Bibliometric Analysis of Soil Nutrient Research between 1992 and 2020
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Soil nutrient balance is related to the interaction mechanism between soil fertilizer, soil water, climate change, and plant capability. This paper provides a perspective from bibliometric analysis based on data from the Web of Science core collection with software tools, including Vosviewer, HistCite Pro, and Citespace, in order to reveal the evolution of research trends in soil nutrients. The results show that publication outputs have increased exponentially from 1992 to 2020. The synthetic parameter of the sum of normalized data (SND), calculated from the default indicators of the bibliometric software tools, was used to rank the overall contribution of journal/authors/institutions/countries. The results demonstrate that Agriculture Ecosystems & Environment, Soil Biology & Biochemistry and Science of the Total Environment are the leading journals in the soil nutrient field. The Chinese Academy of Sciences had the highest total citations and collaborated most closely with other organizations, followed by United States Department of Agriculture (USDA) Agricultural Research Service (ARS) and Agr& Agri Food Canada. In addition, USA, China, and UK are the top three research centers for this topic. Moreover, Ken E Giller, Qirong Shen, and Rattan Lal were the top three authors, while Andrew Sharpley ranked the first depending on citations per publication. In terms of co-occurrence of keyword analysis, the results indicate that nitrogen fertilizer, green manure, and soil population have gained close attention from scholars, while soil amendment of biochar have evolved as a hot topic in recent years. Perspectives on future studies are also given.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,201 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle