土壤優化采樣策略研究進展

王子龍, 陳偉杰, 付 強, 姜秋香, 常廣義, 胡石濤

(東北農業大學 水利與土木工程學院, 黑龍江 哈爾濱 150030)

土壤優化采樣策略研究進展

王子龍, 陳偉杰, 付 強, 姜秋香, 常廣義, 胡石濤

(東北農業大學 水利與土木工程學院, 黑龍江 哈爾濱 150030)

[目的] 對現有的采樣方式進行系統地總結歸納,并探尋一種優化的采樣策略,對采樣強度、分析成本及其研究精度三方面進行均衡,即以最小的經濟投入換取最大化的試驗精度。[方法] 廣泛查閱近幾年國內外的相關文獻,對土壤優化采樣策略的設定進行了系統的總結。將優化采樣策略的理論分為合理采樣數和樣點布設兩方面,就此分別介紹確定采樣數的3種方法和確定樣點布設的4種方式,詳細介紹其發展現狀,并對該領域今后的研究進行展望。[結果] 目前的優化采樣法大多基于模型來優化采樣設計的研究,其初步采樣的方式忽略了空間相關性所導致的信息損失,必然在一定程度上造成試驗結果的偏差和人力物力的浪費。而且,研究尺度多集中在縣級以下,沒有對采樣方案的設計確立統一的評價體系和標準。[結論] 未來優化采樣設計在樣點優先級方面還應進行更加深入的研究。

土壤特性; 采樣策略; 經典抽樣; 地統計學; 采樣優先級; 空間采樣

研究土壤特性、分析其變異性必須以科學的采樣策略為依托。抽樣策略的本質即尋求達到經濟投入與試驗精度間的優化平衡，以最小的經濟投入所換取的離散樣本集來估測連續總體集的主要信息而不失其精確性[1]。建立集代表性、準確性和經濟適用性為一體的土壤采樣策略不但影響著研究工作的效率，而且也是其研究成敗的關鍵。采樣策略一般建立在統計非全面調查的基礎上，根據實際工作所研究對象的性質和相關工作的目的而采用與其相適用的方法。各種采樣策略會形成各異的采樣結果，由此產生的抽樣誤差也有較大的差別[2]。相對于實驗室分析誤差而言，不科學的采樣策略帶來的誤差影響更為顯著[3]，因此，對于土壤采樣策略的選定及其代表性的研究是土壤特性研究的立論之本。

在傳統抽樣中，只考慮抽樣對象的不同(通常賦予其編號)，而抽樣對象的排列組合不影響抽樣結果。但在空間抽樣中，加入了采樣對象空間位置這一因素，與其屬性值共同參與到空間采樣中來，并對最終的結果產生極大的影響。在空間抽樣中，抽樣方法大致劃分為：基于設計的抽樣方法和基于模型的抽樣方法。目前，已有國內外學者均對其間的本質區別進行了系統的討論[4-6]。

1 合理采樣數研究

在設計采樣方案中，為使有限的樣本值能夠盡可能精確地代表總體樣本的期望值，采樣數應當達到一定的數量，即合理采樣數。合理采樣數是一個非常重要的因素，它不但決定了采樣調查過程的效率和耗費，而且也極大程度上影響著采樣結果的準確性。

在估計研究區樣本容量時，首先要對其標準差做出估計，同時，還應提出預定的準確度和置信系數的要求，然后據以下幾種方式來確定樣本容量。一般而言，標準差和準確度可由過去的相關資料來估計，但僅有部分地域范圍內的采樣數據，也可以通過少量小樣本的平均極差來估算標準差σ。

(1)

1.1 Cochran采樣數法

當采樣相互獨立且采樣數目足夠多時，可以認為中心極限定理成立[7]。普遍使用的是Cochran[8]應用于區域純隨機采樣而提出滿足t分布的最佳采樣數量計算公式，在一定置信區間和相對誤差的條件下，求得相應的采樣數。Cochran公式如下：

(2)

式中：n——采樣數；λα,f——t分布特征值；α——顯著水平，α通常設為90%，95%；f——自由度，f=N-1，N——研究區總樣本容量；Δ——采樣精度，通常按Δ=kμ；μ——總體樣本均值，取k=5%，10%，15%等，其中相對相對誤差k的確定應根據研究對象的實際平均值和臨界水平來確定[9]。

當樣本容量較小或總體方差σ2未知時，由經典統計理論可知，隨機變量服從t分布，可以用樣本方差S2代替總體方差σ2。則采樣數為：

(3)

