Metrological analyses on literatures of shallow landslides using CiteSpace software
-
摘要:
基于Web of Science数据库，以1999—2019年检索所得1240篇浅层滑坡期刊论文为样本，利用CiteSpace对该领域内国家/机构、学科/期刊和高频关键词进行文献计量和可视化分析，结果表明：浅层滑坡研究的国际合作非常普遍，意大利在浅层滑坡研究中占据核心地位，意大利国家研究委员和中国科学院两家机构在该领域发挥重要作用，GEOMORPHOLOGY和LANDSLIDES杂志为浅层滑坡研究代表性期刊。复合模型算法为浅层滑坡研究领域近期的热点主题。
-
关键词:
- 浅层滑坡 /
- CiteSpace /
- Web of Science /
- 文献分析
Abstract:Based on Web of Science database, 1240 papers retrieved from journals of shallow landslides from 1999-2019 were taken as samples, and CiteSpace was used to conduct bibliometric and visual analysis on the national / institutional, discipline / journal and high-frequency keywords in this field. The results show that: international cooperation in shallow landslides research is very common, and Italy occupies the core position in shallow landslides research. Both Italy National Research Council and Chinese Academy of Sciences play an important role in this field. GEOMORPHOLOGY and LANDSLIDES are representative journals of shallow landslide research. Hybrid model is the hot topic in the field of shallow landslide research.
-
Key words:
- shallow landslides /
- CiteSpace /
- Web of Science /
- document analysis
-
-
表 1 浅层滑坡研究国家/地区TOP20
Table 1. Top 20 most productive countries/territories in shallow landslide-related research
国家/地区 发文量 国际合作（率） 最多合作国家/地区 2015—2019 h因子 平均被引次数 意大利 326 138（42.33） 美国（34） 22 11.21 中国 198 103（52.02） 美国（18） 13 5.08 美国 187 127（67.91） 意大利（34） 15 8.38 日本 104 75（72.11） 中国（14） 8 3.85 瑞士 85 75（88.24） 意大利（14） 9 7.21 中国台湾 76 27（35.53） 日本（9） 6 4.61 西班牙 56 53（94.64） 意大利（12） 7 7.11 荷兰 50 49（98） 意大利（8） 7 9.00 法国 49 49（100） 意大利（11） 9 9.83 韩国 48 38（79.17） 越南（7） 9 6.31 英格兰 41 34（82.93） 意大利（6） 7 5.11 德国 41 35（85.36） 奥地利（4） 9 10.95 新西兰 38 35（92.1） 美国（5） 7 8.20 加拿大 32 30（93.75） 中国（5） 5 5.92 奥地利 31 25（80.64） 意大利（7） 6 5.23 澳大利亚 28 27（96.42） 中国（7） 7 6.47 马来西亚 23 22（95.65） 伊朗（9） 7 28.57 巴西 21 13（61.9） 美国（4） 4 2.93 伊朗 21 21（100） 马来西亚（9） 6 11.87 挪威 21 20（95.23） 越南（11） 8 33.86 
下载: 导出CSV
表 2 浅层滑坡研究机构TOP20
Table 2. Top 20 most active institutions in shallow landslide-related research
机构 发文量 国际合作（率） 最多合作机构（合作发文量） 2015—2019 h因子 平均被引次数 国家研究委员会，意大利 79 36（45.56） 佩鲁贾大学，意大利（8） 16 13.82 中国科学院，中国 52 27（51.92） 香港大学，中国（5） 13 11.7 美国地调局，美国 39 12（30.76） 科罗拉多矿业大学，美国（12） 7 7.81 弗洛伦萨大学，意大利 35 23（65.71） 联邦森林雪景研究所，瑞士（3） 8 12.47 成都理工大学，中国 32 22（68.75） 乌得勒支大学，荷兰（6） 8 6.61 苏黎世联邦理工学院，瑞士 32 13（40.62） 联邦森林雪景研究所，瑞士（10） 8 8.44 京都大学，日本 32 31（96.87） 中国科学院，中国（3） 6 5.75 帕多瓦大学，意大利 31 25（80.64） 国家研究委员会，意大利（14） 8 11.08 联邦森林雪景研究所，瑞士 28 25（89.28） 苏黎世联邦理工学院，瑞士（10） 8 9.47 萨勒诺大学，意大利 26 14（53.84） 国家研究委员会，意大利（6） 9 11.65 米兰大学，意大利 24 13（54.17） 伯尔尼大学，瑞士（4） 6 5.60 那不勒斯菲里德里克第二大学，意大利 22 3（13.64） 国家研究委员会，意大利（4） 6 13.50 国立台湾大学，中国台湾 20 5（25） 南开大学，中国（7） 3 3.00 加州大学，美国 19 9（47.37） 萨勒诺大学，意大利（3） 5 11.00 新西兰土地护理研究中心，新西兰 18 16（88.89） 地质与核科学研究所，新西兰（3） 4 5.15 日内瓦大学，瑞士 18 10（55.56） 伯尔尼大学，瑞士（13） 1 1.00 科罗拉多矿业大学，美国 17 8（47.06） 美国地调局，美国（12） 4 10.75 加泰罗尼亚理工大学，西班牙 17 10（58.82） 萨勒诺大学，意大利（3） 5 11.00 伯尔尼大学，瑞士 16 10（62.5） 日内瓦大学，瑞士（13） 1 2.00 中国科学院大学，中国 15 7（46.67） 中国地调局，中国（2） 3 2.26
下载: 导出CSV
表 3 浅层滑坡研究学科TOP10
Table 3. Top 10 most productive disciplines in shallow landslide-related research
学科 发文量 初现年份 2015—2019 h因子 平均被引次数 地球科学 860 1999 28 8.90 水资源学 367 2000 19 7.49 工程地质学 270 2003 19 8.91 自然地理学 226 2000 16 10.88 气象与大气科学 193 2003 14 7.20 环境科学 177 2004 14 7.19 环境工程 58 2009 8 4.93 土壤学 46 2007 9 8.15 土木工程 41 2013 9 5.54 遥感 30 2012 7 6.43
下载: 导出CSV
表 4 浅层滑坡研究期刊发文量TOP10
Table 4. Top 10 most productive journals in shallow landslide-related research
期刊 发文量 中科院大类学科及分区 2015—2019 h因子 平均被引次数 GEOMORPHOLOGY 132 地球科学2区 15 15.65 LANDSLIDES 127 地球科学2区 16 11.49 NAT HAZARD EARTH SYS 87 地球科学3区 11 8.81 NAT HAZARDS 66 工程技术3区 6 6.00 ENG GEOL 59 地球科学2区 10 8.59 ENVIRON EARTH SCI 44 环境科学4区 7 6.22 EARTH SURF PROC LAND 40 地球科学2区 7 6.71 CATENA 32 农林科学1区 6 8.30 B ENG GEOL ENVIRON 30 工程技术3区 5 3.90 J MT SCI 25 环境科学3区 5 3.73
下载: 导出CSV
表 5 浅层滑坡研究关键词共现统计
Table 5. 22 frequently used keywords related to shallow landslides
关键词 发文量 各时段出现量（出现比例） 1999—2004 2005—2009 2010—2014 2015—2019 slope stability 252 18(27.27) 31(19.38) 67(17.91) 136(20.00) rainfall threshold↑ 197 4(6.06) 8(5.00) 38(10.16) 89(13.09) GIS↑ 154 2(3.03) 17(10.63) 34(9.09) 79(11.62) landslide susceptibility↑ 118 5(7.58) 11(6.88) 36(9.63) 66(9.71) infiltration 84 2(3.03) 12(7.50) 26(6.95) 44(6.47) monitoring↑ 72 2(3.03) 4(2.50) 17(4.55) 49(7.21) logistic regression↑ 52 1(1.52) 4(2.50) 9(2.41) 38(5.59) shear strength↓ 50 7(10.61) 9(5.63) 14(3.74) 20(2.94) unsaturated soil↑+ 49 0(0) 5(3.13) 15(4.01) 29(4.26) remote sensing↑ 39 1(1.52) 0(0) 9(2.41) 28(4.12) landslide inventory 38 2(3.03) 5(3.13) 13(3.48) 18(2.65) LIDAR↑+ 37 0(0) 2(1.25) 13(3.48) 22(3.24) factor of safety 36 1(1.51) 5(3.12) 11(2.94) 19(2.79) root reinforcement↑ 35 1(1.52) 2(1.25) 10(2.67) 22(3.24) DEM↓ 34 6(9.09) 5(3.13) 9(2.41) 14(2.06) risk assessment↑++ 33 0(0) 0(0) 8(2.14) 25(3.68) artificial neural network↑+ 32 0(0) 1(0.62) 6(1.61) 25(3.68) antecedent rainfall↑+ 31 0(0) 2(1.25) 5(1.34) 24(3.53) early warning↑++ 27 0(0) 0(0) 7(1.87) 20(2.94) TRIGRS↑++ 24 0(0) 0(0) 5(1.34) 19(2.79) soil erosion↑+ 20 0(0) 2(1.25) 6(1.60) 12(1.76) 注：↑=出现比例上升，↓=出现比例上升，+=最近3个时段出现的关键词，++=最近2个时段出现的关键词。
下载: 导出CSV
表 6 浅层滑坡研究突现关键词
Table 6. Burst keywords related to shallow landslides
突现关键词 突现度 突现年份 slope stability 7.8822 2000—2007 DEM 7.5654 2002—2004 LIDAR 3.7512 2009—2010 unsaturated soil 3.5415 2009—2012 artificial neural network 3.2225 2010—2014 early warning 3.476 2013—2015 TRIGRS 3.749 2014—2017 risk assessment 4.1276 2016—2016 soil erosion 3.848 2017—2019 hybrid model 1.6843 2018—2019
