《表2 土地利用变化关键词聚类表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《我国近20年土地利用变化研究状态》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了更有效地把握土地利用变化的研究热点与发展趋势，以“关键词”为节点运行Citespace V，在可视化界面点击Clustering功能对关键词进行聚类分析，采用Citespace内置的LLR对数似然算法[19]，得到12个主要的关键词聚类簇（表2）。聚类的意义是把网络划分为多个相互之间不会出现重合的子群，可对这一研究领域相关的热点话题展开探究，这里的研究热点指的是一定时间内大量的存在内在联系的一系列文献探究话题[20]。通过LLR算法对关键词图谱进行主题聚类（图4中），其中模块性Modularity Q=0.760 3，社团结构显著且适合聚类；平均轮廓值Mean Silhouette值为0.909 1，证明网络同质性很高，且聚类结构较为合理；网络密度Density=0.012 4。在土地利用变化研究中，主要研究的是遥感、地理信息系统、构建模型、驱动力、气候变化等主题聚类。