(4)

則采樣數為：

(5)

通過t分布法樣本合理采樣數n值表，選用不同的Cv可以得到不同的采樣數目。

以上樣本容量估算的方法將總體看作為無限性的。若總樣本量有限，估計的抽樣誤差應通過抽樣分數矯正，因此，可得下式：

(6)

如果N很大時，可近似看作總樣本容量具有無限性，不必進行矯正，直接計算其近似值。如果，抽樣分數n0/N不大，可采用n0作為采樣數的樣本量，否則，必須計算n’值。

(7)

從式(7)可知n’(采樣樣本容量)分別與s2(樣本方差)和1-α(置信概率)呈正相關，同時，與Δ(采樣精度)呈負相關。

Cochran合理采樣數法是將整個研究區域土壤設定為一個性質隨機分布的均質整體，在忽略土壤的空間結構變化的情況下，通過變異系數和標準差等參數推出所求置信區間和誤差條件下的合理采樣數。謝寶妮等[10]認為由此得出的采樣數量偏少，無法得出局部變異情況，只能獲得變化的大致趨勢。

1.2 分層采樣法

在分層隨機抽樣中，抽樣單位在各層次的分配方法可分為比重分配法和最適分配法。

1.2.1 比重分配法 若各區層比例為pi=Ni/N，其中Ni為區層的總樣本容量，則當研究區總采樣樣本容量為n′時，各層區采樣樣本容量可通過pi*n′來分配，故而，若要確定各層區的采樣樣本容量，只需估計出研究區采樣樣本容量n′。比例配置法的分層采樣樣本容量的近似公式為：

(8)

式中：si——第i層區的標準差；d——允許的誤差；t——t分布的統計數，可通過查表(由平均極差折算標準差的折算系數和近似自由度值表)，由其中的自由度估計值以及置信系數決定。

如果，抽樣分數n0/N極小，則n0′≈n′。如果計算所得采樣樣本容量大于總體樣本容量的10%，則采用不重復抽樣公式，進一步計算精確n′值[11]。

(9)

比重分配法與Cochran法相似，利用樣本的標準差和相對誤差計算出總的采樣數量，再依據各區層的比例來分配，因此造就忽略客觀存在于各區層間的變異程度，導致其層區所占比例越大，所需的采樣數量就會越多。

1.2.2 最適分配法 最適分配法的著眼點在于根據各層次的區層和誤差大小來配置相應的抽樣單位，其數量與區層和誤差成正相關。Neyman證實若按區層大小與相應標準差乘積相應地分配抽樣單位，可得到最小方差的樣本平均數，故而稱其為最適分配法[12]。各區層抽樣數計算公式為：

(10)

最適分配法樣本容量估算的近似公式：

n0′=(∑pisi)2(d2/t2)=(∑pisi)2/V

(11)

(12)

抽樣分數n0/N極小時，可令n′0≈n′。

式中：V——一定置信系數下的樣本必需方差。

姜城等[13]發現最適分配法不但可以取得較為理想的采樣數,而且也可以而且也可以根據實際情況的需要的調節局部區域采樣點分布的密度，提高采樣效率。姚榮江等[14]通過經典統計學和地統計學法對黃河三角洲地區不同層次土壤鹽分的合理采樣數研究中發現采用分層采樣法可以很好地降低采樣數，采用最適分配法相對于比重分配法可最大降低35%的采樣數。

1.3 基于地統計學法

地統計學是由Matheron[15]提出，并最早由礦物學家D.R.krige應用于南非金礦查找過程中。基于地統計學的合理采樣數研究是在原土壤研究指標的半方差函數結構和分布格局等研究的基礎上分別抽樣，通過比較各抽樣方式下研究對象的空間變異特性和插值精度來確定合理采樣數目。其一般研究方式如下：首先，將各研究對象的采樣數據集劃分為訓練樣本和驗證樣本，在此基礎上不斷對訓練樣本隨機抽取數據減少其樣點數量，然后，探討分析研究對象的空間結構特征和克里格插值精度的變化，由此，確定其合理采樣數。閻波杰等[16]研究發現，地統計學法分析和克立格插值法相比經典統計法而言考慮了空間結構性和隨機性，能夠據此推求較為科學的采樣數。

