1. 引言
中药残渣(Chinese Medicine Residue)是指中药材在生产、加工以及使用中药过程中产生的固体废弃物[1]，中药残渣数量巨大且呈逐年增多[2] [3]。这些残渣含有一定量的有效成分，如生物碱、多糖等，同时还含有纤维素、木质素等难降解的有机物。如果将其焚烧，就会产生大量的烟尘等污染物，从而污染大气[4]。国家“十四五”规划明确强调提高资源利用效率和绿色经济全面发展的重要性，为实现这一目标，需要整个行业和社会的共同努力和关注[5]。在主动推进低碳经济和循环经济发展的大背景下，中药残渣的资源化是环境友好的可持续发展方式，有助于降低资源浪费，实现残渣的经济价值[6] [7]。因此，如何实现其资源有效利用，保护生态环境已成为我国中药产业发展过程中亟需解决的问题。而目前，全球范围内发表了许多有关残渣成分分析、药理作用、临床应用等方面的研究论文，但基于文献计量学的研究现状与发展趋势尚无报道。
本研究使用CiteSpace 5.7.R5软件[8]-[10]创建知识图谱，对近三十年发表的中药残渣中英文相关文献的发文量、作者、机构、关键词等进行可视化分析，以揭示国内外有关中药残渣的研究热点与前沿趋势。
2. 资料与方法
2.1. 数据来源
本研究使用的中文文献数据来源于中国知网数据库(CNKI)，英文文献数据来源于Web of Science数据库(WOS)和PubMed数据库，均采用高级检索方式，中文数据库以“中药残渣”进行检索，英文数据库以“Chinese medicine residue”进行检索，检索日期均为1993年1月1日至2023年7月19日，对数据进行整理后得到913篇相关中文文献，132篇相关英文文献。
2.2. 纳入标准
符合中药残渣研究主题的相关性期刊论文、学位论文，如残渣的资源化利用途径等。
2.3. 排除标准
为保证研究的科学性，手动筛选排除会议、报纸、专利、成果等文献；内容与中药残渣研究无关的文献。
2.4. 数据处理
确定有效文献后，选择以“Refworks”的格式将其导入CiteSpace 5.7.R5中，将时间跨度(Time Slicing)设置为1993年至2023年，时间切片(Years Per Slice)设置为1年，修剪方式为Pathfinder和Pruning sliced networks创建可视化图谱，通过分析文献的核心作者、重点研究机构、国家，并运用关键词节点共现分析、聚类分析及突现词分析，展示国内外有关中药残渣的研究现状。
3. 结果
3.1. 文献发文量可视化分析
学术论文的数量及其在一段时间内的变化趋势是衡量研究发展状况的关键指标之一[11] [12]。以论文发表年份为X轴，以发文量为Y轴，呈现出国内外有关中药残渣研究论文发文量随时间的变化。由图1可知，在中文文献研究中，有关中药残渣的文献数量可分为三个阶段。第一个阶段为1993年到2007年，该阶段关于中药残渣的文献数量增长速度缓慢；第二个阶段为2008年到2017年，该阶段发文量增长速度最为明显，至2017年有关中药残渣研究的中文文献迎来高峰期，达到一年75篇。在此之后为第三个阶段，呈现波动性增长状态。在英文文献研究中，最早出现中药残渣的文献于2009年，起步较晚，且整体增长速度缓慢，一直呈现波动性递增的趋势，至2022年英文文献迎来高峰期，达到一年31篇。鉴于纳入的中英文文献截止2023年7月，2023年文献纳入不完整，预测发文量总体均呈现上升状态，这说明有关中药残渣的研究已经引起了广泛的关注，如若对中药残渣的后续处理不当，不仅会造成资源的浪费，更会影响生态环境，人们对于中药残渣资源化利用的挖掘正更加深入。
3.2. 研究作者可视化分析
在CiteSpace中，将“Author”作为节点类型选择，得到研究作者知识图谱，见图2、图3。图内节点大小代表分析对象出现的频率，节点间的连线表示共现关系，连线越粗，表明共线关系越强。结合知识图谱与数据库的相关作者数据形成表1、表2。
由图2可知，中文文献研究中，发文作者合作网络分析共形成了631个节点，797条连线。部分作
Figure 1. Publication volume of literature on the study of Chinese medicine residues based on CiteSpace
图1. 基于CiteSpace的中药残渣研究文献发文量
Figure 2. Co-authorship network map of Chinese literature on the study of Chinese medicine residues based on CiteSpace
