近二十年中外文草地遥感研究热点及前沿演进——基于CiteSpace的数据可视化分析

杨 鑫， 唐庄生， 鱼小军， 曹文侠， 蒲小鹏， 郝媛媛

(甘肃农业大学草业学院/草业生态系统教育部重点实验室， 甘肃 兰州730070)

草地是陆地上面积最大的可再生资源，在维持生态系统稳定[1]、发展畜牧业经济中起着举足轻重的作用[2-3]，对环境变化较敏感。草地植被生长状况受到全球气候变暖及人类活动的影响[4]，出现了草地退化、水土流失及草地荒漠化[5-8]等一系列生态环境问题，严重影响了草地生态系统的生态安全以及社会经济价值[9]。因此，实时高效地开展草地资源调查以及时了解草地植被动态变化是全球关注的热点问题之一。传统草地资源调查以野外实地调查为主，精度高[10]但耗时长、效率低、时效性差，无法应用于大范围的调查工作且难实现长时间序列动态监测[11]。“3S”技术即全球定位系统(Global positioning system，GPS)，遥感(Remote sensing，RS)和地理信息系统(Geographic information system，GIS)的发展完善了从信息获取、图像处理到应用的一体化技术系统[12]，改变了草地资源调查的方式方法，使得大范围长时间序列草地资源监测、生物量估算及时空动态变化规律研究成为可能。

世界上第一颗气象卫星于1960年发射，发达国家较先使用遥感手段进行草地资源监测并运用于实际指导工作[13]。新西兰学者Taylor等[14]基于NOAA/AVHRR遥感影像，发现归一化植被指数(Normalized difference vegetation index，NDVI)和比值植被指数(Ratio vegetation index，RVI)均与草地地上生物量有显著相关性。Jose等[15]同样利用NOAA/AVHRR遥感数据，发现幂指函数反演草地生物量能取得更好的反演效果。随着科技的进步和遥感影像质量的飞跃提升，大量草地遥感监测方法不断涌现。Kithsir Pereral等[16]在澳大利亚草原上结合MODIS NDVI数据和气候数据，发现NDVI可以从时空角度较准确地反映草地植被生长与极端降雨之间的响应关系。Ayako等[17]建立了MODIS叶面积指数与野外实测样地数据之间的函数关系，发现轻度放牧区与叶面积指数(Leaf area index,LAI)拥有更高的相关性。Pauline等[18]利用SPOT影像数据对农区草地生物量进行估测，发现LAI的估测精度较优于NDVI和植被覆盖度。在中国，利用遥感手段估产监测最早由陈述彭院士于1979年提出[19]，相比美英等西方国家起步较晚，但发展迅速。黄签[20]基于NOAA/AVHRR遥感影像，以绿色植被指数(Green vegetation index，GVI)为标准来表示植被生长情况，对草地地上生物量季相分布规律进行了分析。李博等[21]同样基于NOAA/AVHRR数据，探讨了中国温带草原草畜平衡动态监测的状况，并建立了相关草地估产模型，精度高达95%。进入21世纪后，我国学者逐渐采用多源遥感数据展开草地监测研究。李建龙等[22]基于NOAA和TM卫星影像并结合生态气象资料，分析讨论了22年来新疆阜康县草地变化规律及生态效应，发现气候变化是影响草产量的主要因子。张旭琛等[23]将草地地上生物量与NDVI,增强型植被指数(Enhanced vegetation index,EVI),海拔和年均降水等多种因子结合进行回归分析，结果发现NDVI与EVI的反演结果较环境因子好。梁天刚等[24]将2001—2008年MODIS逐日反射率产品MOD09GA与实地测量数据相结合，在甘南牧区构建了基于NDVI和EVI的产草量反演模型，从年内(旬和月)和年际尺度上分析了甘南牧区及各县市的载畜量动态变化。

当前，国内外关于草地遥感领域研究的理论基础与技术方法都取得了令人欣喜的学术成果[25]，总结和探索遥感反演与草地资源调查结合以来的方法、内容、发展趋势及研究前沿，可为该领域科研人员提供参考,对于了解研究动态、明确未来发展方向具有重要的理论依据。而传统文献综述方法无法全方面精准地理清学科发展动态，且现有基于文献计量角度在草地遥感领域中的分析相对较少，鉴于此，本研究以陈超美博士所研发的文献可视化软件CiteSpace Ⅴ(5.7.R2)为研究工具[26]，针对草地遥感领域的研究工作进行文献计量初步分析，总结目前该领域的研究现状，以明晰其研究主题、热点及发展历程。

