耕地作为最重要的自然资源之一，是农业生产过程中不可或缺的基本生产资料，其长期承载着食物供给、质能循环守恒与物候变化调节等多重功能，对保障人类生存安全、全球粮食安全与生态安全具有重要意义^[1-2]。然而，进入21世纪后，随着城市化、工业化和全球化快速发展，大量耕地被占用或被非农化、非粮化利用，产生耕地污染、抛荒等问题，直接或间接地导致耕地质量的下降^[3-5]；另一方面，我国耕地质量总体形势不容乐观，中低产地面积约占耕地面积的70%，而且占优补劣、质量退化、生态污染等问题严重^[6]。耕地质量监测工作是以“以点带面”的形式反映总体耕地质量特征，实现一定区域内耕地质量监测，其主要以农用地分等成果为基础^[7]，通过布设一定数量具有代表性的监测点，借助监测点获取耕地质量的变化情况^[8]。因此，为快速掌握耕地质量等别信息，提高耕地质量监测效率，亟需加强耕地质量监测分区布点研究。

目前，耕地质量监测主要是在不同等别的耕地上布设监测单元，采用资料收集与单元调查相结合的方式，对所有影响单元耕地等别的因素进行监测。为快速、动态、全面地掌握耕地质量状况，提升耕地质量监测效率，国内外学者针对耕地质量监测分区布点开展了一系列的研究。其中加拿大最早开展土壤质量监测^[9]，在全国范围内针对不同的地貌类型和土壤布设了23个监测样点，构建土壤质量监测网络体系。美国实施国家资源清单计划^[10]，采用网格法，根据统计学原理，对样点进行均匀布设，开展国家资源的采样调查。国内众多学者通过结合耕地质量分等成果划分耕地自然质量控制区、土地利用分区、土地经济等值区等区域，利用ArcGIS空间叠加功能或聚类分析方法划定耕地质量监测分区^{[8, 11-15]}，对耕地质量监测点布设进行研究。余慧敏等^[16]通过自然等指数计算耕地质量的提等潜力指数，按照潜力大小划分耕地质量监测类型区，依据提升潜力指数−主导因素按各监测区面积比例布设监测点。吴克宁等^[17]将标准样地与耕地动态监测相结合，对基于标准样的耕地质量动态监测点布设进行探索。马建辉等^[18]建立了一套以县级为单位的包括指标体系、网络体系、评价体系和组织体系的耕地质量监测体系。

前人对耕地质量监测研究大多从宏观角度提出，且仅停留在监测体系的整体设计阶段^[19]，对于耕地质量监测分区布点并没有充分考虑已有耕地质量基础数据，与实际结合不够充分，存在监测区划分考虑因素不全面、监测样点布设脱离实际、全局代表性不足等问题。县级层面是我国耕地质量管理的主体^[12]，基于县域的监测分区布点是耕地质量监测的基础。因此，本研究选取广州市从化区作为研究区，结合耕地质量等级调查评价累积的基础资料以及相关的社会经济数据，对县级耕地质量监测分区布点进行研究，以完善县域耕地质量监测体系，从而为自然资源部门的耕地质量监测监管提供方法支持。

1 材料与方法 1.1 研究区概况

广州市从化区地处广东省中部，广州市东北面，珠江三角洲到粤北山区的过渡带（图 1），位于东经113°17′ ~114°04′、北纬23°22′ ~23°56′，全区总面积2 009 km²。在地形方面，从化属于山地丘陵区，地势自北向南倾斜，东北高、西南低，地形呈阶梯状，东北部以山地、丘陵为主，中南部以丘陵、谷地为主，西部以丘陵、台地为主。在水文方面，从化区水资源较丰富，主要有流溪河、潖江河和连麻河三大河系。在气候方面，从化区属于南亚热带季风气候，年平均气温19.5~21.4 ℃，全年气候温和，雨量丰沛。在土壤资源方面，从化区是广东省典型赤红壤区之一，主要有赤红壤、水稻土、黄壤和红壤等土类，其中水稻土是从化区面积最大的耕作土类。按照《农用地分等规程》中划分的标准耕作制度，从化区属于国家一级区中的华南地区，国家二级区中的华南低平原区，省二级区中的珠江三角洲平原区。