下载: 导出CSV
-
[1] 李绍红, 朱建东, 王少阳, 等. 考虑降雨类型的基岩型浅层边坡稳定性分析方法[J]. 水文地质工程地质,2018,45(2):131 − 135. [LI Shaohong, ZHU Jiandong, WANG Shaoyang, et al. Stability analysis methods for the bedrock shallow slope considering rainfall types[J]. Hydrogeology & Engineering Geology,2018,45(2):131 − 135. (in Chinese with English abstract)
[2] GUZZETTI F, PERUCCACCI S, ROSSI M, et al. The rainfall intensity–duration control of shallow landslides and debris flows: an update[J]. Landslides,2008,5(1):3 − 17. doi: 10.1007/s10346-007-0112-1
[3] 熊炜, 刘可, 范文. 秦巴山区浅层滑坡内动力地质成因分析[J]. 地质力学学报,2018,24(3):424 − 431. [XIONG Wei, LIU Ke, FAN Wen. Analysis on internal dynamic geological genesis of shallow landslide in Qin-ba mountain area[J]. Journal of Geomechanics,2018,24(3):424 − 431. (in Chinese with English abstract)
[4] 赵蓉英, 许丽敏. 文献计量学发展演进与研究前沿的知识图谱探析[J]. 中国图书馆学报,2010,36(5):60 − 68. [ZHAO Rongying, XU Limin. The knowledge map of the evolution and research frontiers of the bibliometrics[J]. Journal of Library Science in China,2010,36(5):60 − 68. (in Chinese with English abstract)
[5] WU X L, CHEN X Y, ZHAN F B, et al. Global research trends in landslides during 1991–2014: a bibliometric analysis[J]. Landslides,2015,12(6):1215 − 1226. doi: 10.1007/s10346-015-0624-z
[6] YANG J, CHENG C X, SONG C Q, et al. Visual analysis of the evolution and focus in landslide research field[J]. Journal of Mountain Science,2019,16(5):991 − 1004. doi: 10.1007/s11629-018-5280-z
[7] LI X J, MA E, QU H L. Knowledge mapping of hospitality research – A visual analysis using CiteSpace[J]. International Journal of Hospitality Management,2017,60:77 − 93. doi: 10.1016/j.ijhm.2016.10.006
[8] 叶青, 徐亚青, 雷幼蓉, 等. 中国医院感染培训研究热点与前沿的可视化分析[J]. 中国感染控制杂志,2019,18(9):848 − 853. [YE Qing, XU Yaqing, LEI Yourong, et al. Visualization analysis of hotspots and frontier of domestic research on training of healthcare-associated infection[J]. Chinese Journal of Infection Control,2019,18(9):848 − 853. (in Chinese with English abstract) doi: 10.12138/j.issn.1671-9638.20195357
[9] GUZZETTI F, MONDINI A C, CARDINALI M, et al. Landslide inventory maps: New tools for an old problem[J]. Earth-Science Reviews,2012,112(1/2):42 − 66.
[10] 李家春, 宋宗昌, 侯少梁, 等. 北斗高精度定位技术在边坡变形监测中的应用[J]. 中国地质灾害与防治学报,2020,31(1):70 − 74. [LI Jiachun, SONG Zongchang, HOU Shaoliang, et al. Application of Beidou high-precision positioning technology in slope deformation monitoring[J]. The Chinese Journal of Geological Hazard and Control,2020,31(1):70 − 74. (in Chinese with English abstract)
[11] CHEN C. The citespace manual[M]. College of Computing and Informatics. Drexel University, 2014.