1 数据来源及检索方法

文献数据主要来自Web of Science(WOS)数据库和中国期刊全文数据库(China National Knowledge Infrastructure，CNKI)，数据采集于2020年10月12日。其中外文文献数据选自WOS数据库核心合集中的Science Citation Index Expanded (SCIE)，Social Sciences Citation Index (SSCI)，Book Citation Index-Science (BKCI-S)和Emerging Sources Citation Index (ESCI)，在高级检索下采用布尔运算符创建检索式，根据研究主题反复测试，最终确定检索式：TI=(grassland* or rangeland* or meadow*) and TS=(remote near/2 sensing* or Landsat* or MODIS* or NDVI* or vegetation near/2 index* or livestock near/2 carrying near/2 capacity*)，语种为English，文献类型选择Article和Review，时间跨度为2000—2019年，共计1 122篇文献，人工剔除后余1 116篇文献。中文文献数据选自CNKI数据库，包括期刊文献、会议论文和硕博论文。采用了主题词=“草地”And“遥感”And“草畜平衡”的检索式，研究时段同WOS，共计279条记录，去重及删除不相关文献后，共余266篇。

2 研究进展分析

2.1 发文趋势、期刊分析及学科分布

发文量和年份之间的关系可以有效地体现该领域的研究走向[27]。基于WOS数据库分析发现(图1A)，2000—2011年论文发表数量虽以年均2.83篇·a-1的速率逐年增加，但总量较少，年均50篇以下；自2012年起，发文量急剧增加(增速为14.13篇·a-1)，尤其是2019年，发文量占近20年的15.24%(171篇)，较2018年增长了41.32%。CNKI的年发文量上升趋势没有WOS明显(图1B)，且总量偏少，2003年以前均低于5篇，2004年较前一年增长了233.30%，之后随年份的增加呈波动上升趋势，2018年达到最大(25篇)。总的来看，中外文草地遥感领域的研究力量逐年增大(图1)，表明该领域在全球范围内引起了更多学者的重视。

图1 2000—2019年中外文有关草地遥感文献的年代分布及引用次数Fig.1 Chronological distribution and citations of Chinese and foreign literature on grassland remote sensing from 2000 to 2019注：图1A，B数据分别来自WOS，CNKI，期刊名称括号内为近20年刊文总数及国人发文量占比Notes:The data in Figure 1A and B are from WOS and CNKI,respectively. The total number of articles published in the past 20 years and the percentage of articles published by Chinese people are in parentheses of the journal name

对期刊及文献引用的分布进行可视化分析，能够明确该领域热门期刊，同时能为相关科研试验人员提供论文发表和文献查询等方面的指导[28]。多学科交叉是现代科学技术发展的趋势，同时也是科研创新的基础[29]，了解草地遥感领域学科交叉融合的特点，对其未来发展趋势具有重要意义。CNKI数据库文献数据较少，分析结果不明显，故只对WOS数据库的期刊和学科分布进行分析。

草地遥感领域的核心期刊(图1A)主要有RemoteSensing(98篇，IF2019=4.509),InternationalJournalofRemoteSensing(87篇，IF2019=2.976)和RemoteSensingofEnvironment(56篇，IF2019=9.085)等，其发文量及引用次数均呈逐年递增趋势，其中国人发文量占比分别为37.55%，45.97%和25.00%，表明中国科研工作者在草地遥感领域做出了巨大努力。学科分析表明草地遥感研究具有多领域、多学科交叉融合的特点，与生态环境科学(Environmental Sciences Ecology，47.59%),遥感(Remote Sensing，35.29%),影像科学与摄影技术(Imaging Science Photographic Technology，18.62%),农业(Agriculture，11.31%)和地质学(Geology，10.25%)等学科均存在密切关系。

2.2 文献发表国家及机构分析

各个国家和机构在草地遥感领域的研究实力，可以通过发文量、发文量占比、总被引频次、篇均被引频次、H指数和中心性6个指标进行量化。美国加利福尼亚大学圣地亚哥分校的物理学家赫希在2005年提出了H指数，其含义为一位科研人员现阶段共发表NP篇论文，其中H篇论文的篇均被引均大于H次，剩余的NP-H篇论文篇均被引均≦H次，那么这位科研人员的学术成就指数就为H[30]。H指数越高，表明论文的影响力越大或者拥有较多高质量论文。中心性的大小表示该节点在网络结构中的重要性，中心性越高，则其代表的节点对应的文章与其他文章具有较强的联系，在网络中起枢纽作用[31]。CiteSpace可视化分析图谱中的每一个节点代表着一个作者、机构或者国家，节点的大小代表其发文数量的多少，节点越大，其发文量越大；两节点间的连线表示两者之间存在合作关系，合作关系越强，连线越粗；年轮的颜色代表相应的发表时间；边缘呈紫色的节点代表其具有较高的中心性，紫色圆环越厚，中心性越高[32]。

20年间共有83个国家的640位学者在草地遥感领域展开了相关科研工作(图2、表1)。其中，发文量前10的国家中，中国(432篇)、美国(352篇)和德国(119篇)位居前3，分别占发文总量的38.50%，31.37%和10.61%；其余国家均少于100篇，发文量之和约是中国的一半，仅占发文总量的19.52%。从被引频次来看，总被引频次美国为首(9 986)，中国(7 665)第2，德国(2 697)虽为第3，但不及美国的1/3、中国的1/2，其它国家更是不及中美的1/5；篇均被引频次则是阿根廷最高(31.39)，日本和美国随后，分别为30.56和28.37，而发文量前3的中国(17.74，第8)和德国(22.66，第5)排名却较后。H指数和中心性排名同样以美国(50，0.44)为首，中国(40，0.21)和德国(29，0.25)次之。由此可以说明中国科研工作者在草地遥感领域积极性高，但学术研究水平还有待提高，而美国、德国等国家的论文影响力较大，且具有较高的科研水平。

图2 草地遥感研究领域的主要国家及合作网络Fig.2 Major countries and cooperation networks in the field of grassland remote sensing research

表1 草地遥感研究领域发文量前10国家Table 1 Top 10 countries in the field of grassland remote sensing research

草地遥感领域的科研机构多达488个(图3)。其中，发文量前4的科研机构均来自中国，分别是中国科学院(235篇)、中国科学院大学(61篇)、北京师范大学(57篇)、中国农业科学院(43篇)，这4所机构占发文总量的35.48%，其余机构均在30篇以下(表2)。机构之间共有793条连线且形成了明显的聚类(图3A)。其中，中国科研机构的联系最为频繁、密切，中国科学院与全球58个科研机构之间存在合作关系(图3B)，尤与University of Auckland(奥克兰大学，新西兰)、Nanjing Normal University (南京师范大学，中国)、Colorado State University(科罗拉多州立大学，美国)、Duke University(杜克大学，美国)等机构具有较强的合作关系；中国科学院大学的合作机构仅有11个(图3C)，且国外合作机构仅占23%；北京师范大学有30个合作机构(图3D)，Murray State University(莫瑞州立大学，美国)、Inner Mongolia Agricultural University(内蒙古农业大学，中国)、Jilin University(吉林大学，中国)等是其主要的合作机构。整体来看，中国科研机构积极重视在草地遥感领域的工作，确保发文量的同时注重机构间的合作，不足在于国内交流频繁但国际合作网络较为松散，在今后的研究中应加强各机构之间的跨国交流合作。

图3 草地遥感研究领域的主要机构及合作网络Fig.3 Major institutions and cooperation networks in the field of grassland remote sensing research

表2 草地遥感研究领域发文量前10研究机构Table 2 Top 10 research institutions in the field of grassland remote sensing

2.3 中外文作者研究力量分析

明晰核心作者群和作者合作网络具有重要意义[33]。文献计量学中把某一领域中存在较大影响力且有突出贡献的科研人员称之为核心作者，可由普赖斯定律计算得出，其研究方向一般体现着当前研究前沿[34]。同时，作者间的合作可以提高研究水平，同时合作也是促进学术产出和提升学术创新力的重要方面[35]。其中普赖斯定律的计算公式为：

式中：Nmax是该统计中发文量最高作者的总文章数；M为最低文献数。

CNKI和WOS中发文量最高的作者文章篇数分别为7篇和19篇(表3)，因此，发文量不少于2篇和4篇的作者即为草地遥感领域的中外文核心作者。其中，中文核心作者72位，占作者总数的20.11%；外文核心作者53位，但占比仅为8.28%。核心作者发文量分别占论文总数的39.01%(183篇)和28.97%(367篇)，可见中外文作者均未形成稳定的核心作者群(论文数占比大于50%可视为形成了稳定的核心作者群[36])。