1.2 数据来源

从化区数据来源：①耕地质量成果主要来源于《从化区耕地质量监测成果》（2016年）、《从化区耕地质量等别年度更新》（2016年）；②地貌类型主要来源于《广州市1:100万地貌数据》；③土壤数据主要来源于《广州市土壤图》；④土地利用现状主要来源于《从化区土地利用总体规划（2010—2020年）》数据成果；⑤社会经济数据来源于2018年《从化区统计年鉴》。

1.3 县域耕地质量等别监测分区布点方法 1.3.1 监测分区划分方法

监测区是指区域内各自然、社会、经济等因素相对均一，不同监测区有明显差异的区域^[12]。影响耕地质量的自然因素主要有气候、土壤、水文、海拔、地质、地貌、生物等，各因素之间相互联系、相互影响、相互制约，以不同的形式、从不同的方面、按不同程度影响着耕地质量综合状况，因此，本研究根据气候、地貌、土壤等自然因素，考虑研究区内环境状况及耕地类型的分布，划分耕地自然质量控制区。影响土地利用水平的因素主要有农田基础设施、种植作物产量、土地整理等，而耕地的利用水平可通过耕地所种植作物的产量体现，为综合反映耕地利用水平因素，本研究依据《农用地质量分等规程》（GB/T 28407—2012）和《广东省农用地分等国家与省级二级区参数》，计算研究区内耕地图斑种植作物的实际产量与耕作制度区域内的最大粮食产量之间的比值，以获取土地利用系数从而划分土地利用控制区。影响耕地经济效益的因素主要有耕地的投入、产出、利用方式，为综合反映耕地的经济效益因素，本研究依据《农用地质量分等规程》（GB/T 28407—2012）和《广东省农用地分等国家与省级二级区参数》，计算研究区内耕地图斑的“产量−成本”指数与耕作制度区域内的最大“产量−成本”指数的比值，以获取土地经济系数，从而划分土地经济等值区^[12]。此外，耕地质量等别监测工作的首要问题是确定项目区内具有代表性、典型性的耕地质量渐变类型^[20]，因此，本研究基于研究区的自然、社会因素，结合历年的耕地质量监测结果划分耕地质量渐变类型区。最后综合耕地自然质量控制区、土地利用控制区、土地经济等值区以及耕地质量渐变类型区，按照相似性原则、区域差异性原则、综合性和主动因素原则、空间连续性原则以及界线完整性等原则确定县域耕地质量监测分区。

1.3.2 基于空间统计学的监测样点数量确定方法

空间统计学以具有空间分布特点的区域化变量理论为基础，可研究空间分布数据的结构性和随机性、空间相关性和依赖性等，目前已成为具有坚实理论基础和实用价值的数学工具，其与传统统计学相比，不仅考虑了样本值的成本，还考虑样本的空间位置以及相互之间的距离。因此，在具有空间位置的县级耕地质量等别监测中，通过空间统计学确定样本容量科学合理。本研究通过空间分层抽样模型确定监测样点数量（x），具体见公式（1）和（2）^[21]：

(1)

(2)

式中：W_k为第k个等别耕地的权重；n_k为监测区内k等别耕地的图斑个数；n为监测区内耕地的图斑个数；x为满足y抽样精度所需的监测样点数；y为x个样点下的样本估计值的方差；k为监测分区内耕地国家自然等别；L为监测区内最大的耕地国家自然等别；S_k为k个国家自然等别指数的标准差；C_k为调查k等级耕地的单样本费用。