[12] 杜建, 张玢, 刘晓婷. 期刊影响因子、h指数、相对h指数及特征因子的相关性分析[J]. 情报杂志,2011,30(2):23 − 28. [DU Jian, ZHANG Bin, LIU Xiaoting. The correlation analysis among journal impact factor, h-index, relative h-index and eigenfactor[J]. Journal of Intelligence,2011,30(2):23 − 28. (in Chinese with English abstract) doi: 10.3969/j.issn.1002-1965.2011.02.005
[13] SUN J S, WANG M H, HO Y S. A historical review and bibliometric analysis of research on estuary pollution[J]. Marine Pollution Bulletin,2012,64(1):13 − 21. doi: 10.1016/j.marpolbul.2011.10.034
[14] VERGANI C, GIADROSSICH F, BUCKLEY P, et al. Root reinforcement dynamics of European coppice woodlands and their effect on shallow landslides: a review[J]. Earth-Science Reviews,2017,167:88 − 102. doi: 10.1016/j.earscirev.2017.02.002
[15] GUZZETTI F, REICHENBACH P, ARDIZZONE F, et al. Estimating the quality of landslide susceptibility models[J]. Geomorphology,2006,81(1/2):166 − 184.
[16] PRADHAN, Biswajeet, YOUSSEF, Ahmed M. Manifestation of remote sensing data and GIS on landslide hazard analysis using spatial-based statistical models[J]. Arabian Journal of Geosciences,2010,3.3:319 − 326.
[17] CAN T, NEFESLIOGLU H A, GOKCEOGLU C, et al. Susceptibility assessments of shallow earthflows triggered by heavy rainfall at three catchments by logistic regression analyses[J]. Geomorphology,2005,72(1/2/3/4):250 − 271.
[18] GONG Q H, ZHANG J X, WANG J. Application of GIS-based back propagation artificial neural networks and logistic regression for shallow landslide susceptibility mapping in South China-take Meijiang river basin as an example[J]. The Open Civil Engineering Journal,2018,12(1):21 − 34. doi: 10.2174/1874149501812010021
[19] CAMARINHA P I M, CANAVESI V, ALVALÁ R C S. Shallow landslide prediction and analysis with risk assessment using a spatial model in a coastal region in the state of São Paulo, Brazil[J]. Natural Hazards and Earth System Sciences,2014,14(9):2449 − 2468. doi: 10.5194/nhess-14-2449-2014
[20] 吕佼佼, 范文, 吕远强. 基于土壤侵蚀模型的浅层滑坡预警研究[J]. 水土保持通报,2017,37(3):227 − 230. [LYU Jiaojiao, FAN Wen, LYU Yuanqiang. Research on early warning of shallow landslide based on soil erosion model[J]. Bulletin of Soil and Water Conservation,2017,37(3):227 − 230. (in Chinese with English abstract)
[21] KIM S, KIM M, AN H, et al. Influence of subsurface flow by Lidar DEMs and physical soil strength considering a simple hydrologic concept for shallow landslide instability mapping[J]. Catena,2019,182:104137. doi: 10.1016/j.catena.2019.104137
[22] 郭富赟, 宋晓玲, 谢煜, 等. 甘肃地质灾害气象预警技术方法探讨[J]. 中国地质灾害与防治学报,2015,26(1):127 − 133. [GUO Fuyun, SONG Xiaoling, XIE Yu, et al. A discussion on the geological hazards meteorological warning system in Gansu Province[J]. The Chinese Journal of Geological Hazard and Control,2015,26(1):127 − 133. (in Chinese with English abstract)
[23] SORBINO G, NICOTERA M V. Unsaturated soil mechanics in rainfall-induced flow landslides[J]. Engineering Geology,2013,165:105 − 132. doi: 10.1016/j.enggeo.2012.10.008
[24] BAUM R L, SAVAGE W Z, GODT J W. TRIGRS—a Fortran program for transient rainfall infiltration and grid-based regional slope-stability analysis[J]. US geological survey open-file report,2002,424:38.
[25] LU N, GODT J. Hillslope hydrology and stability[M]. Cambridge: Cambridge University Press, 2013.
[26] CHEN W, PANAHI M, TSANGARATOS P, et al. Applying population-based evolutionary algorithms and a neuro-fuzzy system for modeling landslide susceptibility[J]. Catena,2019,172:212 − 231. doi: 10.1016/j.catena.2018.08.025
[27] SHIRZADI A, BUI D T, PHAM B T, et al. Shallow landslide susceptibility assessment using a novel hybrid intelligence approach[J]. Environmental Earth Sciences,2017,76(2):60. doi: 10.1007/s12665-016-6374-y
-
图(1)
表(6)
计量
- 文章访问数: 1285
- PDF下载数: 34
- 施引文献: 0