表3 中外文前10名核心作者Table 3 Top 10 core authors in Chinese and foreign languages journals

图4 中外文期刊草地遥感研究的主要作者及合作网络Fig.4 Main scholars and cooperative networks of grassland remote sensing research in Chinese and foreign language journals

中外文作者均形成了一定数量的合作群体(图4)。其中，外文合作关系前3的作者为Li Zhang,Bin Xu和Yunxiang Jin(均来自中国农业科学院)，他们与Jinya Li等其他6位核心作者形成了合作关系较为密切的研究群体，群体内交流频繁，且作者之间的合作关系较强；排名第1的核心作者Xulin Guo(发文量高达19篇)仅有6位合作者(其中仅有1位是核心作者)，且是单线合作，没有形成合作网络(图4A)。中文合作关系位居第1的辛晓平(同样来自中国农业科学院)与其他16位科研工作者存在合作关系，但发文量仅有3篇，说明该作者在整个合作网络中起连接作用；冯琦胜(排名第2)和孟宝平(排名第3)与梁天刚等6人形成了兰州大学合作群体，且9人均为核心作者(图4B)。综合来看，虽然中外文作者均能形成一定数量的合作群体，但群体内部合作研究频繁，群体间合作交流相对较少，且核心作者发文量普遍偏低。表明国内外学者在草地遥感领域的沟通合作意识较为欠缺，应主动加强学术交流与合作。

2.4 研究热点分析

关键词是作者对文章的高度凝练与总结，体现着文章的研究内容与方向；研究热点是在一段时间内，有相互联系的、数量较为丰富的一组论文所研究或探讨的主题[37]。通过分析聚类结果中出现次数较多的关键词，是确定研究领域前沿和发展动向的方法之一。聚类结果中节点数代表聚类中所含文献的数量，节点数越多，聚类排名越前；轮廓值[38]为衡量一个聚类内成员相似度的指标，数值越大，代表聚类成员具有较高的同质性；平均年份[39]所表示的是该聚类中文章的平均发表时间，年份距离现在较小的即为近年研究热点。设定CiteSpace的时间跨度为2010年1月—2019年12月，时间切片为1 year，节点类型为Keywords，阈值设定为Top 30，同时采用“LLR对数似然算法”。为了清晰地表现网络聚类结构，故选择Pathfinder模块进行裁剪，其他参数为默认设置。

外文文献得到了713个节点、3 418条连线的20个关键词聚类视图(图5)。聚类后网络的模块值Q=0.7006(Q值值域为[0，1]，Q>0.3则表示可视化结构显著)，平均轮廓值S=0.8885(S>0.5则表示聚类结果可信)。中文分析结果显示了762个节点、2 412条连线的17个关键词聚类图谱(图6)，Q值和S值分别为0.7341和0.8930。两组结果均在合理的范围内，说明整体聚类效果显著，研究选取几个具有代表性的聚类分别进行分析。

2.4.1外文关键词热点聚类 第1项和第3项聚类分别是Climate Change和Grassland，这两项聚类主要讨论的是气候变化与高原植被生长之间的关系。该聚类的典型关键词分别是Rainfall,NDVI,NPP(Net primary productivity，净初级生产力),Alpine grassland和Qinghai-Tibet Plateau。草地植被的生产潜力可以作为衡量生态系统能量流动和物质循环的评价指标[40]，对植被生产力的研究可以揭示植被生产与气候变化之间的关系[41]，更能预测生产力未来的发展趋势。近几十年的气象数据表明，青藏高原年均降雨量呈下降趋势，尤其是夏季较为明显[42]，但同期的气温却呈上升趋势，气候整体呈现暖干化[43]，继而引起草原退化、冰川溶解等一系列环境问题，这对青藏高原的生态稳定性产生了巨大的影响[28]。