图2. 基于CiteSpace的中药残渣中文文献发表作者合作图谱
Figure 3. Co-authorship network map of English literature on the study of Chinese medicine residues based on CiteSpace
图3. 基于CiteSpace的中药残渣英文文献发表作者合作图谱
Table 1. List of authors that have published Chinese literature on the study of Chinese medicine residues
表1. 中药残渣研究的中文文献发文作者列表
序号 |
发文量 |
作者 |
1 |
35 |
刘倩 |
2 |
31 |
于志浩 |
3 |
30 |
刘华财 |
4 |
25 |
吴创之 |
5 |
24 |
孟影 |
6 |
24 |
宋庄 |
7 |
21 |
吴江苏 |
8 |
20 |
李晓成 |
9 |
19 |
孟繁 |
10 |
18 |
钟伟 |
注：仅列出发文量排名前十的作者。
Table 2. List of authors that have published English literature on the study of Chinese medicine residues
表2. 中药残渣研究的英文文献发文作者列表
序号 |
发文量 |
作者 |
1 |
2 |
Yang Meihua |
2 |
2 |
Wang Hong |
3 |
2 |
Ma Jifu |
4 |
2 |
Lee Chengchun |
5 |
2 |
Feng Weisheng |
6 |
2 |
Dai Xiaofeng |
7 |
2 |
Chen Zhiyun |
8 |
2 |
Chen Yiping |
9 |
2 |
Chen Huashan |
10 |
2 |
Chen Jieyin |
注：仅列出发文量排名前十的作者。
者之间合作较为紧密，主要是以刘华财和吴创之、孟影和刘倩、孔祥峰和印遇龙、唐懋华和成维东之间形成的研究合作网络。同时也存在较多单独作者节点，发文量相对较少。发文量能够间接反映作者在该领域的影响力，由表1可知，发文量前三的作者分别是刘倩、于志浩、刘华财。结合图2可知，以刘倩和孟影等、刘华财和吴创之等为代表的团队之间的合作已经形成了高产和高影响力的合作团队群体。
由图3可知，英文文献研究中作者合作网络分析共形成了273个节点，397条连线，主要形成以Yang Meihua (杨美华)、Chen Bo (陈波)、Chen Jun (陈军)等为核心的中国团队，该团队主要研究方向以中药残渣对土壤的影响情况为主。由表3可知，整体发文量均较少。综上，加强团队间的交流合作十分必要，更有利于文献的研究发表。
Table 3. List of institutions that have published Chinese literature on the study of Chinese medicine residues
表3. 中药残渣研究的中文文献发文机构列表
序号 |
发文量 |
机构 |
1 |
31 |
中国科学技术大学工程科学学院中国科学院广州能源研究所中国科学院可再生能源
重点实验室 |
2 |
31 |
吉林农业科技学院中国农业科学院特产研究所吉林大北农农牧科技有限公司 |
3 |
9 |
江苏省南京市蔬菜科学研究所 |
4 |
6 |
山东省农业科学院 |
5 |
4 |
中国科学院亚热带农业生态研究所亚热带农业生态过程重点实验室 |
6 |
4 |
山东大学高效洁净机械制造教育部重点实验室 |
7 |
4 |
成都信息工程学院资源环境学院 |
8 |
4 |
江苏省南京市蔬菜科学研究所 |
9 |
4 |
陕西科技大学生命科学与工程学院 |
10 |
3 |
上海市园林科学研究所 |
注：仅列出发文量排名前十的机构。
3.3. 研究机构可视化分析
在CiteSpace中，将“Institution”作为节点类型选择，得到研究机构知识图谱，见图4、图5。根据知识图谱与数据库的相关机构数据形成表3、表4。
