數(shù)量均超過10個，緊密程度的最大值為0.933，最小值為0.817，聚類結(jié)果大多滿足在0.000 1水平上顯著，總體聚類效果較好。

聚類0、聚類1、聚類2、聚類8、聚類9的研究主題分別是數(shù)字化、精準(zhǔn)農(nóng)業(yè)、人工智能、激光、都市農(nóng)業(yè)。以數(shù)據(jù)為中心的農(nóng)業(yè)4.0正在重塑農(nóng)業(yè)產(chǎn)業(yè)。農(nóng)業(yè)數(shù)字化［27］涉及新型信息和通信技術(shù)，包括傳感器、物聯(lián)網(wǎng)、大數(shù)據(jù)分析、機器人、人工智能和機器學(xué)習(xí)。數(shù)字化是應(yīng)用數(shù)字創(chuàng)新的社會技術(shù)過程［27］，這一趨勢帶來了社會過程和實踐的變化。鑒于數(shù)字技術(shù)的變革潛力，社會科學(xué)家提出了許多與農(nóng)業(yè)數(shù)字化相關(guān)的重要社會問題和倫理問題，包括誰受益以及如何受益，對農(nóng)村和農(nóng)業(yè)社區(qū)以及它們與日益城市化的社會之間的關(guān)系［28］。此外，利潤驅(qū)動的私人組織（通常是跨國組織）在數(shù)字農(nóng)業(yè)領(lǐng)域的強大存在對創(chuàng)新過程具有高度影響力［19］。智能農(nóng)業(yè)和精準(zhǔn)農(nóng)業(yè)的進步為應(yīng)對農(nóng)業(yè)可持續(xù)性挑戰(zhàn)提供了重要工具，機器學(xué)習(xí)、大數(shù)據(jù)分析、云計算和區(qū)塊鏈等顛覆性信息和通信技術(shù)能夠提高生產(chǎn)率，也能確保土壤和植物健康，還能強化對環(huán)境的治理［29］。云計算已經(jīng)成為一種新的模型，可以作為服務(wù)器有效地管理和交付相關(guān)應(yīng)用程序，云計算與無線傳感器網(wǎng)絡(luò)、物聯(lián)網(wǎng)（IoT）和大數(shù)據(jù)分析等技術(shù)的融合為云服務(wù)提供了新思路。通過預(yù)先配置的設(shè)備和物聯(lián)網(wǎng)傳感器收集來自不同用戶的信息，并在云計算中使用大數(shù)據(jù)分析進行處理，自動向用戶提供所需的信息，利用云計算和大數(shù)據(jù)技術(shù)實現(xiàn)農(nóng)業(yè)即服務(wù)（AaaS）的交付［30］。人工智能（AI）已經(jīng)順利滲透到包括農(nóng)業(yè)在內(nèi)的許多監(jiān)測和控制應(yīng)用中，搭載全功能人工智能的低功耗傳感設(shè)備的研究工作仍在進行中，人工智能嵌入式系統(tǒng)是基于低功耗嵌入式傳感系統(tǒng)，帶有圖形處理單元（GPU），能夠運行基于神經(jīng)網(wǎng)絡(luò)的AI，將一種稱為長短期記憶網(wǎng)絡(luò)（LSTM）的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）作為核心，依靠先進的移動圖形芯片對自動設(shè)備進行智能分析和控制［31］。大數(shù)據(jù)技術(shù)為數(shù)據(jù)密集型決策創(chuàng)造了新的機遇，產(chǎn)生的大量、詳細(xì)的數(shù)據(jù)為成功實施精準(zhǔn)農(nóng)業(yè)帶來了幫助，在農(nóng)業(yè)領(lǐng)域運用大數(shù)據(jù)分析實踐可以解決各種問題［32］。現(xiàn)代農(nóng)業(yè)作業(yè)中生成的數(shù)據(jù)由各種不同的傳感器提供，這些傳感器能夠更好地理解作業(yè)環(huán)境和作業(yè)本身（機械數(shù)據(jù)），從而實現(xiàn)更準(zhǔn)確、更快速的決策［33］。在發(fā)達(dá)國家中數(shù)字農(nóng)業(yè)所帶來的決策支持工具是目前非常熱門的研究方向。