克里格插值法也稱作空間局部估計，是一種線性無偏估計的方法，是通過考慮研究對象的空間變異性，得到對待插點屬性值的影響范圍，利用該范圍的已有采樣點來估計待插點值[17]。其中，應用最為廣泛的當屬普通克里格法，但由于其只需考慮目標變量的空間信息，故而其估測精度需要大量的采樣數據和合理的采樣密度為依托[18]。協同克里格法是普通克里格法的拓展，一般涉及多個變量，即主變量和其他的輔助變量。利用主變量的自相關性和具有良好協同性的輔助變量來提高其估測精度，在精度相同的條件下能夠有效地優化采樣數。與線性回歸相結合的克里格法是利用建立主變量與現存的輔助變量間的線性關系，從而求得主變量的數據集，據此，可通過普通克里格法插值求得研究區域的估值分布。

李潤林等[19]研究表明，基于輔助變量的協同克里格插值的精度高于普通克里格插值，同時，得出了該研究在保證精度條件下的采樣數下限。龐夙等[20]將有機質作為輔助變量來研究農田土壤銅含量進行插值分析和采樣數量優化研究。李楠等[21]以有機質作為輔助變量，也通過協同克里格法對速效磷、速效鉀等進行采樣數優化。李艷等[22]將土壤電導率作為輔助變量來分析土壤的全鹽含量，并發現通過協同克里格法，深層的采樣數減少40%仍能夠滿足精度要求，據此可以優化采樣數目，節省成本花費。Wu等[23]發現采用線性回歸相結合的克里格法顯著優于協同克里格法。

基于地統計學的合理采樣數研究具有諸多優勢，但也同樣在應用上有一定程度的不足。其主要問題在于，合理采樣數設定依賴于大量采樣后所得的變異函數，因此，對于不具備區域先驗知識的條件下，難以利用該法指導采樣。此外，建立變異函數還需要滿足二階準平穩假設和準本征假設。由于該假設在野外采樣時很難滿足，故而，使得這樣優化得到的采樣方案有一定的局限性。

2 樣點優化布設研究

自Tobler[24]提出了普遍存在于地理空間事物間的空間自相關性的概念開始，許多研究人員投入了對地理空間對象相關性和變異性特征的研究。正是基于空間自相關性的存在，Haining等[4]指出處于相關性影響范圍內的點具有相近的性質，樣本信息的重疊造成有效樣本信息的損失。已有研究表明，采樣點的優化布設比單單添加采樣數更為重要[25]。故而，對樣點的空間布設的研究意義重大。所謂樣點的優化布設，可理解為在研究范圍中確定m個樣點的最優位置，使其具有最佳的全局代表性，以滿足研究目的所需。目前確定樣點空間布設的方法有經典采樣法、目的性采樣法、輔助變量法和樣點代表性等級法4種。

2.1 經典采樣法

經典采樣方法一般被包含于基于設計的抽樣范疇。該方法以有限樣本總體的隨機抽樣為理論基礎。其隨機性產生于從總體樣本抽樣的過程中，而不必要對推測研究對象的總體分布進行假設。該方法通過隨機采樣所得的子樣本對整體樣本的參數進行估測，一定程度上適用于大尺度采樣調查的參數估計。用于抽樣的樣本量越大，其對總體樣本參數的估計就越接近，直到抽樣樣本等同于總體樣本時，誤差為零。但由于該方法沒有充分考慮樣本的空間相關性，僅通過隨機性產生布設結果，通常與其他確定樣點空間布設的方法相結合使用，也常作為參照進行比較評估。目前，常涉及的經典采樣法有如下6種。

2.1.1 隨機采樣法 隨機采樣法，即從研究區域中對各個采樣單元都賦予同等概率被選取的采樣方法，其過程具有隨機性，可以避免主觀影響，具有最小的采樣方差，此前已被證明其樣本均值和樣本方差均可較好地代表總體的最佳估計。但是，因為隨機抽樣其特性使得采樣點分布并不均勻，甚至會出現局部集中和局部空缺的情況。

2.1.2 規則柵格采樣法 規則柵格采樣法是將研究區域劃分成規則的柵格小區后規律進行采樣的方式，具有系統的成分，是土壤特性時空變異分析的基礎。一般做法是在研究區地圖上根據所研究對象的變異性和其他因素而確定的網格尺寸進行疊加，在網格的交點或者網格內部進行采樣，通常，會選取半徑3～10 m范圍內的5～10鉆通過四分法進行混合為一份樣本。柵格形狀除正方形外，還包括矩形、三角形、菱形和六角形，有研究表明，采用正三角形的柵格相于正方形而言得到的樣本估值更精細一些[26]。