从机构间合作关系可知，中文文献研究中，发文机构合作网络分析共形成了423个节点，0条连线，密度为0，整体呈现分散状态，提示机构间大都偏向于独立研究。英文文献研究中，机构合作网络分析共形成了165个节点，144条连线，密度为0.0106，存在以Chinese Academy of Sciences (中国科学院)与China Pharmaceut University (中国药科大学)为主的部分机构间相互合作。
由表可知，有关中药残渣研究中文文献发文量最多的机构分别是中国科学技术大学工程科学学院与吉林农业科技学院，相关英文文献发文量最多的机构分别是Chinese Academy of Science与China Pharmaceut University。虽然这些机构间均与其他机构间有合作，但是中介中心性均小于0.1，提示其合作关系不强。其次中英文文献发文机构多集中在研究所与高校，但二者之间合作偏少，建议其加强交流学习。
Figure 4. Institutional collaboration network map of Chinese literature on the study of Chinese medicine residues based on CiteSpace
图4. 基于CiteSpace的中药残渣中文文献发表机构合作图谱
Figure 5. Institutional collaboration network map of English literature on the study of Chinese medicine residues based on CiteSpace
图5. 基于CiteSpace的中药残渣英文文献发表机构合作图谱
Table 4. List of institutions that have published English literature on the study of Chinese medicine residues
表4. 中药残渣研究的英文文献发文机构列表
序号 |
发文量 |
机构 |
1 |
7 |
Chinese Acad Sci |
2 |
5 |
China Pharmaceut Univ |
3 |
4 |
Chinese Acad Med Sci |
4 |
4 |
Qilu Univ Technol |
5 |
3 |
Chinese Acad Med Sci & Peking Union Med Coll |
6 |
3 |
Shandong Univ |
7 |
2 |
Changchun Univ Chinese Med |
8 |
2 |
Henan Univ Chinese Med |
9 |
2 |
Jilin Agr Univ |
10 |
2 |
Guangdong Univ Technol |
注：仅列出发文量排名前十的机构。
3.4. 研究国家可视化分析
由表5可知，中药残渣相关研究发文量最多的是中国，这与中草药植物起源于中国密不可分，研究方向以中药残渣的综合利用为主，包括提取有用成分、制备生物能源、制备新材料、生态修复等。其中由South China University of Technology (华南理工大学)发表的“Removal of tetracycline from an aqueous solution using manganese dioxide modified biochar derived from Chinese herbal medicine residues (利用中药残渣改性锰氧化物生物炭从水溶液中去除四环素的方法)”被引量高达77次，说明其对中药残渣的相关研究具有一定的参考价值，也为人们利用中药残渣来改善生态环境提供了新的思路。中介中心性大于0.1的国家分别是中国、美国、斯兰里卡、泰国、荷兰，表明这五个国家间合作紧密，同时对中药残渣的相关研究影响力也较大。
Table 5. List of countries that have published English literature on the study of Chinese medicine residues
表5. 中药残渣研究的英文文献发文国家列表
序号 |
发文量 |
中介中心性 |
国家 |
1 |
157 |
1.34 |
CHINA |
2 |
5 |
0.39 |
USA |
3 |
2 |
0.00 |
CANADA |
4 |
2 |
0.00 |
JAPAN |
5 |
2 |
0.15 |
SRILANKA |
6 |
2 |
0.15 |
THAILAND |
7 |
2 |
0.15 |
NETHERLANDS |
8 |
1 |
