基于空間質量差異的縣域耕地質量等別監測樣點布局研究
——以江西省南昌縣為例

張 晗， 郭 熙， 趙小敏

(江西農業大學江西省鄱陽湖流域農業資源與生態重點實驗室/江西農業大學國土資源與環境學院，江西南昌 330045)

耕地是人類賴以生存和發展的物質基礎，是農業生產最基本的不可替代的生產資料，確保足夠數量和相當質量的耕地，不僅是經濟發展和社會進步的需要，而且是社會安定和國家安全的重要保障[1-2]。耕地質量是構成耕地的各種自然因素和環境條件狀況的總和，表現為耕地生產能力的高低、耕地環境狀況優劣以及耕地產品質量的高低[3]。

目前，國內外學者針對耕地質量等別監測及其監測樣點的布設進行了深入的探討和研究，特別是從2010年以來，全國各地區陸續開展耕地質量等別監測工作，其中又以耕地質量監測樣點的選取與布設方法尤為關鍵[4-6]。吳克寧等基于標準樣地國家匯總與耕地質量動態監測體系相結合的方法，對監測樣點的選取進行初步探討[7]。楊建宇等運用Kriging估計誤差的布樣方法，反映縣域耕地等級的分布狀況和變化趨勢[8-9]。孫亞彬等建立了“自然等別-主導因素”理論模型對監測控制區進一步細分，以此為基礎布設監測樣點，提高了監測樣點的精度[10]。祝錦霞等采用變異函數分析耕地質量的變化情況，利用自然等指數和等別組合的空間變異特征對監測樣點進行布設和優化[11-13]。總體上針對耕地質量監測樣點的選取和布設的研究還比較少，結合耕地質量等別漸變類型區與等別空間變異特征來布設監測樣點尚屬首例。

伴隨著全國耕地數量、質量、生態“三位一體”保護，耕地質量等別監測工作的重要性日益凸顯。近年來，由于土地整治和國家政策的影響，土地利用形式朝著集約節約的方向發展，但目前江西省南昌市南昌縣土地利用仍然存在一些問題：由于地勢和耕作的影響，土壤的漬水時間長，干根曬坯機會少，導致土壤通透性差，持水能力強，容重增加；深耕改土措施不力，耕層淺薄，土壤保蓄和供肥性能差；耕地作物與養地作物的輪作比例失調，養用矛盾突出，地力得不到恢復；新開發的耕地貧瘠，土地開發整理難度越來越大，建設盲目性造成耕地閑置浪費，產量不高等。南昌縣作為江西省耕地質量等別監測試點縣，采用了國土資源部最新出臺的耕地質量監測方案，對引發南昌縣耕地質量等別變化的評價指標進行分析，確定主要監測指標和主導因素，以此劃分監測漸變類型，選取監測樣點，旨在探究耕地質量等別監測樣點布控的方法，探索適用于江西省乃至全國的耕地質量等別監測體系。

1 材料與方法

1.1 研究區概況

南昌縣坐落于江西省中部偏北，贛江、撫河下游，鄱陽湖之濱，地處28°16′～28°58′N、115°49′～116°19′E。南昌縣位于鄱陽湖平原地區，全境平均海拔為25 m。南昌縣地處亞熱帶濕潤氣候地帶，年平均氣溫達到17.8 ℃，年平均降水量為1 662.5 mm，年平均日照時數1 603.4 h，年平均霜期89 d，境內水系發達，贛江、撫河、清豐山河穿過境內，平均入境徑流量870億m3左右。南昌縣土壤總共有8個土類，13個亞類，33個土屬，72個土種，境內土壤的紅壤為縣內典型的地帶性土壤。

全縣共有國土面積181 070.10 hm2，耕地面積 87 050.62 hm2，南昌縣轄9個鎮，7個鄉，1個國家級開發區(小藍經濟開發區)和銀三角管委會，以及264個村委會和71個居委會及社區。南昌縣在江西省全省位置和耕地分布情況見圖1、圖2。

1.2 土壤樣點采集

在耕地中，根據地塊所處位置和地形的復雜程度采用梅花點法、對角線法、“S”形法和棋盤法等方法，每個監測樣點位采5～20個分點，共采集了34個土壤樣點。每個工作點位均挖掘土壤剖面，自下而上采集土樣，采樣盡量不采道路或溝渠切面等自然剖面，采集的土樣用布袋或密封塑料袋盛裝，每層的采樣量在1.0～1.5 kg，用鉛筆或防水記號筆做好標記。從野外采回的土樣，所有樣品經風干、去雜、磨細、過100目篩后， 混勻裝瓶用于土壤pH值、土壤有機質含量、全氮含量、有效磷含量、速效鉀含量的測定。土壤pH值采用電位法測定；土壤有機質含量采用重鉻酸鉀滴定法測定；全氮含量采用凱氏蒸餾法測定；土壤有效磷含量采用碳酸氫鈉浸提-鉬銻抗比色法測定；土壤速效鉀含量采用醋酸銨浸提-火焰光度計法測定。