各监测分区监测样点数量的确定，按面积比例大小进行分配，各监测分区样本数量计算见公式（3）：

(3)

式中：x_h为h层的样本容量；M_h为h层的耕地面积；M为研究区耕地总面积；x为样本容量。

1.3.3 监测样点布设方法

基于空间统计学的空间分层抽样模型确定最优的样本数量后，结合实际工作经验，考虑成本及样点真实性等因素，选取的监测样点应远离村庄等易受人为干扰的位置，并与道路、沟渠等因素保持一定的缓冲距离，综合考虑研究区内村庄、道路、水系、田间灌排沟渠等因素，确定一定的缓冲距离，监测样点一般布设在沟渠10~30 m以外、道路的50~150 m之间以及村庄的100 m以外，可利用ArcGIS缓冲分析功能选取沟渠中心线作为20 m的缓冲区、以道路的中心线分别作为50 m和150 m缓冲区以及选择村庄的外围线作为100 m的缓冲区^[22]，对监测样点布设位置进行初步调整，并结合研究区内标准样地、基本农田等历史数据确定最佳的布设范围，进而在空间上依据代表性、典型性和稳定性等原则完成监测样点的布设，要求尽量选取在面积较大的耕地图斑，每一个监测分区、每一地类以及每一国家自然等别均需布设监测样点。县域耕地质量等别监测分区布点流程如图 2所示。

1.3.4 监测样点代表性程度检验分析方法

在统计学中，常用平均数来描述一组变量值的集中位置或平均水平，集中趋势和离散程度是关于数据分布的基本测度，其中集中趋势是指一组数据所趋向的中心数值，通过计算众数、中位数、均值等统计指标来表述数据所趋向的这一中心数值的一般水平，是对各数据水平的概括性度量；离散程度是描述观测值偏离中心位置的趋势，通过计算标准差、方差、偏度、峰度等统计指标反映观测值偏离中心的分布情况和数据资料的变异程度。本研究通过SPSS软件计算监测样点和耕地图斑国家自然等别的均值、众数、中位数、标准差、方差、偏度、峰度、极大极小值等统计指标来对比分析，反映两者间的集中、离散趋势是否相近，从而反映所布设监测样点在研究区内的耕地中是否具有代表性。通过对监测样点在各主要要素上的监测样点数量百分比与研究区耕地面积百分比的分布趋势进行对比分析来检验监测样点代表性程度，根据两者之间的趋势是否一致来判断监测样点代表性程度的高低，从而确定监测样点布设的合理性和代表性。进行对比的主要因素为：国家自然等别、耕地类型、土壤类型、地貌、土地利用系数、土地经济系数以及耕地渐变类型等。

2 结果与分析 2.1 耕地质量等别监测分区的划分

从化区是山地丘陵区，主要以山地为主，海拔在31~1 210 m之间，是广东省典型赤红壤区之一，本研究通过选取土壤类型和地貌，通过数据整合、调整等预处理过程分别形成土壤类型控制区和地貌类型控制区，再用ArcGIS空间叠加功能，形成耕地自然质量控制区；基于从化区耕地质量分等数据库对土地利用系数和土地经济系数分别进行标准化，划分出土地利用控制区和土地经济等值区；根据从化区耕地质量动态监测成果数据库，得到耕地质量渐变类型区，各监测类型区划分标准如表 1所示。

利用ArcGIS空间叠加功能，对自然质量控制区、土地利用控制区、土地经济等值区和耕地质量渐变类型区进行叠加分析，结合从化区村镇界线，并将面积小的单元进行邻近合并，最终将研究区划分为26个耕地质量等别监测区并以JCQ01~JCQ26的形式依次命名（表 2和图 3）。每一个监测区主要由“土壤类型-地貌-土地利用控制区-土地经济等值区-耕地质量渐变类型区”为组合的因素进行划分。