0.00 |
TÜRKIYE |
9 |
1 |
0.00 |
BELGIUM |
10 |
1 |
0.00 |
COLOMBIA |
注：仅列出发文量排名前十的国家。
3.5. 关键词可视化分析
3.5.1. 关键词共现分析
关键词是一篇论文的核心提炼与概述，展示了文献研究的关键主题，高频关键词则揭示了该领域的研究趋势[13]。在CiteSpace中，将Time Slicing设置为1993年到2023年，时间切片为1年，将NodeType选项设置为Keyword，运行程序以进行可视化分析，将形成关键词图谱，见图6、图7。节点大小反映了关键词的出现次数，节点之间的连线表示关键词之间的共现关系，线条越粗，共现关系越强烈。此外，借助CiteSpace的关键词共现功能，统计出高频关键词的出现频率，见表6、表7。
中文文献中，图谱共有727个节点，1362条连线，密度为0.0052。关键词“中药渣”的频次为486，中心性为1.30，是关键词共现图谱中最大的节点，代表该节点联系其他节点的能力最强、连接的信息最多，后面依次为“发酵”(38次)、“催化热解”(34次)、“产量”(33次)、“营养价值”(24次)、“堆肥”(24次)等，这些关键词大致反映出该领域研究的热点话题。
Figure 6. Co-occurrence network map of keywords in Chinese literature on the study of Chinese medicine residues based on CiteSpace
图6. 基于CiteSpace的中药残渣中文文献关键词共现图谱
Figure 7. Co-occurrence network map of keywords in English literature on the study of Chinese medicine residues based on CiteSpace
图7. 基于CiteSpace的中药残渣英文文献关键词共现图谱
Table 6. Keywords and word frequency statistical table of Chinese literature on the study of Chinese medicine residues
表6. 中药残渣研究的中文文献关键词与词频统计表
序号 |
频次 |
中介中心性 |
中文关键词 |
1 |
486 |
1.30 |
中药渣 |
2 |
38 |
0.05 |
发酵 |
3 |
34 |
0.00 |
催化热解 |
4 |
33 |
0.07 |
产量 |
5 |
24 |
0.00 |
营养价值 |
6 |
24 |
0.03 |
堆肥 |
7 |
24 |
0.00 |
发酵天数 |
8 |
23 |
0.02 |
生长性能 |
9 |
20 |
0.04 |
基质 |
10 |
19 |
0.02 |
中药药渣 |
注：仅列出频次排名前十的中文关键词。
Table 7. Keywords and word frequency statistical table of English literature on the study of Chinese medicine residues
表7. 中药残渣研究的英文文献关键词与词频统计表
序号 |
频次 |
中介中心性 |
英文关键词 |
1 |
13 |
0.02 |
Chinese medicine residue |
2 |
11 |
0.06 |
biochar |
3 |
9 |
0.11 |
pesticide residue |
4 |
7 |
0.05 |
Chinese herbal medicine |
5 |
7 |
0.05 |
herb residue |
6 |
6 |
0.03 |
adsorption |
7 |
4 |
0.04 |
heavy metal |
8 |
3 |
0 |
bacterial community |
9 |
3 |
0.02 |
antibiotic |
10 |
3 |
0.02 |
soil fertility |
注：仅列出频次排名前十的英文关键词。