第2项和第5项聚类分别是Canopy和Hyperspectral Remote Sensing，出现的平均年份为2004年和2002年。遥感影像的光谱和空间分辨率是影响草地遥感监测精度的决定性条件之一[44-45]，高空间分辨率的影像能够获得更高的解译精度。2000年搭载高光谱成像仪Hyperion的地球观测卫星“EO-1”的发射[46]标志着高光谱遥感的问世，历经20年的发展，该技术已被广泛应用在资源调查、生态保护、灾害监测和城市建设等领域[47]。在天然草原植被动态监测中，高光谱遥感在草地生物量估算、物种识别与分类、植被覆盖度估算、生物化学成分估测等方面发挥了出色的作用[48]。近年来，国际上有较多学者开始基于高光谱遥感手段在草原植被冠层形态、叶面积指数和生理特性层面对天然牧草地进行综合评价。Ramoelo等[49]将气候、土壤、地形等数据与植物冠层高光谱遥感数据相结合，在稀树草原生态系统中利用非线性偏最小二乘回归(Partial Least Squares Regression，PLSR)方法测定了草地植被氮和磷的含量并取得了较高的估测精度。Gao等[50]研究发现利用高光谱遥感数据和机器学习算法，并结合多种地形因子可以更好地监测青藏高原东部的高寒草甸牧草磷含量。

图5 外文期刊草地遥感研究的关键词聚类图谱Fig.5 Keyword clustering map of grassland remote sensing research in foreign language journals

2.4.2中文关键词热点聚类 第1项聚类为土地利用与土地覆盖变化(Land use/cover change，LUCC)。LUCC体现了人类社会活动与气候变化的相互作用，近些年来我国草原生态脆弱区发生的水土流失、水源涵养功能减退、湿地面积减小等一系列问题[51]，引发了国内外科研学者的关注，如何通过对LUCC的监测和模拟实现草地生态系统服务的可持续发展是国内学者重点关注的问题[52]。黄金亭等[53]基于黄河流域3个不同时段LUCC数据，利用CA-Markov模型模拟预测了黄河流域2020年和2025年的LUCC时空分布特征，结果表明该流域土地利用/覆盖类型以耕地、草地和林地为主，且人类活动将是干扰该地区土地利用方式的重要因素。

第2项聚类是植被覆盖度，主要讨论其与生态环境之间的关系。植被覆盖度的高低是影响草原生态系统是否稳定的重要条件[54]，“生态治理”“生态脆弱性评价”与“时空动态变化”等内容是该聚类下的高频关键词。王福成等[55]基于MODIS影像，利用植被指数和时空动态趋势模型计算并分析了藏北地区草地植被覆盖度分布及其变化情况，结果表明2010—2018年藏北地区草地植被覆盖度呈下降趋势。朱宁等[56]基于谷歌地球引擎(Google earth engine，GEE)数据云平台，采用像元二分模型，对2007—2018年MODIS NDVI数据进行分析，得出了三江源地区草地植被长势整体向好，草地退化有所好转的结论。王海等[57]综述和展望了关于土地荒漠化遥感监测方面的研究，发现在草原植被覆盖度较低的地区，不恰当的人类活动和极端天气更容易引起土壤沙化和荒漠化。因此，开展天然草地植被覆盖度时空动态变化的研究具有重要意义。

第3至5项聚类分别是产草量估算、植被指数和草畜平衡，均是近些年来国内草地遥感研究的热点话题。目前，对草地产量估测的两种方法(实地测量和遥感反演)[58]中，遥感反演法的快速发展使大范围长时间序列的草地生长监测成为可能[59]，其中植被指数法能够在一定程度上反映出地物类型的基本特征，如草地覆盖度、草地长势、草地生产力等，已成为草地遥感研究的常用方法。建立植被指数和天然草地植被生物量之间的回归模型是大尺度草地产草量估算的主要思路。黄鑫等[60]比较了不同植被指数、统计模型和建模指标组合后的精度差异，选出了青海省草地产草量的最优估算模型。草畜平衡研究则在产草量估算的基础上结合当地放牧及补饲的实际情况进行判断。根据研究结果及时调控放牧牲畜的数量，是减缓草地退化的主要措施之一。然而，这类研究容易受到气候变化、植被类型、牧草成熟度等的影响，因此不能准确反映年内草畜平衡的动态变化。另外，评定草地生长状态及是否草畜平衡，不能仅以草产量作为评定指标，牧草营养品质的高低也是一个重要的评价指标[61]。金花[62]研究发现，以草地生物量估算得到的载畜量一般情况下高于营养载畜量，说明以生物量估算出的载畜量只能满足家畜的饲草需求而不能满足营养需求；刘真等[63]结合草地生物量与家畜消化能分析了鄂尔多斯草原的草畜平衡情况，研究发现生长旺季(5—10月)的牧草并不能够满足家畜的生长需求且家畜的能量摄取在枯草期(11—12月)严重不足；杨博等[64]则从代谢能角度分析了甘肃肃南草原的草畜平衡现状，结果表明家畜在牧草生长期(6—10月)的能量摄入高于需求，生长速度加块，体重增重，而枯草期(11月—次年5月)营养供应却严重不足，体重损失。因此，及时采取冷季补饲、暖棚舍饲和调整产羔时间等措施才能保障家畜的正常生长发育并且防止草场过牧退化。此外，相比于传统的能量平衡，利用高光谱遥感数据在草地营养指标(粗纤维、粗蛋白等)反演方面的优势[65]科学研究草畜的营养平衡是草畜平衡研究的新方向。