1.3 數據來源

研究數據主要來源于：(1)南昌縣農業統計、土壤普查、地質調查、農田水利、氣候統計、農業經濟統計、自然災害與災情分析等基礎資料。(2)南昌縣2013年耕地質量等別補充更新成果、2014年耕地質量年度監測數據庫。(3)1 ∶1萬土地利用現狀圖、行政區劃圖、土壤圖、坡度圖、地形圖和數字高程模型(DEM)等矢量數據和基礎圖件。(4)南昌縣土地利用總體規劃資料(2006—2020年)。(5)土地利用現狀變更調查資料。(6)江西省農用地分等及更新成果資料。

1.4 研究方法

數據處理方法：利用GIS空間疊加法，結合南昌縣監測樣點Voronoi圖CV值和農用地分等成果，采取定性與定量的方法分析南昌縣耕地質量等別監測樣點的變化。

1.4.1 GIS空間疊加法 借助ArcGIS 9.3平臺，將縣級分等單元圖層與土地利用現狀圖、行政區劃圖、土壤圖、坡度圖、地形圖和DEM等矢量數據和基礎圖件進行疊加分析，運用SPSS數據處理軟件對 2014 年南昌縣的土壤、水文、環境等監測樣點進行了調查、取樣、化驗、甄別和篩選，進而對監測類型所代表的土壤理化性質進行驗證。

1.4.2 泰森多邊形 泰森多邊形又叫Voronoi圖，本研究通過測算監測樣點Voronoi圖CV值、所在圖斑面積和面積平均值來分析監測樣點的空間形態特征，并進行檢驗，從而運用Voronoi圖形成的多邊形面積的變異系數來衡量監測樣點的集聚程度。變異系數定義為泰森多邊形面積數值的標準差與平均數的比值，可以用它來度量在空間上目標現象的相對變化程度，詳細計算公式如下：

CV=σ/μ。

(1)

式中：σ表示Voronoi圖面積的標準差，μ表示面積平均值。參考Duyckaerts等的相關成果[14]，當CV值在(33%，64%)時，點集表現為隨機分布；當CV值≥64% 時，點集表現為集聚分布；當CV值≤33%時，點集表現為均勻分布。

1.5 技術路線

耕地質量等級監測是一項對國土資源管理具有重要意義的技術性非常強的系統工程，必須建立科學的耕地質量等級監測和評價方法。為了保證耕地質量等別監測評價有序開展，更科學、準確、有效地評價監測區域的耕地質量，需要搜集整理耕地質量等別監測所需的基礎資料和數據；然后根據基礎資料對耕地質量變化驅動力因素進行分析，并設置監測類型區指標體系；類型區指標設置后，劃分和確定耕地變化類型；然后，借助整理好的資料和外業調查進行監測樣點布設與優化調整；最后，對監測樣點的結果進行分析和評價。具體技術路線見圖3。

2 南昌縣耕地質量監測樣點布局實證研究

2.1 耕地質量等別監測變化類型區劃分

依據全國耕地質量指標體系，以及江西省耕地的特點，結合分等因素評價指標類型區的具體自然條件，確定水耕區的分等因素指標有土壤質地、土壤pH值、土壤有機質、土壤剖面構型、排水條件、灌溉保證率等6個；旱作區的分等因素指標有土壤質地、土壤pH值、土壤有機質含量、地形坡度、有效土層厚度、灌溉保證率等6個。

耕地自然質量等別反映土壤本身的生產潛力水平，與土壤理化性質、農田基本建設條件、光溫(氣候)生產潛力有關。從圖4可以看出，南昌縣耕地自然質量等別主要為8～10等，部分地區為11～12等，將自然質量等別在10～12等的行政村確定為耕地自然質量限制區。

2.2 分等指標限制區、變化區

根據南昌縣2013年耕地質量等別補充完善成果和2014年耕地質量年度監測評價中的分等指標分布矢量數據，通過運用ArcGIS強大的空間分析和數據處理能力，參照GB/T 28407—2012《農用地質量分等規程》，并結合南昌縣基礎資料和數據，確定江西省南昌縣2015年不同分等指標的限制情況以及可能發生變化的情況。經過分析南昌縣地形地貌、地質資料得知，區域內為平原，地勢平坦，地質環境相對穩定，地形坡度、土壤剖面構型、土壤酸堿度變化較為緩慢，近年來，沒有發生較大的水土流失災害、土壤污染和客土填土等現象。基于以上分析，在南昌縣耕地質量監測工作中，地形坡度、土壤剖面構型和土壤pH值指標可不作為監測類型區劃分的依據。