英文文献中，图谱共有258个节点，463条连线，密度为0.0140。“Chinese medicine residue (中药残渣)”是频次最大的关键词，为13次，但中介中心性较小。其次是“biochar (生物炭)”(11次)、“pesticide residue (农药残留)”(9次)、“Chinese herbal medicine (中药)”(7次)、“herb residue (中药渣)”(7次)、“adsorption (吸附)”(6次)等，同样，这些关键词一定程度上可以反映出有关中药残渣近年的研究热点。两相对比，可以发现，中英文文献侧重有所不同。
3.5.2. 关键词聚类分析
关键词聚类分析是一种统计方法，是通过将数据分类而完成的。关键词聚类图谱是根据关键词之间的相似性，通过将具有明显共词关系的关键词进行聚类，精确地描绘了研究前沿的核心[14]。各个聚类分别用由“#”和数字表示，数字大小和该聚类下的文献数量成反比[15]。因此，聚类序号数字越大，表示该聚类中包含的关键词数量越少，反之亦然。本研究利用CiteSpace 5.7.R5软件对关键词聚类分析，采取对数似然率(Log-Likelihood-Ratio, LLR)算法聚类方式，从而得到关键词聚类图谱(去除节点太少的聚类)，见图8、图9。图中的Modularity Q表示网络模块度(Q值)，大小在0到1之间，值越接近于1，聚类效果也就越好(Q > 0.3表明网络聚类结构显著)。Sihouette表示轮廓值(S值)，是衡量网络同质性的指标，大小在−1到1之间，S值越接近于1，表示聚类内节点联系越紧密，即同质性相对更好，聚类结果可信度相对更高(S > 0.5表明聚类效果令人信服)。每一类聚类明细见表8、表9，表中列出了每一聚类的关键词数量、轮廓值、年份及排序较前的关键词。
图8展现了有关中药残渣研究按中文文献聚集度形成的10个关键词聚类。此次聚类Q = 0.7406 > 0.3、S = 0.9541 > 0.5，表明关键词聚类效果可信度较高。聚类结果为：#0中药渣；#1发酵中药渣；#2有机无机复混肥；#3催化热解；#4药渣；#5固态发酵；#6新型培养料；#7中药药渣；#8番茄；#9多糖。在聚类图谱中各聚类模块相互重叠，表明各聚类间联系紧密。结合关键词聚类视图与聚类明细表分析可知，中药残渣中文文献研究领域主要以中药残渣的处理与资源化为主，如利用微生物发酵技术对中药残渣进行生物转化提高其营养价值、利用中药残渣作为培养料进行食用菌的生产、研究中药残渣催化热解技术，将其转化为能源以提高资源利用率等。
图9展现了有关中药残渣研究按英文文献聚集度形成的7个关键词聚类。此次聚类Q = 0.9051 > 0.3、S = 0.9354 > 0.5，同样提示关键词聚类效果可信度较高。聚类结果为：#0 chinese patent medicine (中成药)；#1 medicine herbs-a review (草药–综述)；#2 aqueous solution (水溶液)；#3 low-cost biochar (低成本生物炭)；
Figure 8. Keyword clustering diagram of Chinese literature on the study of Chinese medicine residues based on CiteSpace
图8. 基于CiteSpace的中药残渣中文文献关键词聚类图谱
Figure 9. Keyword clustering diagram of English literature on the study of Chinese medicine residues based on CiteSpace
图9. 基于CiteSpace的中药残渣英文文献关键词聚类图谱
Table 8. Detailed keyword clustering table of Chinese literature on the study of Chinese medicine residues
表8. 中药残渣研究的中文文献关键词聚类明细表
聚类 |
关键词数量 |
轮廓值 |
年份 |
主要中文关键词 |
#0 |
151 |
1.000 |
2009 |
中药渣；催化热解；碳酸钾；鸡蛋壳；发酵中药渣 |
#1 |
42 |
0.875 |
2016 |
发酵中药渣；妊娠母猪；发酵；生化参数；生长性能 |
#2 |
41 |
0.922 |
2010 |
有机无机复混肥；产量；氮素利用率；堆肥；微生物多样性 |
#3 |
40 |
0.963 |
2014 |
催化热解；高铁酸钾；碳酸钾；气炭联产；生物质 |
#4 |
35 |
0.946 |
2012 |
药渣；有机肥；平菇；中药；微孔炭砖 |
#5 |
35 |
0.925 |
2008 |