聚類3、聚類4、聚類5、聚類6、聚類7的研究主題分別是植被指數(shù)、氣候變化、循環(huán)經(jīng)濟、數(shù)字土壤制圖、土壤質(zhì)地。植被指數(shù)作為一種經(jīng)濟、有效和實用的地表植被覆蓋和長勢參考量，在作物長勢監(jiān)測和產(chǎn)量預(yù)報中有著廣泛的應(yīng)用，其中還涉及遙感技術(shù)、無人機的運用等。植被指數(shù)是利用衛(wèi)星多光譜波段獲取大范圍植被信息的一種方法，近年來，無人機影像被用于更快速、更精確地獲取植被信息［34］。遙感技術(shù)（包括無人機和衛(wèi)星獲得的圖像和植被指數(shù)）已開始廣泛用于管理灌溉和農(nóng)業(yè)系統(tǒng)的其他方面，配備高分辨率多光譜相機的無人機也能對農(nóng)業(yè)用水進行管理［35］。作為傳統(tǒng)衛(wèi)星遙感系統(tǒng)的重要補充，越來越多地應(yīng)用于城市規(guī)劃、農(nóng)業(yè)管理和環(huán)境監(jiān)測等領(lǐng)域［34］。數(shù)字農(nóng)業(yè)對氣候變化產(chǎn)生的影響以及帶動的循環(huán)經(jīng)濟可以歸納為通過數(shù)字化新興技術(shù)推廣應(yīng)用促進環(huán)境效益與經(jīng)濟效益的雙贏。圖像處理在農(nóng)業(yè)的不同領(lǐng)域有許多應(yīng)用［36］，由于現(xiàn)代設(shè)施農(nóng)業(yè)的快速發(fā)展，強烈的人為干擾也給土壤制圖帶來了很大的不確定性，特別是在鄉(xiāng)村、郊區(qū)和城鄉(xiāng)交錯帶，在地形復(fù)雜的偏遠(yuǎn)山區(qū)，土壤變異程度較高［37］。數(shù)字土壤制圖作為一種生成空間土壤信息的工具，為高分辨率土壤圖日益增長的需求提供了解決方案［38］。

3.4 數(shù)字農(nóng)業(yè)國內(nèi)外研究比較分析

隨著數(shù)字農(nóng)業(yè)的發(fā)展，數(shù)字農(nóng)業(yè)在世界范圍內(nèi)引起了學(xué)者的廣泛關(guān)注?？v觀國內(nèi)關(guān)于數(shù)字農(nóng)業(yè)的研究，彭鵬等［39］探討了數(shù)字農(nóng)業(yè)的由來、特點、技術(shù)體系及發(fā)展戰(zhàn)略，唐世浩等［40］ 明確了數(shù)字農(nóng)業(yè)的概念。本研究以數(shù)字農(nóng)業(yè)為主題，在中國知網(wǎng)搜索相關(guān)文獻(xiàn)來進行中外研究對比。

1）數(shù)字農(nóng)業(yè)技術(shù)開發(fā)。在技術(shù)開發(fā)方面，國外學(xué)者熱衷于開發(fā)數(shù)字農(nóng)業(yè)相關(guān)的平臺，Shamshiri等［41］用虛擬環(huán)境中的仿真方法和評估方法為不同的傳感和作用機制提供了負(fù)擔(dān)得起和可靠的框架；Cunha等［42］開發(fā)了低成本的農(nóng)業(yè)應(yīng)用RPA，適用于農(nóng)業(yè)生產(chǎn)和低成本投資；Belkadi等［43］在MATLAB/Simulink環(huán)境平臺上建立了改進的中間模型，對能量平衡和模糊邏輯控制器（FLC）進行了仿真，通過對溫室內(nèi)相關(guān)執(zhí)行器的控制來改善氣候。相較發(fā)達(dá)國家，國內(nèi)在農(nóng)業(yè)上對數(shù)字技術(shù)的自主研發(fā)較少，僅有秦洪等［44］、袁濤等［45］、仇天月等［46］學(xué)者及機構(gòu)對數(shù)字技術(shù)在農(nóng)業(yè)上的技術(shù)研發(fā)提供了思路及方法。因此，有必要加強對數(shù)字農(nóng)業(yè)平臺的自主研發(fā)，將數(shù)字農(nóng)業(yè)創(chuàng)新作為研究的核心。