雖然規則柵格采樣技術原理簡單，但在實際操作中由于受到地形復雜、交通條件等多種因素的影響，很難將計劃采樣點在研究區域中準確定位實施采樣。此外，由于規則柵格采樣帶有系統采樣的性質，與純隨機采樣相比，在方差估算方面會有偏差，對于樣本總量平均值的估算則近似隨機采樣。很多情況下，規則柵格采樣技術會與地統計學方法相結合對區域土壤特性進行描述，這樣可以很好地體現其連續性和變異性。Franzen和Peck在比較了不同網格尺度下的土質估算精度后，發現以200英寸網格經行采樣最為合適，并由此提出了一種以200英寸為基準根據數據變化差異來調整網格尺寸繼而選定最尺寸的方法[27]。

2.1.3 嵌套采樣法 嵌套采樣法是將研究區劃分為若干個一級單元，在每個一級單元里繼續劃分出若干二級單元，在所得結果中，可以隨機選取或根據研究需要進一步細分，此過程可以根據實際情況持續到可分辨的最小單位。在大尺度的研究區域中，通過整體的經驗推斷結合局部的嵌套采樣能夠獲得較為精準的采樣結果。

2.1.4 分層采樣 分層采樣，即在對調查對象性質深入分析的基礎上，將研究區域劃分為性質較為均勻的類型區層，在各個區層中獨立進行隨機等量抽樣構成樣本總體。因此，亦稱為類型采樣。相對于純隨機采樣法，分層采樣法集統計分組和抽樣原理于一體應用于研究變量的均值在各區層間存在明顯差異的情況下，能夠得到較為精確的估值，此外，在大尺度研究區域下的估測精度也有較好的改善。分層采樣的精髓在于其高效的分層方式，由此提出分層效率的概念，即通過相同條件下隨機抽樣的方差與分層抽樣所得方差的比值來定義，比值越大即分層效率越高；只有當分層效率大于1時，相對于簡單隨機抽樣才更具有代表性。朱爽等[28]研究表明，選取不同的分層方法得到的分層效率差異較大。曹志冬等[29]認為先驗知識越豐富其指導下的分層采樣所得的估算精度越高，而在沒有先驗知識的條件下隨意分層，其估算精度相較于簡單隨機抽樣并沒有明顯差異。張錦水等[30]研究表明，隨著分層層數的增加抽樣量在降低，抽樣精度也在降低。

近年來，隨著地理信息產業的發展，傳統的分層采樣方法也有了相關的改進研究。連健等[31]在分層抽樣的基礎上利用GIS和ESDA方法與空間信息相結合，對基于空間“動態抽樣框”編織技術的空間分層抽樣法經行了研究和應用。翟佩璇等[32]則借鑒聚類分析K-Means算法的思想將聚類算法和分層抽樣相組合，并較為客觀地評定了聚類分層抽樣的可行性和有效性，為傳統分層采樣方法的改進提供了借鑒。王勁峰[33]在分層采樣的基礎上首次提出了“三明治空間抽樣模型”。三明治空間模型不但完成了樣本層、知識層和報告層的信息和誤差的傳遞，而且報告單元可由用戶設定的靈活性也突破了經典抽樣理論默認其唯一性的局限，解決了多個報告單元布設帶來的費用問題。

2.1.5 系統采樣 系統采樣又稱為等距抽樣或機械采樣，其基本思想是在樣本總體中以某種既定順序排列，隨機采取第一個樣本點，然后按照一定距離進行采樣，直到形成所需的樣本總體。在此基礎上，繼而發展形成系統分層采樣，在對總體樣本所規劃的柵格小區中，繼續細分二級柵格，并賦予每個二級柵格一個坐標值(X,Y)(其中X,Y取正整數)，在第一個一級柵格中隨機選取一個二級柵格，通過行列間的既定規律變化，繼而依次得到各個一級柵格中的二級柵格，由此構成整個樣本總體。王迪等[34]在對玉米種植面積空間抽樣調查方案的研究中，發現系統分層采樣相對于簡單隨機采樣、分層采樣和系統采樣而言更為合理。

