渭北旱塬区耕地质量等别监测样点布控研究

张转+卫新东+王筛妮

摘要：为掌握渭北旱塬区耕地质量等别动态变化，加强耕地质量、数量、生态三位一体管护，以陕西省黄陵县为例，对耕地质量等别监测样点布控进行研究。采用多因素限制条件法、网格法和分层抽样法，对比提出县域耕地等别监测区样点布设和精度检验最佳方法。结果表明，县域耕地质量监测控制区划分依据自然质量控制区、土地利用等值区、土地经济等值区，通过ArcGIS空间叠加功能确定；综合确定监测样点布控的最佳方法为多因素限制条件法；黄陵县耕地质量等别监测布设45个监测点，经统计学检验，监测样点代表性程度较好，能夠全面监测和反映耕地质量等别动态变化。

关键词：土地利用；监测样点；多因素限制条件法；监测控制区

中图分类号：F301.21 文献标识码：A 文章编号：0439-8114（2018）02-0048-07

DOI：10.14088/j.cnki.issn0439-8114.2018.02.013

Abstract： To master dynamic changes of cultivated land quality and enhance the quality，quantity and ecological protection of cultivated land，chosing Huangling county in Shaanxi province as an example，monitoring samples of cultivated land quality were studied. Multi-factor constraints method，grid method and stratified sampling method were used to do comparative analysis seeking for the best way to establish monitoring samples and check the acceptance at the county level. The results showed that monitoring control areas were divided according to natural quality control area，land use equivalent area and land economic equivalent area by using ArcGIS spatial overlay analysis. Multi-factor constraints method was selected as the best way for this research. The Huangling county was divided into 45 monitoring samples. After statistical examination，it shown a good representativeness of monitoring samples，which were able to monitor the dynamic changes of cultivated land comprehensively.

Key words： land use； monitoring sample； multi-factor constraints method； monitoring control area

中国人口众多，土地资源相对缺乏，耕地资源尤为稀缺，已不足世界人均耕地的40%[1]。在人均耕地资源紧缺条件下，有限的耕地资源迫使农户土地利用目标多样，使国家政策调控的空间有限[2-4]。为有效缓解耕地数量不足、质量不高、生态环境不断退化带来的危机，中国的耕地保护工作已从数量管理、数量质量并重管理，向数量、质量和生态管护三位一体转变[5]。同时，实施耕地质量监测，掌握耕地质量动态变化，是进行耕地质量宏观精准管理的基础[6]。以陕西省为例，在耕地数量管理方面，构建了比较完整的土地数量调查制度和技术支撑体系；但在耕地质量管理方面，目前还处于探索阶段。结合现有土地资源调查情况，基于地统计学中遥感技术布设耕地等别监测点，对耕地质量进行动态监测，及时了解耕地质量变化、掌握耕地总体质量情况，对粮食安全、经济可持续发展具有积极的影响意义[7-9]。

国内外围绕耕地质量及其监测方法开展了大量研究，美国从统计学角度出发，建立国家资源清单计划并进行长期定位监测，完成了国家资源监测点的布控[10]；欧盟[11]和加拿大[12]采用“网格法”和“监测区-监测样点”的方法，对全国的资源完成了监测布点工作。近几年，国内很多研究学者在耕地质量监测方面进行了深入的研究。张蚌蚌等[13]、吴克宁等[14]详细介绍了标准样地在耕地质量等级监测方面的应用原则及方法。杨建宇等[15]提出了一种基于空间模拟退火算法的布样及优化方法，以Kriging预测标准差作为优化准则，初步实现了样点布设的自动化。殷守强等[16]采用定量的方法，对耕地质量监测中6种不同抽样方法进行对比，提高了样点的全局代表性。张玉臻等[17]在省级标准样地基础上进行耕地监测样地数量和质量两个方面的优化，形成省级耕地质量监测布点的技术方法。王倩等[18]和孙亚彬等[19]分别基于变异函数及潜力指数组合等方法探索县域耕地质量监测样地布控，以实现较小的监测点反映县域耕地质量分布和变化趋势。综上所述，对于耕地质量监测的研究多集中于县域尺度内的布点，缺少从省和国家尺度上探讨耕地质量监测样地的布控；同时选取监测点的方法较为单一，今后可以通过建立数据模型进行监测点的布控，使得监测点的选取更加科学。