2.2 监测样点数量确定

通过空间分层抽样模型计算监测样点数量时，选取国家自然等别作为分层，假设每个耕地分等单元的采样费用相同，设为单位1，代入耕地分等单元的相关数据，得到的相关方程如公式（4）和公式（5）：

(4)

(5)

式中：y为样本估计值的方差，即监测精度；x为监测样点数量。

由图 4可知，y越接近0表明样本估计的标准差越小，y′（斜率）越接近0表明函数的标准差变化越小。考虑采样成本以及标准差的大小，本研究选取y′=1作为阈值，则监测样点数至少为x=105。

根据国家自然等别、国家自然等别指数标准差、采样成本等因素，基于公式（2）初步确定研究区的理论监测样点数量以后，再由公式（3），确定各监测分区的理论样本数量，计算的各监测分区样本数量并不是整数，而每个监测分区均需布设监测样点，因此不足1的数量确定为1，并考虑各监测分区的耕地国家自然等别和耕地类型，若数量不足以反映监测分区的区域特征，可适当增加监测样点数量；若足以反映监测分区特征则可减少监测样点数量。最终确定研究区监测样点数量为111个。监测样点数量详情见表 3。

2.3 监测样点布设

耕地质量监测样点的布设需具有代表性，应覆盖每一个监测区以及耕地类型和耕地国家自然等别。为方便管理，实现监测样点与耕地属性在空间上的一致性，选取的样点应与耕地图斑相对应。

基于各监测区确定的监测样点数，结合监测区内耕地类型和耕地国家自然等别的面积大小选取监测样点。如JCQ01需要布设6个监测样点，监测区内的耕地国家自然等别为2、3、4等和5等，比例分别为0.74%、56.16%、36.76%和6.33%，耕地类型有旱地、水浇地和水田，比例分别为4.30%、4.68%和91.02%；其中3等水田和4等水田占监测区内耕地面积最大，分别为54.00%、34.07%，其次是5等旱地，占耕地面积3.98%，共占该监测区内耕地面积的92.05%；故根据面积大小，监测样点布设在3、4等水田和5等旱地上，监测样点数分别为3、2和1。按照此规则依次确定各监测区内所布设样点的耕地国家自然等别和耕地类型。考虑成本及样点真实性等因素，选取沟渠中心线作为20 m的缓冲区、以道路的中心线分别作为50 m和150 m缓冲区以及选择村庄的外围线作为100 m的缓冲区，所选取的监测样点结合研究区内国家标准样地、沟渠、道路、村庄、基本农田等因素进行调整，在空间上完成监测样点的布设，如表 4、图 5所示。

2.4 监测样点代表性检验与分析

通过对从化区全部耕地分等单元和选取监测样点的国家耕地自然等别做统计检验，结果见表 5。

根据统计检验结果（表 5）可知，从化区耕地分等单元和监测样点的国家自然等别的中位数、全距、极大值和极小值均相同，分别为4、5、7和2，耕地分等单元的均值为3.58，标准误差为0.006，样本点的均值为3.66，标准误差为0.089，所以总体耕地与选取的监测样点均值差别不大。另外总体耕地分等单元的众数为4，监测样点的众数为3，两者不同的原因是研究区内国家自然等别4等耕地的图斑比较细碎，实际上总体耕地中国家自然等别3等耕地的面积大于国家自然等别4等耕地的面积，所以选取的监测样点中3等耕地的数量较多，由此表明两者间集中趋势一致；耕地分等单元的标准偏差和方差分别为0.732和0.536，监测样点的标准偏差和方差分别为0.939和0.882，总体上较为一致。耕地分等单元的偏度和峰度值分别为0.189和0.080，监测样点的偏度和峰度值分别为0.806和1.151，两者的偏度和峰度值均大于0，离散程度均偏向右侧，与正态分布相比均为尖顶峰，说明所选取监测样点在总体耕地分等单元中具有较好的代表性。