2.1.6 整群采樣 整群采樣又稱之為區域抽樣，適用于主要變異來源在區域間或區域內各單元間。通常，整個研究區域可劃為單元數近似相等的組群，在此基礎上，隨機選取采樣組群，最后，在所選組群的各個單元內隨機采樣得最終的采樣結果。其中，群的作用是擴大抽樣單位。由于整群采樣具有均勻性差和誤差較大的缺點，故而一般在空間采樣中很少利用，通常與分層抽樣組合使用，以此加強其代表性。吳炳方等[35]將整群采樣和樣條采樣相配合來計算作物種植面積，發現利用整群采樣可以克服遙感監測大面積區域的技術瓶頸，同時也節約成本保證精度。

綜上所述，對隨機采樣法、規則柵格采樣法、嵌套采樣法、分層采樣法、系統采樣法和整群采樣法的特點比較，總結可得如表1所示[33]。

表1 基本經典采樣方法間比較

2.2 目的性采樣法

目的性采樣即根據專家的先驗知識或數據挖掘算法，通過采集被判定為具有區域代表性或者能代表區域均值的典型樣點來估算整個研究區域特性的采樣方式。目的性采樣屬于早期應用較多的采樣方法，由于其本身極其依賴具有多年實踐經驗積累的專家和先驗知識的指導，故而自身的局限性導致其不易推廣。此外，目的性采樣的精度是建立在專家主觀選擇的基礎上，很難得到客觀的誤差評價。隨著地統計學的不斷發展，空間采樣不斷進步，目的性采樣已經漸漸淡出歷史舞臺。

2.3 輔助變量法

20世紀70年代，Huggett[36]詳盡地闡述了土壤成因與景觀類型間的關系，在土壤發生學理論的基礎上提出了土壤景觀模型。在世界各國的大量研究下，逐步形成了一種基于土壤景觀模型，結合空間分析和數學方法的土壤調查法，并被廣泛地應用于空間采樣點的合理布設。土壤屬性的空間分布是在多種地形因子共同作用下形成的，故而，將地形因子作為輔助變量來估測研究對象的空間分布，不但更容易借助遙感等先進技術獲得大尺度研究區域的輔助信息，而且在一定程度上考慮了地形因子對土壤性質空間變異的影響。所謂地形因子就是描述空間地理特征的指標，常見的有高程、坡度、平面曲率和植被覆蓋等。其中定量環境因子如高程、坡度等相對容易獲得，應用較為普遍，此外，定性環境因子如成土母質、土地利用類型等對土壤屬性也就較為顯著的影響。將定量和定性環境因子結合作為輔助變量，對于提高土壤性質空間分布估測精度有較好的效果。另有研究表明，基于地形因子作為輔助信息來對研究對象空間屬性估計的精度相較于僅基于采樣點的方法而言有顯著的提高[37]。Hengl等[38]、Kerry等[39]、Simbahan等[40]和Minasny等[41]均利用輔助變量法進行采樣點的布設并成功獲取了所研究對象的空間信息。

在已有研究的基礎上，可總結其一般研究方式是通過輔助因子與土壤性質的相關性來推求其空間分布，利用優化算法，以不確定性最低為目標函數，在研究區域內搜索一定數量點的最佳位置。對于一定數量采樣點的最優布設方式，有枚舉法、貪婪法、模擬退火法3種。

(1) 枚舉法是處理該類型最直接的方法，通過列舉全部可能的樣本點集組合來比對得到全局最優樣本。但是，在大尺度的采樣區域內，面對數量較多的采樣數，其位置的組合方式會異常復雜，采用枚舉法往往會造成“組合爆炸”問題，故而在實際中應用范圍有限。

(2) 貪婪法是利用已知采樣點通過Kriging variance或weighted kriging varianc等方法來推求未知采樣點的權重，從而選定權重最大的點，繼而推算下一個點直到滿足總體精度無法再隨樣點數的增加而顯著增大時為止。這類方法便于操作，但是整個過程是通過單向推求，無法回溯，最終形成的樣點集并不一定是組合形式下的全局最優，容易形成局部最優的結果。

2.4 樣點代表性等級法

樣點代表性等級是對樣點全局代表性強弱的等級劃分。其中。樣點全局代表性是指樣點具備的土壤空間特性能夠很好地契合研究區實際的變異分布。全局代表性高的樣點不但在數值空間內很好地囊括了目標區域土壤特性的典型值，而且在地理空間內，也可以極大限度地代表土壤屬性的空間變異。而樣點代表性等級法，即是由具有全局代表性樣點構成的集合中，在有限樣本容量的條件下，可以優先選擇代表性較高的樣點，由此獲得最大的研究效益。其一般方法是，在土壤景觀模型理論的基礎上，將所選環境因子的分布圖疊加，通過賦予的權重計算而得到各位置的代表性等級，根據一定的優化規則剔除冗余信息，最后確定可供采樣點布設的代表性等級序列。