选取黄陵县作为渭北旱塬区的代表县，开展耕地质量等别监测评价试点研究，即以2013年度黄陵县耕地质量等别年度更新评价工作为基础，在耕地质量等别渐变区域，开展耕地质量等别监测评价试点研究，探索县域内耕地质量等别监测区划分、监测样点布设方法以及监测样点布设合理性检验分析，形成县级耕地质量等别监测评价试点成果。结合试点情况，对黄陵县乃至渭北旱塬区耕地质量等别监测区划分和监测样点布设方法进行总结，为全面开展耕地质量等别监测提供经验参考。endprint

1 研究区概况及数据来源

1.1 研究区概况

渭北旱塬区主要包括陕西的咸阳市、铜川市部分塬区、延安南部及渭南北部等所辖区14县3区，总面积约3万km2，该区地形和气候独特，地形特点为黄土塬、梁、沟壑纵横交错，黄土覆盖深厚，沟谷深80～200 m，年降雨量550～600 mm。研究区选在延安市黄陵县，该县地貌类型复杂多样，为典型的黄土旱塬地貌。县境内山、川、沟、坡、台并存，地貌以梁峁、沟坡为主，土地利用类型分布具有明显的地域特征，属中温带大陆型季风气候，总体特征为干旱少雨，温度变化大，降雨变率大，年际和季节分配不匀，无霜期长，农作物可一年一熟或二年三熟。主要粮食作物为小麦和玉米，全年粮食播种面积10 431 hm2，其中小麦播种面积3 193 hm2，玉米播种面积4 021 hm2，其他粮食播种面积为3 217 hm2。2013年，在国家农机具补贴政策优惠下，全县拥有各类农业机械总动力达256 219 kW，农田有效灌溉面积1 447 hm2，化肥施用量（折纯量）10 805 t，较上年增长10.80%。县境内交通发达，公路、铁路运输畅通，网络密布。

黄陵县共辖6镇、3社区、1乡以及1个街道办事处，共计215个行政村。根据2013年土地利用更新调查，县耕地面积为14 668.13 hm2，占土地总面积的6.43%。其中水田62.90 hm2，占耕地面积的0.43%；水浇地276.46 hm2，占耕地面积的1.88%；旱地14 328.77 hm2，占耕地面积的97.69%。由此可知，耕地中以旱地为主，仅有少量的水田和水浇地。2011-2013年突变耕地总面积为1 546.53 hm2（新增耕地面积1 395.80 hm2，质量建设耕地面积150.73 hm2），且全部为旱地。扣除突变耕地面积，渐变区域耕地面积为13 121.60 hm2，作为本次黄陵县耕地质量等别监测对象。黄陵县不同坡度级别的耕地面积分布情况如表1所示。

1.2 数据来源

①黄陵县国土、统计、农业、水利、林业等部门收集粮食产量、粮食价格、种子、化肥、农药等数据；②耕地质量年度监测的基础资料，包括黄陵县2013年耕地质量等别年度更新评价成果、2013年土地利用变更数据库、2011-2013年土地利用变更调查地类面积汇总表、近3年土地开发整理项目规划设计图等资料；③2014年《黄陵县统计年鉴》。

2 耕地质量监测样点布控方法

在进行监测样点布控前，首先划定监测控制区。采用ArcGIS空间叠置方法，对影响耕地等级变化的自然状况、利用水平和收益水平进行叠加分析确定监测区。通过对比分析常用的多因素限制条件法、方格網法和分层抽样法等监测点布控方法，在监测控制区内布设监测样点，进行监测样点数量确定。

2.1 监测控制区划分方法

监测控制区是根据影响耕地质量的各分等因素及其组合，依综合主导因素原则和地域分异原则划分区域，区域内耕地质量相对均匀，区域间有明显差别。黄陵县耕地质量监测控制区划分方法如下。