图6 中文期刊草地遥感研究的关键词聚类图谱Fig.6 Keyword clustering map of grassland remote sensing research in chinese journals

2.4.3中外文文献聚类比较 比较草地遥感领域中外文期刊的聚类结果(表4)，可以发现研究热点有相似的地方，主要包括草原生态治理、草地资源利用、草地生产力等方面，但相比外文而言，中文热点时间较为滞后，主要集中在2010年左右。由于国内草地资源地区分布不均匀，草原脆弱区面积大且集中，所以国内研究热点更加集中在如何解决当前的生态环境问题；而国外研究热点则更加丰富广泛，涉及到全球化、新型技术等方面，研究领域更加前沿。

2.5 高被引文献及活力分析

被引频次决定着文献的影响力大小，是反映作者科研水平和学术影响力的直接体现[66]。文献半衰期又称文献半生期，指某学科(专业)现时尚在利用的全部文献中较新的一半是在多长一段时间内发表的，能够评价文献的老化速度，文献的半衰期越长，则代表文献越有价值[38]。

基于WOS数据库整理草地遥感领域前 5高被引文献(CNKI数据库不具备此项功能，故不作分析)，有3篇发表于SCI顶级期刊(表5)。被引频次最高的是中国作者Baoxiong Chen于2014年发表的题为《The impact of climate change and anthropogenic activities on alpine grassland over the Qinghai-Tibet Plateau》的文章，该文章通过建立模型的方法阐述了气候变化和人类活动2方面对青藏高原产生的影响[67]；位列其后的Geli Zhang研究团队[68]利用NDVI的3个长时间序列数据集，探索了1982—2011年间青藏高原的高山植被状况；被引频次第3的Yunxiang Jin研究团队[69]将实测数据与遥感数据相结合，通过植被指数建立遥感估算模型，估算了中国北方温带草原的生物量；被引频次第4的来自爱尔兰科克大学地理系的Iftikhar Ali[70]综述了传感器精度提高对草原生产力估测和畜群管理方面的影响；被引频次第5的加拿大作者Dandan Xu[71]探索了草地枯落物覆盖影响生物量和NDVI之间的关系。整体来看，引用频次前5的文献半衰期都不高，均在2.5～3.5年之间，文献老化速度较快，也表明草地遥感领域的高被引文献在发表近3年具有较高的活力。

表4 近20年草地遥感研究领域WOS与CNKI聚类比较Table 4 Cluster comparison of WOS and CNKI in grassland remote sensing research in the past 20 years

表5 引用频次前5文献及半衰期Table 5 Cited frequency and half-life in TOP 5 documents

3 结论

草地遥感领域中外文总发文量逐年递增，核心期刊主要有RemoteSensing，InternationalJournalofRemoteSensing和RemoteSensingofEnvironment等，其发文量及引用次数均呈逐年递增趋势。83个国家参与草地遥感相关的科研工作，中国、美国和德国发文量位居前3；总被引频次、H指数和中心性则是美国第一，中国和德国位列其后，篇均被引以阿根廷最高；发文量前4的科研机构均来自中国，并且形成了紧密的合作网络。中外文核心作者分别有72和53位，均未形成稳定的核心作者群，且核心作者发文量普遍较低；中外文作者之间形成的合作群体内交流频繁，群体间交流较少。中外文热点主要集中于草原生态治理等，但中文相对于外文研究时间较为滞后，并且更集中于如何解决当前环境问题，而国外研究热点更加前沿。引用频次最高的3篇文章半衰期均较短，老化速度快。