楊琳等[44]發現，通過少量的代表性較高的樣點可以較好地代表研究區域的相關特性，而隨著低代表性等級樣點的加入，其精度并沒有太大變化。這種采樣方法不但可以極好地避免數據冗余，提高采樣效率，降低研究成本，為后續研究提供了很好的數據支撐，而且，由此得到的采樣點能夠更好地保證插值結果的精度，即具有Mcbratney等[45]指出的現有插值方法所要求樣點須具備研究區空間變化的全局代表性。在此基礎上，孫孝林等[46]在相關研究中證實了樣點代表性等級法在成本、精確度上有明顯的優點，同時提出了推廣此法的關鍵，即探尋較好的土壤協同環境因子。此外，早在2009年郭麗娜等[47]按照觀生態學理論引入了等別多樣性指數，以此提出了一種利用等別質量代表性來確定農用地等別質量檢測帶的方法。

3 存在的問題及展望

盡管國內外學者對于優化采樣設計做了大量的研究，提出了多種方法，但在應用中仍存在諸多問題：

(1) 當下對合理采樣數的研究，多熱衷于利用地統計學通過克里格法進行優化，這種優化采樣設計的方式更多的是為多次采樣和日后的監測點布置提供參考，然而，并不適用于沒有先驗知識情況下的初步采樣設計。

(2) 多數基于模型來優化采樣設計的研究，支撐其理論的初步采樣數據，往往是通過簡單地遵循隨機抽樣的方法甚至是通過目的性采樣得到的。這種忽略空間相關性所導致的信息損失，必然在一定程度上造成試驗結果的偏差和人力物力的浪費。

(3) 建立在樣本個體完全獨立基礎上經典抽樣方法雖然廣泛運用于各個領域，但是，隨著3S技術的成熟和推廣，對具有相關性的地理空間對象而言，這種傳統的方法自帶的弊病已無法滿足于當下的研究所需。

(4) 合理采樣設計的研究尺度多集中在縣級以下的區域，在大尺度上的研究尚少。

(5) 對合理采樣方案設計沒有統一的評價體系和標準。

通過對國內外相關研究和發展的總結可知，樣點代表性等級法開拓的新思路，可能會使今后相關研究的采樣策略更傾向于帶有采樣優先級的彈性設計。在利用輔助因子來推斷優先級的過程中，可引入相關的評估機制。其中，對于研究對象和輔助因子的相關性研究以及尋找一套契合該方法的評價機制將成為相關研究的重點。

[1] 李連發,王勁峰.地理數據空間抽樣模型[J].自然科學進展,2002,12(5):545-548.

[2] 郝向東.淺談系統抽樣和分層抽樣[J].統計與信息論壇,1996(4):62-65.

[3] Havlin J L, Jacobsen J S. Soil testing: Prospects for improving nutrient recommendations.[M]. Madison, Wisconsin, USA: Soil Science Society of America, Inc. American Society of Agronomy, Inc. 1994.

[4] Haining R, Zhang J. Spatial Data Analysis: Theory and Practice[M]∥Spatial Data Analysis: Theory and practice. Cambridge University Press,2003:1077.

[5] Brus D J, De Gruijter J J. Random sampling or geostatistical modelling? Choosing between design-based and model-based sampling strategies for soil[J]. Geoderma, 1997,80(1/2):1-44.

[6] 賀本嵐. 復雜抽樣中基于設計與基于模型推斷的比較研究[J].北京市第十六次統計科學研討會獲獎論文集,2011.

[7] 史海濱,陳亞新.土壤水分空間變異的套合結構模型及區域信息估值[J].水利學報,1994(7):70-77,89.

[8] Cochran W G. Sampling Techniques(3rd ed.)[M]. John Wiley and Sons, Inc, New York, 1977.

[9] Cameron D R, Nyborg M, Toogood J A, et al. Accuracy of field sampling for soil tests[J]. Canadian Journal of Soil Science, 1971,51(2):165-175.

[10] 謝寶妮,常慶瑞,秦占飛.縣域土壤養分離群樣點檢測及其合理采樣數研究[J].干旱地區農業研究,2012,30(2):56-61.

[11] Sachs L. Applied Statistics[J]. Springer, 1984,17(3):389-390.