2）數(shù)字農(nóng)業(yè)影響因素與面臨的挑戰(zhàn)。目前國外聚焦于數(shù)字技術(shù)在農(nóng)業(yè)上的變革潛力以及論證產(chǎn)生的社會問題，社會科學(xué)家Jakku等［28］討論了Digiscape未來科學(xué)平臺（旨在促進農(nóng)業(yè)和土地部門數(shù)字化轉(zhuǎn)型的項目），將國際創(chuàng)新維度與社會學(xué)理論和合作創(chuàng)新原則相結(jié)合；Fleming等［47］通過訪談了解農(nóng)民和其他行業(yè)利益相關(guān)者對大數(shù)據(jù)的看法，并探討了新出現(xiàn)的道德和倫理問題，同時強調(diào)在農(nóng)業(yè)數(shù)字技術(shù)和大數(shù)據(jù)的進一步發(fā)展中，有些關(guān)鍵問題需要解決，特別是在信任、公平、利益分配和獲取方面；Carolan［48］探討了數(shù)字城市農(nóng)業(yè)系統(tǒng)與傳統(tǒng)城市農(nóng)業(yè)系統(tǒng)2種平臺模式的差異及數(shù)字化轉(zhuǎn)型產(chǎn)生的問題。國外研究者多采用案例、訪談的形式進行論證，提出了許多與農(nóng)業(yè)數(shù)字化相關(guān)的社會和倫理問題，國內(nèi)學(xué)者對數(shù)字農(nóng)業(yè)產(chǎn)生的社會問題研究相對匱乏，今后要加強數(shù)字農(nóng)業(yè)的農(nóng)村社會學(xué)研究。

3）數(shù)字農(nóng)業(yè)決策支持工具的開發(fā)與應(yīng)用。國外研究者對數(shù)字農(nóng)業(yè)決策支持工具的開發(fā)與應(yīng)用成果較豐富，例如，F(xiàn)armstar（農(nóng)場之星）是一個基于衛(wèi)星和無人機支持的作物分析和控制系統(tǒng)，已經(jīng)在法國運行了15年。同時，在GPS的輔助下，農(nóng)業(yè)拖拉機會根據(jù)Farmstar的數(shù)據(jù)進行精準(zhǔn)化的現(xiàn)代農(nóng)事操作，根據(jù)Airbus（空中客車公司）的研究結(jié)果發(fā)現(xiàn)，正是由于這種合理決策和精準(zhǔn)作業(yè)，法國農(nóng)民每公頃小麥可以節(jié)省57美元。國內(nèi)研究者主要研究北斗系統(tǒng)在農(nóng)業(yè)上的應(yīng)用，但是研究者數(shù)量較少同時研究程度不深，將來可以加強對數(shù)字農(nóng)業(yè)決策支持工具開發(fā)與應(yīng)用的研究。

4 小結(jié)與展望

4.1 小結(jié)

本研究運用CiteSpace文獻(xiàn)計量軟件對數(shù)字農(nóng)業(yè)國際研究領(lǐng)域2004—2022年592篇文獻(xiàn)的發(fā)展階段、 核心期刊、核心作者、核心地區(qū)和研究熱點等進行了分析，主要得出以下結(jié)論。