通过选取影响和代表耕地质量的国家自然等别、耕地类型、土壤类型、地貌、土地利用系数、土地经济系数以及耕地渐变类型等因素，计算监测样点在各因素中的数量比例并与总体耕地分等单元在各因素中的面积比例进行对比分析，根据两者趋势是否一致来进一步验证监测样点是否具有代表性。由图 6可知，各因素的监测样点数量比例与总体耕地分等单元的面积比例基本一致，因此，所选取的监测样点在总体耕地分等单元中代表性较高。

3 讨论

耕地是自然土地受人类干预形成的综合体^{[2, 18]}，影响耕地质量状况的“环境因子”（自然因子和人为因子）众多，耕地质量的变化不能忽视人为因素产生的影响^{[17, 20]}。本研究按照监测区地类、国家自然等别以及耕地面积大小，综合考虑研究区国家标准样地、基本农田、沟渠、道路、村庄等耕地质量管理因素，在空间上完成监测样点布设，布设结果能集中分布在耕地比较多的地区，并能反映耕地类型和等别等属性，具有较好的代表性和科学性。然而，由于数据的可获取性，对当年新增耕地以及相关土地整理项目缺乏考虑，需另外考虑布设动态监测样点进行实时监测。

本研究主要是通过统计方法进行监测样点代表性检验，选取标准偏差、方差、偏度、峰度等统计指标为精度检验指标，结果表明研究区耕地分等单元趋势与耕地国家自然等别总体上较为一致。目前有关监测样点布设研究，代表性样点检验方法大多数是通过采样点属性空间插值，然后基于已有样点进行交叉验证^[23-24]。然而在耕地质量监测方面往往是利用耕地质量等别年度更新以及监测工作收集的历史样点进行测算，无法直接采用空间插值手段进行精度验证。此外，在耕地质量监测过程中没有对已有资源充分利用，造成资源浪费、监测样点布设冗余较大、监测样点全局代表性不够等问题。因此，如何利用已有的耕地质量历史数据来寻找适合耕地的“环境因子”进行相似性计算是一个关键问题^[25-26]。

结合历史数据及监测样点的采样设计，以耕地质量作为研究对象时，监测样点选取的精度、效率还不明晰，耕地质量监测样点的空间最优布局还需要探究，有学者提出监测样点数量的确定是按照因素组合来确定，每一种组合都包含所有的因素，即耕地质量所有因素的分级组合，能够体现耕地的自然、利用和经济等因素的综合属性，即因素组合法^[27]。而本研究主要基于耕地的自然、利用、经济三个方面的要素来展开，由于取得的数据资料有限，在考虑土壤类型方面有所欠缺，主要考虑了土壤发生类型的层面，按照因素组合法，有必要进一步结合标准样地层次体系与土壤亚类、土属、土种或者变种的关系，进一步深入研究耕地质量监测布设方法，为全国层面布设监测样点提供更加科学和准确的方法。

4 结论

本研究通过对从化区耕地质量等别监测分区布点的研究，得出以下结论：

（1）县域耕地质量监测区可以通过考虑影响耕地质量的自然质量、土地利用水平、土地经济以及耕地渐变类型等影响因素来划定，采用此方法划分的监测区满足统计学的精度要求。

（2）采用统计学空间分层抽样模型确定监测样点数量，结合研究区内的国家标准样地、基本农田、沟渠、道路、村庄等因素进行调整，在空间上完成监测样点的布设，研究结果能满足代表性的要求。

（3）从化区共划分了26个耕地质量监测区，各监测区的自然、社会、经济等因素相对均一，综合确定研究区内监测样点数量共有111个，结果表明选取的监测样点与总体耕地分等单元集中、离散趋势一致，在影响耕地质量的主要因素中，监测样点数量与总体耕地分等单元的面积之间的分布趋势基本一致。

（4）本研究初步建立了县域耕地质量分区布点体系，能满足“以点带面”的要求，能为县域耕地质量等别实现动态、快速以及准确监测提供技术支撑。