[12] 蓋鈞鎰.試驗統計方法[M].北京:中國農業出版社,2003:339-346.

[13] 姜城,楊俐蘋,金繼運,等.土壤養分變異與合理取樣數量[J].植物營養與肥料學報,2001,7(3):262-270.

[14] 姚榮江,楊勁松,姜龍.黃河三角洲土壤鹽分空間變異性與合理采樣數研究[J].水土保持學報,2006,20(6):89-94.

[15] Matheron G. Principles of geostatistics[J]. Economic Geology, 1963,58(8):1246-1266.

[16] 閻波杰,潘瑜春,趙春江.區域土壤重金屬空間變異及合理采樣數確定[J].農業工程學報,2008,24(S2):260-264.

[17] 陳飛香,戴慧,胡月明,等.區域土壤空間抽樣方法研究[J].地理與地理信息科學,2012,28(6):53-56.

[18] Cattle J A, McBratney A, Minasny B. Kriging method evaluation for assessing the spatial distribution of urban soil lead contamination[J]. Journal of Environmental Quality, 2002,31(5):1576-1588.

[19] 李潤林,姚艷敏,唐鵬欽,等.縣域耕地土壤鋅含量的協同克里格插值及采樣數量優化[J].土壤通報,2013,44(4):830-838.

[20] 龐夙,李廷軒,王永東,等.縣域農田土壤銅含量的協同克里格插值及采樣數量優化[J].中國農業科學,2009,42(8):2828-2836.

[21] 李楠,徐東瑞,吳楊潔.土壤養分含量的協同克里格法插值研究[J].浙江農業學報,2011,23(5):1001-1006.

[22] 李艷,史舟,王人潮,等.海涂土壤剖面電導率的協同克立格法估值及不同取樣數目的比較研究[J].土壤學報,2004,41(3):434-443.

[23] Wu J, Norvell W A, Hopkins D G, et al. Improved prediction and mapping of soil copper by kriging with auxiliary data for cation-exchange capacity[J]. Soil Science Society of America Journal, 2003,67(3):919-927.

[24] Tobler W R. A Computer Movie Simulating Urban Growth in the Detroit Region[J]. Economic Geography, 1970,46(2):234-240.

[25] 趙業婷,李志鵬,常慶瑞,等.基于Cokriging的耕層土壤全氮空間特征及采樣數量優化研究[J].土壤學報,2014,51(2):415-422.

[26] Weindorf D C, Zhu Y. Spatial variability of soil properties at Capulin Volcano, New Mexico, USA: Implications for sampling strategy[J]. Pedosphere, 2010,20(2):185-197.

[27] Franzen D W, Peck T R. Field soil sampling density for variable rate fertilization. [J]. Journal of Production Agriculture, 1996,8(4):568-574.

[28] 朱爽,張錦水.面向省級農作物種植面積遙感估算的分層方法[J].農業工程學報,2013,29(2):184-191.

[29] 曹志冬,王勁峰,李連發,等.地理空間中不同分層抽樣方式的分層效率與優化策略[J].地理科學進展,2008,27(3):152-160.

[30] 張錦水,潘耀忠,胡潭高,等.冬小麥種植面積空間抽樣效率影響因子分析[J].農業工程學報,2009,25(8):169-173.

[31] 連健,李小娟,宮輝力,等. GIS支持下的空間分層抽樣方法研究:以北京市人均農業總產值抽樣調查為例[J].地理與地理信息科學,2008,24(6):30-3338.

[32] 翟佩璇,高飛,吳兆福,等.基于聚類分層的地理空間數據抽樣研究[J].信息通信,2016(4):26-28.

[33] 王勁峰.空間抽樣與統計推斷[M].北京:科學出版社,2009.

[34] 王迪,周清波,陳仲新,等.玉米種植面積空間抽樣調查方案優化設計[J].農業工程學報,2014,30(8):117-125.

[35] 吳炳方,李強子.基于兩個獨立抽樣框架的農作物種植面積遙感估算方法[J].遙感學報,2004,8(6):551-569.

[36] Huggett R J. Soil landscape systems: A model of soil Genesis[J]. Geoderma, 1975,13(1):1-22.

[37] Li Qiquan, Yue Tianxiang, Wang Changquan, et al. Spatially distributed modeling of soil organic matter across China: An application of artificial neural network approach[J]. Catena, 2013,104(2):210-218.

[38] Hengl T, Rossiter D G, Stein A. Soil sampling strategies for spatial prediction by correlation with auxiliary maps[J]. Australian Journal of Soil Research, 2003,41(8):1403-1422.

