以Web of Science (WOS)核心合集数据库为检索库，采用高级检索模式，检索策略式为((ALL = (Non-invasive Micro-test Technology)) OR ALL = (Scanning ion selective electrode)) OR ALL = (microelectrode ion flux estimation)，检索时间为2014年1月1日至2024年3月13日，语言不限。

将在数据库中检索到的文献以纯文本文件导出，将Web of Science核心数据库中检索到的文献以download-***txt格式导入CiteSpace软件，并对导入的文献进行除重与发文量记录，排除与研究主题无关、重复发表或重复检出的文章以及撤回、勘误类文献，将除重后的数据导出，分析发文时间与发文数量并绘制图表。

运用CiteSpace软件，在软件中依次选择关键词、作者和机构后，以2014~2023年为时间跨度，使用共现分析功能绘制相关科学知识图谱。在可视化图谱中，共现分析图谱中节点圆圈分别代表作者、机构以及关键词，节点大小代表节点出现的频率，节点之间的连线代表其联系合作关系及其紧密程度 [7] 。当节点类型选择机构(institution)作为节点时，时间切片设为1年，选择标准设为G指数 = 25，无裁剪；选择作者(author)作为节点时，时间切片设为2年，选择标准设为top N指数 = 50，无裁剪；以关键词(keyword)作为节点时，时间切片设为1年，选择标准设为G指数 = 25，裁剪方式为pathfinder。最后分析该领域的研究现状、热点以及发展趋势。中介中心性是CiteSpace软件中测度节点在网络图谱中一个重要性指标，中心度>0.1表明该节点在研究领域内有重要影响，中心值越高，就说明该节点在该领域越重要 [8] 。

经过检索与筛选之后，精炼出研究文献与综述文献共299篇。年发文量是衡量一个领域活力与潜力的重要指标 [9] 。如 图1 所示，2014~2018年间环境领域内NMT技术的相关发文量整体呈大幅上升趋势，2019~2022年的年发文量略有回落下降，但在2023年的年发文量又迅速回升，因此发文量的下降除了正常波动外还可能是一些客观不可抗力因素所导致，总体是一个螺旋式上升的过程。为了进一步衡量该领域的发文趋势，绘制趋势线获得函数为y = 32.109x²− 28.2 (R²= 0.9971，y为年度发文量，x为年份)。从整体趋势来看，NMT技术在环境领域越来越受到相关研究人员的认可与重视，显然具有不小的应用潜力。

对NMT技术在环境领域应用的相关文献进行机构合作网络共现分析。机构合作共现图谱能够呈现某研究领域的权威机构以及机构之间的合作情况。本研究( 图2 )得到的机构合作共现图谱中共有222个节点，318条连线，网络整体密度为0.013。

对文献发表机构进行分析的结果如 表1 所示，通过图谱与统计表可以发现，中心度排名第一的机构为中国科学院(Chinese Academy of Sciences)，中心度排名前十的机构中与农林业科学相关的机构居多，包括中国农业科学院(Chinese Academy of Agricultural Sciences)、北京林业大学(Beijing Forestry University)、农业与农村事务部(Ministry of Agriculture & Rural Affairs)、华中农业大学(Huazhong Agricultural University)。从发文机构的中心度排名与频次可看出，近10年来缺乏持续有较大影响力的机构，且机构合作共现图谱的网络整体密度相对较小，说明各个主要机构之间的合作较少，处于一个比较分散的状态。

对NMT技术的相关文献进行作者合作共现分析，作者合作共现图谱能够呈现某研究领域的核心作者以及作者之间的合作情况。本研究得到的作者合作共现图谱如 图3 所示，共有106个节点，172条连线，网络整体密度为0.0309。

发文量居前3位的作者( 表2 )分别是Michael J O’donnell (12篇)、Abdullah M Asiri (9篇)、Sergey Shabala (7篇)。网络整体密度较低，可以看出发文作者的合作关系主要为内部合作，不同团队之间的合作几乎没有。从频次上看，2018年以后涌现出了几个新的、较为活跃的团队。总体而言，近十年来该领域虽然缺乏具有领军性的研究团队，但也有不少新鲜血液的注入，发展前景是可观的。

对NMT技术在环境领域应用的相关文献进行关键词共现分析，并进一步作burst分析。关键词共现分析图谱与burst分析主要展现的是NMT技术在环境领域应用的热点和趋势( 图4 与 图5 )。本研究得到关键词共现图谱中共有296个节点，580条连线，网络整体密度为0.0128。

中心度排名前10的高频词( 表3 )分别是重金属(heavy metals)、酸性(acid)、钙离子(Ca²⁺)、拟南芥(arabidopsis)、纳米颗粒(nanoparticles)、质膜(plasma membrane)、电极(electrode)、植物(plants)、表达(expression)、富集(accumulation)。关键词之间密切相关，拟南芥作为一种模式植物常被应用于植物相关的研究中，钙离子、电极、质膜则为NMT技术应用的关键词，重金属、酸性、富集、表达则代表研究热点主要在于植物修复、植物抗性等领域。这些节点紧密相连，揭示了该领域的研究热点。

关键词的爆发式增长叫做突现关键词。如果一个关键词在一段时间内出现频率很高，就说明它有爆发活动，且突现值越大，价值越高。关键词的突发性可以用于挖掘该领域的新发展趋势 [10] 。关键词burst分析中，提取了强度排名前4的突现关键词，前3个都与NMT技术本身有关，代表这技术本身的进步与发展。最新时区的突现关键词为毒性(toxicity)，说明NMT技术在环境领域应用的未来可能会产生有关毒性机制研究方面的新热点。例如，2019年，Yen等人研究了银和铜纳米颗粒对斑马鱼胚胎侧线毛细胞的毒性作用 [11] 。2020年，Zhang等人使用NMT技术研究了邻苯二甲酸二(2-乙基己基)酯(DEHP)和铜对关节杆菌属JQ-1的联合毒性 [12] 。

为了能更准确的反应NMT技术在环境领域的研究热点，使用CiteSpace对关键词进行了聚类分析( 图6 )。关键词聚类可以呈现相关研究领域的结构体系，判断领域内新兴的理论动向和涌现的新课题。每个聚类代表了一个研究主题，每个聚类的颜色代表不同时间段，聚类中的关键词反映了该主题的核心内容 [13] 。

本研究中关键词被分为7大类，分别为#0 吸附(adsorption)、#1多类型细胞(rich cell)、#2氧化应激(oxidative stress)、#3氢离子流(H⁺flux)、#4摄取机制(uptake mechanisms)、#5保卫细胞(guard cell)、#6导电聚合物(conducting polymers)、#7大麦(hordeum vulgare)。

根据本研究的特点即研究某技术在某领域的应用，因此该聚类图更多反应的是不同时间段NMT技术在环境领域内的研究内容与方向。通过聚类分析可知#0吸附(adsorption)、#1多类型细胞(rich cell)、#2氧化应激(oxidative stress)、#7大麦(hordeum vulgare)这四个聚类是近年来的主要内容，说明研究者的关注热点在植物对逆境的抗性。有研究表明，世界上近20%的耕地和近33%的灌溉农田正在遭受盐碱化，高盐度的土壤所引起的次生效应，会导致植物活性氧产生过多，引起氧化应激损伤 [14] 。利用NMT可以从新的角度解释植物的耐盐机制，如盐胁迫作用下植物对Na⁺、H⁺的吸收规律与含量，NMT技术是植物耐盐筛选的可靠方法，对培育耐盐植物新品种也具有一定帮助 [15] 。