1）影响耕地质量的自然因素有地貌、气候、水文、土壤等，它们相互联系、相互作用、相互制约，以不同方式，从不同侧面，按不同程度，独立或综合地影响着土地资源的综合特征。因此根据地貌、气候、土壤等自然因素，考虑环境污染状况，划分耕地自然质量分区。

2）影响耕地利用水平的因素有种植业结构、主要作物产量水平、农田基础设施及土地整治等工程，在耕地分等中，耕地利用水平由种植作物的产量直接反映，土地利用系数是耕地分等单元作物实际产量与耕作制度区域内最大粮食产量的比值，是耕地利用水平的直接量化指标。因此根据土地利用系数划分利用水平分区。

3）影响耕地收益水平的因素有种植业投入-产出和效益等，土地经济系数是耕地分等单元的“产量-成本”指数与耕作制度区域内最大“产量-成本”指数的比值，是耕地收益水平的直接量化指标。因此根据土地经济系数划分经济水平分区。

4）综合耕地自然质量控制区、土地利用等值区和土地经济等值区形成县域耕地质量监测控制区。

2.2 监测样点数量确定方法

综合国内耕地监测的研究进展，胡晓涛等[20]采用变异函数模型进行监测样点布局，结合耕地等别类型进行监测点调整和优化；蔡鹭斌等[21]结合中国耕地质量整体状况和借鉴外国经验的基础上，提出利用“分区组合法”对耕地质量监测样点进行布设；杨建宇等[22]提出基于空间平衡法的县域耕地质量监测布样方法。结合生产工作实际情况，黄陵县耕地质量等别监测点布设主要采用3种方法，分别是多因素限制条件法、方格网法和分层抽样法。

2.2.1 多因素限制条件法 黄陵县地势西北高、东南低，加之境内地貌类型复杂，所以在监测样点的布设中主要考虑耕地等别、耕地地类、监测控制区、土地利用规划状况、监测便利程度（对于山区而言主要包括坡度和交通便利度情况）等多种因素[23]。在实际情况中，由于高等别耕地多为水田，而低等别耕地多为旱地，因此对不同等别耕地监测样点个数进行合理选取，实现对耕地类型选取的合理分配。

在监测点的选取过程中，首先将监测样点按耕地等别类型落位在集中连片的耕地上，然后根据土地利用规划、坡度、监测便利度等因素对监测样点数量和位置进行微调，保证每个监测样区里每一个等别类型上均至少布设一个监测样点，监测样点都应处于土地利用总体规划确定的基本农田上。

由于黄陵县处于渭北旱塬区，地貌类型复杂，绝大多数耕地分布在道路、沟壑附近，坡度和交通通达度对于监测点的选取有着很大的制约性，为了保证监测点的实际可行性，在监测点选取过程中设置了坡度小于15°，距离道路沟壑1 km范围以内的限制性条件。选点过程借助ArcGIS中的按属性选择功能，首先提取坡度小于15°的耕地图斑，然后对道路沟壑图层进行缓冲区分析，缓冲距为1 km，再将上述两个图层与黄陵县耕地图斑层进行叠加分析，选取符合条件的图斑，设立监测样点。endprint

2.2.2 方格网法 方格网法选取监测样点是根据研究区的实际情况，按照一定的区域面积，在研究区的土地利用现状图上绘制方格网，然后将落在耕地图斑上的格网交点或中心点作为监测样点[24]。采用方格网法划分耕地质量等别类型主要是根据黄陵县辖区面积、地形地貌、耕地分布等情况。具体方法为基于ArcGIS软件平台，通过与千米格网的叠加分析，采用4 km×4 km网格大小，划分190个网格单元，最后将格网中心点与耕地相重叠的耕地图斑作为监测样点。

2.2.3 分层抽样法 针对县域耕地包含的各等级，样点容量y与抽样精度x的函数关系类似分层抽样模型[25]，如下：

式中，h为耕地等级；nh为县域内h等级耕地的图斑数；n为全县耕地图斑总数；Wh为h等级耕地权重；Sh为h等级耕地等指数的真实标准差；Ch为调查h等级耕地的单样本费用。