固态发酵；添加剂；饲料添加剂；蛋白饲料；成分分析 |
#6 |
28 |
0.975 |
2007 |
新型培养料；无土栽培；食用菌；基质；现状 |
#7 |
28 |
0.935 |
2013 |
中药药渣；再利用；循环利用；扩展青霉；中药固废物 |
#8 |
28 |
0.814 |
2011 |
番茄；中药渣基质；有机基质；基质配方；主成分分析 |
#9 |
23 |
0.951 |
2018 |
多糖；响应面法；灵芝；中药渣；残渣利用 |
Table 9. Detailed keyword clustering table of English literature on the study of Chinese medicine residues
表9. 中药残渣研究的英文文献关键词聚类明细表
聚类 |
关键词数量 |
轮廓值 |
年份 |
主要英文关键词 |
#0 |
22 |
0.965 |
2015 |
Chinese patent medicine; pyrethriod pesticide residue; fast
determinationicine residue |
#1 |
21 |
1.000 |
2016 |
medicinal herbs-a review; pesticide residue; traditional Chinese medicine |
#2 |
21 |
0.947 |
2019 |
aqueous solution; influencing tetracycline removal; green
synthesized medicine residue |
#3 |
19 |
0.994 |
2018 |
low-cost biochar; ciprofloxacin adsorption; herbal residue |
#4 |
19 |
0.970 |
2016 |
herb residue; Chinese medicine industry; catalytic pyrolysis |
#5 |
16 |
0.959 |
2015 |
gas chromatography-triple quadrupole tandem; mass
spectrometry; influencing tetracycline removal |
#6 |
11 |
0.959 |
2019 |
case study; soil properties; traditional Chinese medicine residue |
#4 herb residue (中药渣)；#5 gas chromatography-triple quadrupole tandem (气相色谱–三重四极串联质谱仪)；#6 case study (个案研究)。中药残渣英文文献研究领域同样旨在提高中药残渣的处理和利用效率，减轻其对环境的负面影响，但也有不同之处。与中文文献相似的是，英文文献研究领域同样探索将中药残渣转化为有价值的资源，如生物炭、肥料或饲料等。与中文文献不同的是，该领域更多的是结合现代技术设备检测中药残渣中的成分，如利用质谱仪对中药残渣进行成分分析，提高分析精度和准确性，为进一步研究其药理作用提供更多数据支持。
3.5.3. 关键词时间线图及突现词分析
时间线视图可以清晰地展示各个聚类的发展历程及研究进展[16]。以文献的发表年度为X轴、关键词所属聚类为Y轴进行排列，呈现有关中药残渣研究的中英文文献时间线视图，见图10、图11。每个聚类的标签由共同出现的关键词组成，这些关键词根据它们在各个时间段出现的年份，在所属聚类中展开，揭示了每个聚类的发展轨迹及研究热点。
突现词是某一时段研究领域中突然“爆发性”出现的关键词，表示频次出现快速增长的研究前沿术语，见图12、图13。突现强度含关键词文献被引频次变化率[17]，关键词的突现分析能够帮助我们评估研究的发展趋向，更好地掌握研究发展趋势的动向[18]。在图中，每个关键词对应的线段根据年份进行分隔，较粗线段的两端表示突现开始的时间和结束的时间。
在中文文献中，图10与图1相对应，2008年之后文献数量增长迅速，有关中药残渣的研究方向也开始扩散。结合图10和图12，我们可以发现：1993年首次出现中药渣这一关键词，在1993年到2008年间有关的热点研究关键词较少，说明此时期我国有关中药残渣研究比较为分散，研究文献较少，药渣资源化利用开始受到人们的重视，但有关这方面的研究不多。而在2008年以后出现了较多的热点关键词，多是与中药残渣再利用有关，且出现大量的关键词间的连线，包括聚类内部和跨聚类的连线。这可能与2008年开展绿色奥运以后国家重视生态文明建设有关，全方位加强环境保护，促进人与自然和谐共生，建设环境友好型社会，如何提高中药残渣的资源化利用和循环利用也是其中关键一步。突现词的突现强度普遍较低，大部分的研究方向都是用于解决中残药渣固体废弃物的处置问题。一些研究方向出现较早，但热度已经降低，目前已经不是研究热点，如中药残渣的气炭联产，将残渣通过炭化炉炭化产生的秸秆气可以用作农作物肥料和燃烧，充分燃烧的秸秆气还可以产生热能，供应居民取暖；一些研究方向始终处于较热门的状态，如中药残渣发酵做肥料，药渣上撒上糖水，套上塑料膜，给予光照，加速药渣的发
Figure 10. Keyword timeline plot of Chinese literature on the study of Chinese medicine residues based on CiteSpace
图10. 基于CiteSpace的中药残渣中文文献关键词时间线图
Figure 11. Keyword timeline plot of English literature on the study of Chinese medicine residues based on CiteSpace
图11. 基于CiteSpace的中药残渣英文文献关键词时间线图
Figure 12. Emerging keywords in Chinese literature on the study of Chinese medicine residues based on CiteSpace
图12. 基于CiteSpace的中药残渣中文文献突现词
酵分解作用，增进微生物的生长，促进药渣的营养分解；一些研究方向是近几年出现的，并且是现在的热门研究，如利用中药残渣合成多孔吸附材料从而净化空气。
在英文文献中，有关中药残渣研究的突现词较少，只有6个，分别是herb residue (中药残渣)、Chinese herbal medicine (中草药)、loess plateau (黄土高原)、pesticide residue (农药残留)、Chinese medicine residue (中药残渣)、bacterial community (细菌群落)，且在2012年以前没有突现词，间接说明中药残渣在英文文献方面起步较晚且力度较小。6个突现词同样与研究和开发实现资源循环利用有关，有助于推动中药产业的可持续发展。中药残渣、中草药强调了研究的主题；将黄土高原作为一个研究背景，联系农药残留问题，有助于了解和解决当地的环境问题，提高中药残渣的安全性和资源价值；细菌群落与生物发酵技术相关，通过研究细菌群落，可以优化生物发酵过程，提高中药残渣的生物转化效率。
Figure 13. Emerging keywords in English literature on the study of Chinese medicine residues based on CiteSpace
图13. 基于CiteSpace的中药残渣英文文献突现词
4. 研究结论与展望
4.1. 研究结论
本研究以1993~2023年有关中药残渣研究的913篇中文文献、132篇英文文献为研究样本，利用CiteSpace软件制作可视化图谱及图表，研究有关中药残渣中英文文献的发文量、作者分布、机构分布、关键词共现分析、关键词聚类分析、关键词时间线图及突现词分析。得出以下结论：
有关中药残渣研究的中文文献发文量经过了三个时期，从开始的缓慢期到快速增长期再到最后的波动上升期。英文文献数量较少，起步较晚，呈现波动性递增的趋势，这也提示我们应促进中药残渣在国际范围内的研究成果发布和知识传播，提高其在全球范围内的影响力。从总体来看，发文量会持续增加，说明我国对于中药残渣领域的关注度也将持续扩增，社会对于中药残渣资源化利用的关注度也更加广泛。研究作者分析显示，部分作者之间合作较为紧密，已经形成了核心作者群，中文文献中主要是以刘倩和孟影、刘华财和吴创之为代表的合作团队，英文文献中主要是以Yang Meihua、Chen Bo、Chen Jun等为核心的中国团队。研究机构分析显示，在有关中药残渣研究的中英文文献中，高校和研究所均比较关注，但二者之间缺乏合作，如若二者之间加强合作交流，将更有利于文献的研究发表。研究国家分析显示，相关领域发文量最多的是中国，研究方向以残渣的综合利用为主，且中国、美国、斯兰里卡、泰国、荷兰五个国家合作紧密。
