Trends in soil organic carbon prediction research using geospatial technologies and artificial intelligence: an exploratory bibliometric analysis (2005-2025)
Elhoussaine Khaddi · Hafida Zaher · Hafida Naim
用文献计量分析2005-2025年地理空间技术与AI预测土壤有机碳的研究趋势。
Scopus检索1561篇文献，用R的Bibliometrix做绩效、共被引与关
年增28.68%，2018年后激增；机器学习、遥感、数字土壤制图为核心方法。
非洲、南亚、拉美研究不足，可探索GeoAI模型跨区域迁移与本地化验证。
基于1561篇文献的GeoAI土壤有机碳预测计量分析，方法规范、数据规模可观，对农业信息化研究趋势有参考价值，但属综述性论文，公共影响有限。
土壤有机碳（SOC）对土壤肥力和气候调节至关重要，其空间预测日益依赖地理空间技术和人工智能（AI）。已有文献计量研究和综述分别考察了基于遥感的土壤有机质监测、农业SOC组分或数字土壤制图，但尚缺乏对这些研究方向如何汇聚为GeoAI（地理空间人工智能：人工智能与空间显式数据的整合）用于SOC预测的文献计量综合。本研究对2005年至2025年SOC预测研究进行了探索性文献计量分析。于2026年3月25日检索Scopus，采用字段标记的布尔查询并限定为英文期刊论文，经筛选和去重后，使用R语言中的Bibliometrix对1561篇文章进行分析（绩效分析、合著分析、共被引分析、关键词共现分析）。年增长率为28.68%，2018年后产出急剧上升，2024年超过300篇文章，40.49%的文章涉及国际合著，文献平均被引43.67次。中国和美国在总被引次数上领先（分别为16602次和8006次），中国在产出上领先。Geoderma、Science of the Total Environment和Environmental Monitoring and Assessment为发文最多的来源期刊，关键词分析识别出机器学习、遥感和数字土壤制图为方法学核心。产出、被引和合作集中于少数国家，非洲、南亚和拉丁美洲部分地区代表性不足，这可能限制模型的可迁移性，其原因未被测量。由于分析属于文献计量性质，研究结果描述的是研究趋势，而非模型性能或环境结果。