将等级成果中的数据带入式（1），可得因变量样本容量与自变量抽样精度的表达式y=f（x），对其求导[26]。

式中，导数表征样本容量y随抽样精度x的变化率，设定误差变化率阈值x0，则当样本容量导数的绝对值小于等于x0时，表明误差满足精度变化要求后，不需要增加样点数，解出该不等式即可确定合适的最少样点数量。

2.3 监测样点代表性检验及分析方法

数据离散程度采用的测度值主要有方差、标准差、偏度和峰度等。集中趋势的度量包括均值、中位数、重数等，集中趋势是指一组数据向中心值靠拢的程度，取决于该组数据的离散水平。本研究通过分析监测样点与耕地总体等别的集中、离散趋势是否一致，反映监测样点对耕地总体的代表性程度高低。

对比分析监测样点在各主要属性值上的数量比例与耕地面积比例的分布趋势，对监测样点的代表性程度进行检验。主要的参考属性值包括耕地的等别、地类、土壤类型、土地利用系数、土地经济系数等。

3 结果与分析

3.1 监测控制区划分

1）自然质量分区。决定黄陵县耕地质量的主要自然因素是地貌和土壤。黄陵县西部为梁峁山区，包括双龙、腰坪、店头3个乡（镇），海拔1 400 m；中部主要为河流冲积而成的河谷川道区，平均海拔800 m；东部为黄土塬区，由于沮河切割，分为南北二塬，平均海拔1 100 m。北部塬区包括隆坊、阿党、太贤和仓村4个乡（镇）；南部塬区包括田庄、侯庄两个乡（镇），地势较平坦，坡度一般为0°～2°。按照地貌类型将黄陵县划分为3个地貌控制区。黄陵县土壤类型分区参考《陕西省黄陵县农业资源调查和农业区划报告集》划分为a.以黑垆土为主的塬区土壤，主要分布在田庄、侯庄、隆坊等乡（镇）；b.以淤土为主的河谷土壤，主要分布在洛河、沮河、河谷和主要溝道；c.以黄膳土为主的塬坡地土壤，主要分布在太贤社区以东和田庄镇以东；d.以褐土为主的林灌土壤，主要分布在双龙、腰坪和店头等乡（镇）。综合地貌控制区和土壤类型控制区，利用ArcGIS空间叠加功能，形成自然质量控制区。

2）利用系数等值区。依据农用地分等中确定的指定作物冬小麦、春玉米土地利用系数，划分各指定作物土地利用系数等值区，采用空间叠加的方法，计算综合土地利用系数，划分利用系数等值区，根据等值区划分土地利用水平分区。其中土地利用系数范围为0.600 6～0.880 6，将其分为3个区间，分别为低（0.600 6～0.693 7）、中（0.693 8～0.776 5）、高（0.776 6～0.880 6）。

3）经济系数等值区。依据农用地分等中确定的指定作物冬小麦、春玉米土地经济系数，划分各指定作物土地经济系数等值区，采用与利用水平分区相同的办法，计算综合土地经济系数，划分经济系数等值区，根据等值区划分土地经济水平分区。其中土地经济系数范围为0.665 3～0.955 8，将其分为3个区间，分别为低（0.665 3～0.771 1）、中（0.771 2～0.847 5）、高（0.847 6～0.955 8）。

4）综合分区。采用ArcGIS空间叠置法，对“自然质量分区”、“利用系数等值区”、“经济系数等值区”进行空间叠加分析，初步划定“监测分区”；根据主导性原则，对初步划分的“监测区”边界进行适当调整，确保各监测区边界不打破村界，并将面积较小的单元进行临近区的归并，从而确定最终的监测评价综合分区。

考虑研究区行政界线，将其划分为10个耕地质量等别监测控制区，并以“JC-01”的形式依次编号。每个监测控制区具有一个因素组合类型，形式为“地貌—土壤类型—利用等值区—经济等值区”，如监测控制区JC-01的为“西部梁峁山区-褐土-高-高”，主要属性见表2。