1）數(shù)字農(nóng)業(yè)研究大致經(jīng)歷了理論探索期、平穩(wěn)發(fā)展期和迅猛暴發(fā)期。特別是從2016年開始，數(shù)字農(nóng)業(yè)開始受到學(xué)者的關(guān)注，研究內(nèi)容不只停留在數(shù)字農(nóng)業(yè)概念及前景上，越來越多的研究開始深入到數(shù)字農(nóng)業(yè)技術(shù)的開發(fā)、應(yīng)用以及產(chǎn)生的社會影響方面。

2）數(shù)字農(nóng)業(yè)國際研究的主要研究力量分布在以美國為首的歐美發(fā)達(dá)國家，中國正在加大科研力量的投入。美國以119篇高發(fā)文量位列榜首，巴西、中國的發(fā)文量分別位于第2位、第3位，歐美發(fā)達(dá)國家仍是數(shù)字農(nóng)業(yè)研究的重要區(qū)域，中國正在逐步擴大數(shù)字農(nóng)業(yè)在國際上的影響力。高發(fā)文量機構(gòu)依然集中在歐美國家，值得肯定的是中國農(nóng)業(yè)大學(xué)進入了高發(fā)文機構(gòu)名單。同時，數(shù)字農(nóng)業(yè)研究機構(gòu)之間的合作比較匱乏，多數(shù)研究機構(gòu)都是在獨立研究，跨機構(gòu)合作較少。

3）數(shù)字農(nóng)業(yè)研究重點關(guān)注數(shù)字農(nóng)業(yè)技術(shù)研究開發(fā)和實踐應(yīng)用中產(chǎn)生的社會問題。同時，數(shù)字農(nóng)業(yè)研究前沿呈現(xiàn)由單一維度到多維度輻射、全面發(fā)展的演化趨勢。數(shù)字農(nóng)業(yè)研究從概念的提出逐漸深入到系統(tǒng)的采用、大數(shù)據(jù)技術(shù)的運用、人工智能機器學(xué)習(xí)、虛擬現(xiàn)實技術(shù)的實踐等方面。

4.2 展望

隨著數(shù)字農(nóng)業(yè)高速發(fā)展所帶來的技術(shù)更迭與應(yīng)用服務(wù)更新，數(shù)字農(nóng)業(yè)也面臨著新的局面與新的挑戰(zhàn)，這給數(shù)字農(nóng)業(yè)帶來了新的課題和研究角度。根據(jù)以往數(shù)字農(nóng)業(yè)相關(guān)的研究內(nèi)容，提出一些研究方向，可為相關(guān)學(xué)者開展數(shù)字農(nóng)業(yè)研究提供一定參考。

1）加強對數(shù)字農(nóng)業(yè)技術(shù)的自主研發(fā)并拓寬數(shù)字農(nóng)業(yè)研究方法?；陉P(guān)鍵詞聚類及中外文獻(xiàn)精讀后的分析可知，國內(nèi)數(shù)字技術(shù)的發(fā)展已經(jīng)步入快車道，在大數(shù)據(jù)及人工智能方面的自主研發(fā)已經(jīng)接近甚至超過發(fā)達(dá)國家，但是數(shù)字技術(shù)在數(shù)字農(nóng)業(yè)領(lǐng)域的研究相對缺乏。未來可以將技術(shù)研發(fā)的重點放在數(shù)字農(nóng)業(yè)領(lǐng)域，包括但不局限于大數(shù)據(jù)平臺的開發(fā)、人工智能項目的研發(fā)、虛擬現(xiàn)實技術(shù)的試驗。此外，數(shù)字農(nóng)業(yè)領(lǐng)域的研究多以案例、走訪的形式進行分析，未來可加強數(shù)字農(nóng)業(yè)的實證研究，提供更加科學(xué)的數(shù)據(jù)支撐，減少案例研究特殊性和非理性帶來的影響。

2）深入挖掘數(shù)字農(nóng)業(yè)的影響因素。目前中國知網(wǎng)上數(shù)字農(nóng)業(yè)產(chǎn)生社會矛盾方面的研究較少，今后可以從農(nóng)村社會學(xué)、倫理學(xué)等角度來研究數(shù)字農(nóng)業(yè)帶來的影響。

3）整合相關(guān)資源探究適合中國國情的數(shù)字農(nóng)業(yè)決策支持工具。國外數(shù)字農(nóng)業(yè)決策支持工具的研究在2012年已經(jīng)被Stilgoe等［49］提出，美國的Smart Pro、法國的Farm-Star等數(shù)字農(nóng)業(yè)決策支持工具利用其強大的分析系統(tǒng)解析數(shù)據(jù)，為農(nóng)業(yè)利益相關(guān)者提供咨詢和建議，以數(shù)據(jù)為核心實現(xiàn)決策的管控和農(nóng)業(yè)活動的精準(zhǔn)實施。國內(nèi)對數(shù)字農(nóng)業(yè)決策支持工具的開發(fā)與使用還處于萌芽階段，因此，將來可以從工具的開發(fā)以及工具的使用所產(chǎn)生的問題等方面來進行研究。

本研究還存在一些不足之處，對國內(nèi)數(shù)字農(nóng)業(yè)的發(fā)展與國際數(shù)字農(nóng)業(yè)發(fā)展異同的研究相對較少，未來可以深入分析數(shù)字農(nóng)業(yè)不同社會環(huán)境下的發(fā)展影響，以便更好地為數(shù)字農(nóng)業(yè)發(fā)展提供新思路。

參考文獻(xiàn)：

［1］ 阮俊虎，劉天軍，馮曉春，等. 數(shù)字農(nóng)業(yè)運營管理：關(guān)鍵問題、理論方法與示范工程［J］. 管理世界， 2020，36（8）： 222-233.

［2］ 周光明. 數(shù)字技術(shù)與廣播電視信息產(chǎn)業(yè)［J］. 電視技術(shù)，2000（1）：11-13.

［3］ 于毓藍(lán)， 陳小燕. 數(shù)字技術(shù)背景下的中國特色哲學(xué)社會科學(xué)話語建構(gòu)［J］. 河海大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2021， 23（6）： 22-27，109-110.

［4］ KAMBLE S S， GUNASEKARAN A， GAWANKAR S A. Achieving sustainable performance in a data-driven agriculture supply chain： A review for research and applications［J］. International journal of production economics， 2020， 219： 179-194.

［5］ KLERKX L， JAKKU E， LABARTHE P. A review of social science on digital agriculture， smart farming and agriculture 4.0： New contributions and a future research agenda［J］. NJAS-Wageningen journal of life sciences， 2019， 90-91： 100315.

［6］ LEZOCHE M， HERNANDEZ J E， DEL MAR EVA ALEMANY D?AZ E， et al. Agri-food 4.0： A survey of the supply chains and technologies for the future agriculture［J］. Computers in industry， 2020， 117： 103187.

［7］ ROTZ S， DUNCAN E， SMALL M， et al. The politics of digital agricultural technologies： A preliminary review［J］. Sociologia ruralis， 2019， 59（2）： 203-229.

［8］ HUNT E R， DAUGHTRY C S T. What good are unmanned aircraft systems for agricultural remote sensing and precision agriculture［J］. International journal of remote sensing， 2018， 39（15-16）： 5345-5376.

［9］ DEMATTE J A M， FONGARO C T， RIZZO R，et al. Geospatial soil sensing system （GEOS3）： A powerful data mining procedure to retrieve soil spectral reflectance from satellite images［J］. Remote sensing of environment， 2018， 212： 161-175.

［10］ OLIPHANT A J， THENKABAIL P S， TELUGUNTLA P，et al. Mapping cropland extent of Southeast and Northeast Asia using multi-year time-series Landsat 30-m data using a random forest classifier on the google earth engine cloud［J］. International journal of applied earth observation and geoinformation， 2019， 81： 110-124.

［11］ SHEN J， XU C， YING Y. Construction of intelligent supply chain system of agricultural products based on big data［J］. Acta agriculturae scandinavica， section B—Soil and plant science， 2022，? ? 72（1）： 375-385.