[39] Kerry R, Oliver M A. Variograms of ancillary data to aid sampling for soil surveys[J]. Precision Agriculture, 2003,4(3):261-278.

[40] Simbahan G C, Dobermann A. Sampling optimization based on secondary information and its utilization in soil carbon mapping[J]. Geoderma, 2006,133(3):345-362.

[41] Minasny B, McBratney A B. A conditioned Latin hypercube method for sampling in the presence of ancillary information[J]. Computers & geosciences, 2006,32(9):1378-1388.

[42] Va?át R, Heuvelink G B M, Boruvka L. Sampling design optimization for multivariate soil mapping[J]. Geoderma, 2010,155(3):147-153.

[43] 韓宗偉,黃魏,羅云,等.基于路網的土壤采樣布局優化:模擬退火神經網絡算法[J].應用生態學報,2015,26(3):891-900.

[44] 楊琳,朱阿興,秦承志,等.一種基于樣點代表性等級的土壤采樣設計方法[J].土壤學報,2011,48(5):938-946.

[45] Mcbratney A B, Santos M L M, Minasny B. On digital soil mapping[J]. Geoderma, 2003,117(1/2):3-52.

[46] 孫孝林,王會利,寧源.樣點代表性等級采樣法在丘陵山區土壤表層有機質制圖中的應用[J].土壤,2014,46(3): 439-445.

[47] 郭力娜,張鳳榮,馬仁會,等.基于標準樣地的國家級農用地等別質量監測點設置方法探討:以冀豫鄂三省為例[J].資源科學,2009,31(11):1957-1966.

ResearchProgressofSoilSamplingStrategyOptimization

WANG Zilong, CHEN Weijie, FU Qiang, JIANG Qiuxiang, CHANG Guangyi, HU Shitao

(SchoolofWaterConservancyandCivilEngineering,NortheastAgriculturalUniversity,Harbin,Heilongjiang150030,China)

[Objective] To systematically summarize the existing sampling methods, and to explore an optimized sampling strategy to balance the sampling intensity, analysis cost and research precision, which was expected to maximize the accuracy of experiments with minimum economic input. [Methods] On the basis of extensive review on the domestic and foreign literatures in recent years, the optimized sampling strategy for soil properties was summarized. The theory of optimal sampling strategy was elucidated in two parts: the reasonable sampling number and the sampling point layout. Three methods and four modes were introduced to determine the reasonable sampling number and sampling points, respectively, and the future research was prospected. [Results] Most of the sampling program design used in current methods was model-based, and of which the spatial correlation of samples was ignored and relevant information was unused, these all were responsible to the deviation of experimental results and wastes of labor and materials to some extent. In addition, most researches were county scale or and/or lower scale, and there was no unified evaluation system or standards to design a formal sampling program . [Conclusion] In the future, the priority for optimal sampling design should be strengthened.

soilproperties;samplingstrategy;classicalsampling;geostatistics;samplingpriority;spatialsampling

A

1000-288X(2017)05-0205-08

S159-3

文獻參數： 王子龍, 陳偉杰, 付強, 等.土壤優化采樣策略研究進展[J].水土保持通報，2017,37(5)：205-212.

10.13961/j.cnki.stbctb.2017.05.034； Wang Zilong, Chen Weijie, Fu Qiang, et al. Research progress of soil sampling strategy optimization[J]. Bulletin of Soil and Water Conservation, 2017,37(5)：205-212.DOI:10.13961/j.cnki.stbctb.2017.05.034

2017-02-06

2017-03-10

國家自然科學基金項目“考慮積雪覆蓋的區域土壤春墑預報機理與模型研究：以松嫩平原黑土區為例”(51579045,51209039); 黑龍江省自然科學基金(D201403); 黑龍江省普通本科高等學校青年創新人才培養計劃(UNPYSCT-2015006); 東北農業大學“學術骨干”項目(16XG10); 東北農業大學“青年才俊”項目(14QC45); 黑龍江省博士后科研啟動金(LBH-Q16017)

王子龍(1982—),男(漢族),山東省膠州市人,博士,副教授,主要從事寒區農業水土資源高效利用研究。E-mail:wangzilong@neau.edu.cn。

付強(1973—),男(漢族),遼寧省錦州市人,博士,教授,主要從事農業水土資源高效利用理論、方法及應用研究。E-mail:fuqiang@neau.edu.cn。