3.2 监测样点数量确定

3.2.1 多因素限制条件法确定样点数量 根据监测样点布设原则及方法，黄陵县共布设了45个监测样点，其中11个监测样点是已设定的标准样地，其余34个监测样点是通过多因素限制条件法新设立的监测样点。布设的45个监测样点均属于县域内永久基本农田，且均处于土地利用总体规划划定的禁止建设区，监测样点可长期固定监测，且空间分布均匀，具有代表性，一定程度上能反映黄陵县内耕地质量等别的动态变化趋势。结合年度更新评价结果，黄陵县耕地国家自然等为10～13等，以12等地为主，占黄陵县耕地总面积的93.05%，因此在布设监测样点时，主要布设在12等地，其他等别监测样点分布相对较少。监测样点面积最小为0.62 hm2，面积最大为20.08 hm2。具体监测等别对应的样点情况见表3。

3.2.2 方格网法确定样点数量 采用方格网法（交点），共布设了32个监测样点，其中11个监测样点是已设定的标准样地作为固定样点，其余21个监测样点是根据方格网法获取的耕地图斑作为动态样点。采用方格网法（中心点），共布设了37个监测样点，其中11个监测样点是以耕地质量等级补充完善工作的标准样地作为固定样点，其余26个监测样点是根据方格网法（交点）获取。endprint

通过方格网法（交點）获取监测样点均为旱地，耕地自然质量等别均为12等，动态监测样点在城区街道办和阿党镇没有分布，动态监测样点中面积最小为0.34 hm2，面积最大为38.41 hm2。同样通过方格网法（中心点）获取监测样点均为旱地，耕地自然质量等别也均为12等，动态监测样点在各乡镇均有分布，动态监测样点中面积最小为0.09 hm2，面积最大为26.61 hm2。

3.2.3 分层抽样法确定样点数量 将黄陵县耕地各等级成果数据代入式（2）可得，

由式（3）可以看出，y随着x的增大而逐渐减少，也就是说抽样精度随着样点数量的增加而逐步提高。本研究将变化率阈值设为0.5，在黄陵县内除去异常监测点外，最少应该布设42个监测样点。

3.2.4 监测样点最终确定 对上述3种方法获取的监测样点结果进行对比分析，不同之处在于通过多因素限制条件法所确定的监测样点在每个监测控制区中数量不少于两个，国家自然等各等别中均有分布，监测样点中耕地地类有水田、水浇地和旱地，并且交通通达度较好，便于实地监测数据获取。方格网法所确定的监测样点，在部分监测控制区中无监测样点，国家自然等只有12等地，监测样点地类均为旱地，部分监测样点交通通达度不好，不便监测数据获取，样点随机性太大，这种方法适合于耕地分布均匀的地区，山区、丘陵地区一般耕地较少，不适合通过此方法进行监测样点布设。层次分析法是对定性问题进行定量分析的一种决策方法，权重向量计算存在偏差，得出的结果空间关联度不高，在实际应用中建议结合其他检测样点确定方法。

综上所述，结合黄陵县实际，本次黄陵县耕地质量等别监测评价的监测样点选取应用多因素限制条件法，确定监测样点数量。黄陵县耕地等别监测样点分布情况如表4所示，监测样点分布如图1所示。

3.3 监测样点代表性检验及分析

3.3.1 监测样点代表性检验 对黄陵县耕地监测样点的代表性进行统计检验，借助SPSS统计分析软件对黄陵县全部耕地分等单元和监测样点的耕地等别进行统计检验，结果见表5。根据表5，对比分析黄陵县全部耕地分等单元和监测样点等别的集中、离散趋势测度值可知，两者中值、全距、极小值、极大值均相同，分别为6、3、5、8；监测样点等别的均值为6.27，标准误差为0.133，黄陵县全部耕地分等单元等别的均值为6.08，标准误差为0.004，因此总体与样本的均值接近，差别不大，说明两者集中趋势一致；监测样点等别的标准差、方差分别为0.889和0.791，黄陵县全部耕地分等单元耕地总体的标准差、方差分别为0.712和0.670，两者差别不大；监测样点等别的偏度、峰度分别为1.059和0.346，黄陵县监测样点和耕地分等单元总体的偏度分别为1.059和1.131，两者偏差不太明显，说明两者的离散趋势较一致。总体看来，黄陵县监测样点对耕地总体的代表性较好。