［12］ ROSE D C， CHILVERS J. Agriculture 4.0： Broadening responsible innovation in an era of smart farming［J］. Frontiers in sustainable food systems， 2018， 2： 87.

［13］ SAGGI M K， JAIN S. A survey towards an integration of big data analytics to big insights for value-creation［J］. Information processing and management， 2018， 54（5）： 758-790.

［14］ CAROLAN M. ‘Smart farming techniques as political ontology： Access， sovereignty and the performance of neoliberal and not‐so‐neoliberal worlds［J］. Sociologia ruralis， 2018， 58（4）： 745-764.

［15］ FRASER A. Land grab/data grab：Precision agriculture and its new horizons［J］. The journal of peasant studies， 2019， 46（5）： 893-912.

［16］ 陳 悅，陳超美，劉則淵，等. CiteSpace知識圖譜的方法論功能［J］. 科學(xué)學(xué)研究，2015， 33（2）： 242-253.

［17］ 趙蓉英，朱偉杰，常茹茹，等. “十三五”圖情檔學(xué)科進展：外文期刊論文解析［J］. 圖書情報工作， 2021， 65（5）： 26-39.

［18］ 李先躍. 中國文化產(chǎn)業(yè)與旅游產(chǎn)業(yè)融合研究進展及趨勢——基于CiteSpace計量分析［J］. 經(jīng)濟地理， 2019， 39（12）： 212-220，229.

［19］ WOLFERT S， GE L， VERDOUW C，et al. Big data in smart farming—A review［J］. Agricultural systems， 2017， 153： 69-80.

［20］ KLERKX L， AARTS N， LEEUWIS C. Adaptive management in agricultural innovation systems： The interactions between innovation networks and their environment［J］. Agricultural systems， 2010， 103（6）： 390-400.

［21］ 魏明坤. 大數(shù)據(jù)時代的數(shù)字資源分布式聚合服務(wù)研究［J］. 圖書館學(xué)研究， 2020（17）： 43-48.

［22］ 史宇鵬，王 陽，張文韜. 我國企業(yè)數(shù)字化轉(zhuǎn)型：現(xiàn)狀、問題與展望［J］. 經(jīng)濟學(xué)家，2021（12）： 90-97.

［23］ 吳映雪. 農(nóng)村集體經(jīng)濟研究的發(fā)展脈絡(luò)及展望——基于CiteSpace的可視化分析［J］. 經(jīng)濟問題探索， 2021（7）： 34-43.

［24］ 王?；?，杜 梅. 數(shù)字創(chuàng)新國際研究熱點與演化：一個可視化分析［J］. 科技進步與對策，2021， 38（21）： 152-160.

［25］ 苗藝源，黃家章，劉 銳，等. 我國農(nóng)產(chǎn)品優(yōu)質(zhì)優(yōu)價研究熱點及發(fā)展趨勢——基于CiteSpace的可視化分析［J］. 中國農(nóng)業(yè)資源與區(qū)劃，2022，43（7）： 144-153.

［26］ 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.

［27］ TOTIN E， VAN MIERLO B， KLERKX L. Scaling practices within agricultural innovation platforms：Between pushing and pulling［J］. Agricultural systems， 2019， 179： 102764.

［28］ JAKKU E， FIELKE S， FLEMING A，et al. Reflecting on opportunities and challenges regarding implementation of responsible digital agri-technology innovation［J］. Sociologia ruralis，2020，27（8）：12366.

［29］ SHARMA R， KAMBLE S S， GUNASEKARAN A，et al. A systematic literature review on machine learning applications for sustainable agriculture supply chain performance［J］. Computers & operations research， 2020， 119： 104926.

［30］ GILL S S， CHANA I， BUYYA R. IoT based agriculture as a cloud and big data service： The beginning of digital india［J］. Journal of organizational and end user computing， 2017， 29（4）： 1-23.

［31］ SHADRIN D， MENSHCHIKOV A， SOMOV A，et al. Enabling precision agriculture through embedded sensing with artificial intelligence［J］. IEEE transactions on instrumentation and measurement，2020， 69（7）： 4103-4113.