关键词分析结果显示，大部分关键词都与中药残渣再次利用的价值有关，如发酵、生物炭、堆肥等，但中英文文献各有侧重点。此外，从关键词时间线图与突现词联合图谱分析可知，中文文献中早期有关中药残渣的研究方向比较分散，文献较少，从2008年以后开始增多。中药残渣的资源化利用一直都是研究热点，从早期的施肥供暖到如今的净化空气，药渣的可持续利用方式已是层出不穷，这归功于科学研究的发展进步。英文文献中的突现词较少，且在2012年以前没有突现词，但同样与实现中药残渣资源循环利用有关。
综上可知，在当前资源紧缺、环境严重污染和生态系统恶化的背景下，构建生态文明城市和实现可持续发展变得至关重要，充分利用中药残渣，结合现代科学技术，实现物尽其用，则是实现这一目标的重要组成部分，以下则是一些可持续利用中药残渣的具体方式：
1) 制备活性炭。作为生物质废弃物，中药残渣含碳元素且数量庞大，无疑成为制备活性炭的理想原料[19]。活性炭作为一种吸附剂，被广泛用于废水处理、空气净化等诸多行业。利用中药残渣制备活性炭，可以实现对废弃物的有效利用，减少环境污染，同时缓解活性炭供应紧张的问题。
2) 堆肥和土壤改良。由于含有药用活性成分，中药残渣可能会对作物的生长产生影响[20]。通过适当的处理，可将中药残渣转化为植物有机肥料，用于农作物生产，以实现残渣的无害化与资源化[21]。堆肥过程不仅能有效减少中药残渣对环境的影响，还能提高土壤肥力，促进植物生长。
3) 制作饲料添加剂。中药残渣含有丰富的营养成分，如粗蛋白、纤维素等[22]，可作为饲料添加剂使用[6]。研究表明，在肉鸡日粮中添加红景天药渣有利于氧的运输与提高抗缺氧能力[23]。因此，利用中药残渣制作饲料存在一定的利用价值，不仅能提高饲料的营养价值，还能改善动物健康，提高动物生产性能。
4) 净化重金属污水。黄酮类化合物广泛存在于水飞蓟、黄岑等中草药中，该化合物不仅毒性低且具有较强的金属配合能力。目前，已有实验证明，将含有黄酮类化合物的中药残渣投入到含有重金属的污水中能够有效减少其中的铜离子浓度[24]。但是仍需注意的是，中药残渣净化污水的效果受到多方面因素的影响，如中药残渣的种类、用量、污水中重金属离子的浓度等。在实际应用中，需要根据具体情况进行试验和优化。
4.2. 展望
中药产业是我国国民经济至关重要的一部分，中药残渣资源化利用是中药产业转型和可持续发展的关键举措。在当前我国经济发展新常态的背景下，中药废弃物资源化具有尤为重要的现实意义[25]。近年来，环境污染问题日益突出，比如雾霾污染、土壤污染、固体废弃物污染等，在环境承载能力逼近上限的情况下，推动绿色低碳循环发展的新模式已经成为我国经济转型升级的发展方向。通过对中药残渣进行深加工，改变药渣随意丢弃的处理方式，更大程度利用中药残渣的营养价值，减少残渣对环境的污染，可以为适应国家资源环境保护和应对全球环境危机贡献自己的力量。党的十八大报告指出：建设生态文明是一项关系人民福祉、关乎民族未来的长远大计。党的十九大之后，随着中医药创新的深入探索和实践，“传承精华、守正创新”、“绿色生态资源”、“中医药高质量发展”等全新的中医药话语体系逐渐丰富起来，为我国中医药的传承创新提供了战略性思想和价值导向[26]。为推动中医药绿色发展，更好地为构建健康中国服务，为全面建成小康社会提供支持，国家也制定出台《中医药发展战略规划纲要》。
因此，在资源和环境双重压力下，中药残渣资源化是中药产业结构优化和健康发展的必然选择，为此本研究提出以下建议：
(一) 国家应建立合理的中药残渣收集处理体系。目前，中药残渣的资源化利用尚处于初级阶段[27]，大部分的中医医院、制药公司等产生的中药残渣普遍的处理方式都是混合收集运输再掩埋或焚烧处理，这大大降低了中药残渣的资源化利用率。国家可推崇选择其他的处理方式，如制成肥料施肥。中药残渣成分多种多样，含有少量的营养价值，将其经过发酵后制成肥料可使植物生长更加茂盛。
(二) 加强政府与企业之间的合作，大力开发中药残渣资源化利用技术。科学研究方向是多方面的，残渣资源化利用技术也不仅限于施肥、净化空气等。政府可引导有条件的企业组建中药残渣资源化利用研发中心，探索成本可控的中药残渣循环利用经济模式，实现中药残渣多途径、多层次的综合利用，结合现代科学技术，力争实现中药残渣在其他方面应用的可行性。
基金项目
2023年度四川省科技计划项目(项目名称：科技支撑四川中医药传承创新发展方法与策略研究；项目编号：2023JDR0037)。
NOTES
*共同第一作者。
#通讯作者。