3.3.2 监测样点代表性分析 对监测样点的代表性进行分析，选取影响和反映耕地质量的土地利用系数、土地经济系数、地类和等别因素，将监测样点的各因素与黄陵县总体对比，分析其数量比例和面积比例趋势是否一致。其中，选取冬小麦和春玉米的土地利用系数和土地经济系数[27]，分别进行相关性分析及耕地的等别和地类因素的代表性分析，结果见图2。由土地利用系数（图2A）、土地经济系数（图2B）、等别和地类的相关性（图2C）可知，监测样点的数量分布趋势与全县耕地总体的面积分布趋势基本一致，因此，监测样点对黄陵县耕地总体的代表性程度较高。

4 小结与讨论

4.1 小结

1）采用ArcGIS空间叠置方法，对影响耕地等级变化的自然状况、利用水平和收益水平进行叠加分析，确定监测区。对初步划分的“监测区”边界进行适当调整，确保各监测区边界不打破村界，并将面积较小的单元进行临近区的归并，从而确定最终的监测评价综合分区，符合统计学空间处理方式。

2）在监测控制区内布设监测样点，采用多因素限制条件法、网格法和分层抽样法进行监测样点的布设，研究结果显示，多因素限制条件法配合分层抽样法确定监测样点，可更好地满足监测样点布设代表性的精度要求。

3）黄陵县共划定45个监测样点，其中11个监测样点是以耕地质量等级补充完善工作的标准样地作为固定样点，其余34个监测样点是通过多因素限制条件法获取。对研究区监测样点等别的集中、离散程度趋势与研究区耕地总体等别的分布趋势一致，在影响耕地质量主要因素上，监测样点数量的分布趋势与耕地总体的面积分布趋势较一致。

4.2 讨论

1）方格网法所确定的监测样点适合于耕地分布均匀的地区，山区、丘陵地区一般耕地较少；由于国家自然等只有12等地，监测样点地类全为旱地，导致本研究中在部分监测控制区无监测样地，且存在部分监测样点交通通达度不好、不便监测数据获取、样点随机性太大等问题，因此，这种方法不适合在黄陵县进行监测样点布设。分层抽样法得出的结果空间关联度不高，权重向量计算存在偏差，所以并未采用。本研究提出多因素限制条件法，监测样点中耕地地类有水田、水浇地和旱地，并且交通通达度较好，便于实地监测数据获取，结合分层抽样对样点数量下限的确定，更能满足黄陵县实际需要。

2）考虑到黄陵县地貌复杂，不同位置的耕地对于农民耕作也有一定影响。因此，建议增加排水条件、灌溉水源、交通便捷度和耕作便利度4个分等因素参与耕地自然质量分等的计算，权重根据各年度的监测数据具体分析确定，其准确性更符合实际。

3）根据《农用地质量分等规程》（GB/T 28407-2012）要求，每2～3年应调整土地经济系数，但为了保障耕地质量等别年度更新评价成果的延续性和可比性，建议对土地经济系数和土地利用系数在每6年全面更新耕地质量分等成果时再重新调查样点，根据样点数据分析修正土地经济系数和土地利用系数等值区。endprint

4）建立县域耕地质量等别监测样点体系，对监测样点进行定位监测和动态监测，可反映耕地质量变化情况。同时，当年新增耕地、毁损土地等的监测需另外布设动态监测样点，可为实现实时动态监测提供可能。

参考文献：

[1] 孙江锋，张合兵，刘明远，等.耕地动态监测应用管理系统框架设计及实现[J].中国农业资源与区划，2015，36（2）：54-60.

[2] 孔祥斌，张青璞.中国西部区耕地等别空间分布特征[J].农业工程学报，2012，28（22）：1-7.

[3] 孔祥斌，张青璞，郧文聚，等.基于平衡转换的国家级农用地分等成果汇总方法[J].农业工程学报，2013，29（16）：238-246.

[4] 郧文聚.我国耕地资源开发利用的问题与整治对策[J].中国科学院院刊，2015，30（4）：484-491.