［32］ TANTALAKI N， SOURAVLAS S， ROUMELIOTIS M. Data-Driven decision making in precision agriculture： The rise of big data in agricultural systems［J］. Journal of agricultural and food information， 2019， 20（4）： 344-380.

［33］ LIAKOS K， BUSATO P， MOSHOU D，et al. Machine learning in agriculture： A review［J］. Sensors， 2018， 18（8）： 2674.

［34］ LEE G， HWANG J， CHO S. A novel index to detect vegetation in urban areas using UAV-based multispectral images［J］. Applied sciences， 2021， 11（8）： 3472.

［35］ CANCELA J J， GONZ?LEZ X P， VILANOVA M，et al. Water management using drones and satellites in agriculture［J］. Water， 2019， 11（5）： 874.

［36］ PARSAEIAN M， SHAHABI M， HASSANPOUR H. Estimating oil and protein content of sesame seeds using image processing and artificial neural network［J］. Journal of the American oil chemists society， 2020， 97（7）： 691-702.

［37］ ZHANG G， LIU F， SONG X. Recent progress and future prospect of digital soil mapping： A review［J］. Journal of integrative agriculture， 2017， 16（12）： 2871-2885.

［38］ BEHRENS T， SCHOLTEN T. Digital soil mapping in Germany—A review［J］. Journal of plant nutrition and soil science， 2006， 169（3）： 434-443.

［39］ 彭 鵬，謝炳庚，侯伊林. 關(guān)于“數(shù)字農(nóng)業(yè)”［J］. 農(nóng)業(yè)現(xiàn)代化研究，2000（4）： 254-256.

［40］ 唐世浩，朱啟疆，閆廣建，等. 關(guān)于數(shù)字農(nóng)業(yè)的基本構(gòu)想［J］. 農(nóng)業(yè)現(xiàn)代化研究，2002（3）： 183-187.

［41］ SHAMSHIRI R R， HAMEED I A， PITONAKOVA L，et al. Simulation software and virtual environments for acceleration of agricultural robotics：Features highlights and performance comparison［J］. International journal of agricultural and biological engineering， 2018， 11（4）： 15-31.

［42］ CUNHA J P A R D， SIRQUEIRA M A. Assembly of a remotely piloted aircraft of low cost applied to agriculture［J］. Engenharia agrícola， 2017， 37： 1268-1274.

［43］ BELKADI A， MEZGHANI D， MAMI A. Design and implementation of flc applied to a smart greenhouse［J］. Engenharia agrícola， 2020， 40： 777-790.

［44］ 秦 洪，肖伯祥. 虛擬現(xiàn)實環(huán)境中的物理模型和仿真及其在農(nóng)業(yè)信息技術(shù)中的應(yīng)用［J］. 科技導(dǎo)報， 2018， 36（11）： 82-94.

［45］ 袁 濤，陳 旭，徐識溥，等. 基于WebGIS的農(nóng)業(yè)生產(chǎn)管理系統(tǒng)研究［J］. 上海農(nóng)業(yè)學(xué)報，2011， 27（3）： 70-73.

［46］ 仇天月，周靜怡，黃攀攀，等. 基于JBPM工作流的農(nóng)業(yè)Web服務(wù)鏈架構(gòu)研究［J］. 上海農(nóng)業(yè)學(xué)報， 2014， 30（6）： 90-94.

［47］ FLEMING A， JAKKU E， LIM-CAMACHO L，et al. Is big data for big farming or for everyone？ Perceptions in the Australian grains industry［J］. Agronomy for sustainable development，2018，38（3）： 24.

［48］ CAROLAN M. 《Urban Farming Is Going High Tech》digital urban agricultures links to gentrification and land use［J］. Journal of the American planning association， 2020， 86（1）： 47-59.

［49］ STILGOE J， OWEN R， MACNAGHTEN P. Developing a framework for responsible innovation［J］. Research policy，2013，42（9）：1568-1580.