[5] 张 超，乔 敏，郧文聚，等.耕地数量、质量、生态三位一体综合监管体系研究[J].农业机械学报，2017，48（1）：1-6.

[6] 余述琼，张蚌蚌，相 慧，等.基于因素组合的耕地质量等级监测样点布控方法[J].农业工程学报，2014，30（24）：288-297.

[7] 吴克宁，韩春建，冯新伟，等.基于3S技术的土地生态敏感性分区研究[J].土壤，2008，40（2）：293-298.

[8] 吴克宁，史原轲，冯新伟，等.基于农用地分等的城区扩展用地空间布局优化研究[J].中国土地科学，2007，21（6）：17-22，16.

[9] 程 锋，王洪波，郧文聚.中国耕地质量等级调查与评定[J].中国土地科学，2014，28（2）：75-82，97.

[10] NUSSER S M，BREIDT F J，FULLER W A. Design and estimation for investigating the dynamics of natural resources[J].Journal of Ecological Applications，1998，8（2）：234-245.

[11] JONES R J A，SPOOR G，THOMASSON A J. Assessing the vulnerability of subsoils in Europe to compaction：A preliminary analysis[J].Soil Tillage Research，2003，73（1）：131-143.

[12] HUFFMAN E，EILERS R G，PADBURY G，et al. Canadian agri-environmental indicators related to land quality： Integrating census and biophysical data to estimate soil cover， wind erosion and soil salinity[J].Agriculture， Ecosystems and Environment，2000，81（2）：113-123.

[13] 张蚌蚌，孔祥斌，相 慧，等.中国西部区国家级标准样地分布特征及代表性[J].农业工程学报，2014，30（7）：227-235.

[14] 吴克宁，焦雪瑾，梁思源，等.基于标准样地国家级汇总的耕地质量动态监测点构架研究[J].农业工程学报，2008，24（10）：74-79.

[15] 杨建宇，岳彦利，宋海荣，等.基于空间模拟退火算法的耕地质量布样及优化方法[J].农业工程学报，2015，31（20）：253-261.

[16] 殷守强，王 鑫，贺文龙，等.耕地质量监测中不同抽样方法的精度比较——以河北省黄骅市为例[J].资源科学，2016，38（11）：2049-2057.

[17] 张玉臻，孔祥斌，刘 焱，等.基于标准样地的省级耕地质量监测样地布设方法——以内蒙古自治区为例[J].资源科学，2016，38（11）：2037-2048.

[18] 王 倩，尚月敏，冯 锐，等.基于变异函数的耕地质量等别监测点布设分析——以四川省中江县和北京市大区为例[J].中国土地科学，2012，26（8）：80-86.

[19] 孙亚彬，吴克宁，胡晓涛，等.基于潜力指数组合的耕地质量等级监测布点方法[J].农业工程学报，2013，29（4）：245-254.

[20] 胡晓涛，吴克宁，马建辉，等.北京市大兴区耕地质量等级监测控制点布设[J].资源科学，2012，34（10）：1891-1896.

[21] 蔡鹭斌，孔祥斌，段建南，等.国外经验对中国耕地质量监测布点的启示[J].中国农学通报，2014，30（14）：192-197.

[22] 杨建宇，岳彥利，宋海荣，等.基于空间平衡法的县域耕地质量监测布样方法[J].农业工程学报，2015，31（24）：274-280.

[23] 余述琼，张蚌蚌，相 慧，等.基于因素组合的耕地质量等级监测样点布控方法[J].农业工程学报，2014，30（24）：288-297.

[24] 党福江，戈素芬.沟壑密度调查应采取水文网络法[J].水土保持通报，1998，18（6）：31-33.

[25] 王劲峰.空间抽样与统计推断[M].北京：科学出版社，2009.

[26] 孙树东.初等函数的几点探讨[J].西昌学院学报（自然科学版），2010，24（4）：32-34.

[27] 冯蓉晔，谈志浩，黄劲松，等.农用地分等中土地利用系数与经济系数计算方法改进探讨——以江苏省无锡市为例[J].经济地理，2004，24（2）：246-249.endprint