運用ArcGIS 9.3，將縣級分等單元圖與土地利用現狀圖、行政區劃圖等進行空間疊加分析，以耕地自然質量限制區劃定方法為基礎和參照，按行政村為單位分別統計土壤有效土層厚度、土壤質地、土壤有機質含量、灌溉保證率、排水條件指標平均分值，分別形成5個平均水平分區，同時也相應得到了5個耕地變化類型的主導因素(按照土壤有效土層厚度在60～100 cm，土壤質地為壤土，有機質含量≤2%，灌溉保證率為一般滿足，排水條件一般5個篩選條件)，再根據江西省二級區水田、旱地評價因素及其權重來確定南昌縣耕地質量等別變化主導因素，從而確定土壤質地指標限制區、土壤有機質含量指標限制區、灌溉保證率指標限制區和排水條件指標限制區等，南昌縣耕地質量監測指標限制區見圖4。

2.3 確定耕地等別監測變化類型

2015年監測在充分考慮了南昌縣氣候狀況、地形地貌、土壤類型、水資源空間分布等因素的基礎上，結合南昌縣土地利用變化及糧食生產的實際情況，初步提出并建立南昌縣縣域耕地等別變化類型集，然后依據耕地等別數據，全面分析區域內耕地質量的具體影響因素，綜合確定耕地等別變化類型，并結合南昌縣縣級質量變化耕地等別監測工作的具體實踐逐步更新完善。

為了全面分析南昌縣耕地資源本底分布情況，揭示南昌縣耕地質量分布及變化特征，依據縣域內各期耕地等別數據，結合農業氣象資料、土地利用規劃資料、土壤普查資料和農業調查等資料，結合縣域內初步建立的耕地等別變化類型，綜合南昌縣國土與農業部門意見初步確定南昌縣區域內耕地等別變化類型主導因素和驅動因子(表1)。

2.4 監測樣點布設

2.4.1 監測單元選取 在監測區內選擇典型地塊作為監測單元，監測單元包括固定監測單元和隨機監測單元。選取監測單元有數量要求。耕地等別漸變類型分布范圍內的各等別上都至少有一個監測單元，面積在0.3～10.0 hm2，最小不到0.2 hm2，最大不超過20 hm2，優先選擇農用地分等中布設的標準樣地。代表性要求，固定監測單元要分布在該類型分布范圍該等別的典型部位上，要遠離城市中心、交通主干道路等。

一般來說，耕地質量變化類型區里包含幾個國家自然等別，就至少有多少個固定監測單元，耕地質量變化類型區、監測單元和監測樣點關系見表2。基于江西省和南昌縣耕地質量監測工作布設的監測網絡，以及以2014年耕地質量等別監測的耕地圖斑數據為底圖，選擇滿足耕地圖斑(融合或歸并后的地塊)作為監測單元，結合南昌縣實際情況，最終選擇南昌縣耕地質量等別監測單元共18個，其中13個固定監測單元，5個隨機監測單元，其中肥力提升型監測單元6個，沙化型2個，水土流失型2個，逐步干旱型3個，逐步漬澇型5個，覆蓋了南昌縣34個監測樣點。南昌縣監測單元分布情況見圖5。

2.4.2 監測樣點布設方案 耕地質量的空間分異特征決定了監測樣點的密度、數量和方向。為了能夠進一步描述和驗證南昌縣監測樣點在空間上分布類型的形態特征，需要對其進行檢驗，此處運用的方法是計算Voronoi圖多邊形面積的變異系數。根據公式(1)，運用ArcGIS 9.3平臺，以34個監測樣點為發生元，通過分析工具下的 proximity中的create Thiessen polygons(泰森多邊形) 命令生成普通Voronoi(圖8)，計算得到σ=94.32，μ=101.12，因而變異系數CV=0.93，事實上，由圖6可知，南昌縣耕地質量漸變類型主要集中分布在南北方向，也驗證了南昌縣監測樣點在空間上大致呈現南北集聚分布形態的合理性。結合南昌市監測工作布設的監測網絡，在劃定的監測單元內預設監測樣點。根據實地踏勘結果，視情況對監測點位進行略微偏移。同時，現場用GPS采集調整后的監測樣點坐標數據，返回內業整理并錄入監測樣點數據庫，得到了監測樣點的布局和控制范圍(圖7)。

在預設監測樣點的基礎上，協商省級監測樣點，經外業踏勘選點并重新采集點位坐標后，根據統計情況，得到南昌縣34個耕地質量等別監測樣點主要分布在涇口鄉、廣福鎮、塘南鎮、黃馬鄉、向塘鎮、蔣巷鎮等鄉(鎮)，基本覆蓋了南昌縣所有鄉(鎮)，確保了監測樣點覆蓋的全面性，監測樣點覆蓋鄉(鎮)情況見表3。

表1 南昌縣耕地質量等別變化類型的主導因素與驅動因子對照

2.5 監測樣點覆蓋國家等別情況分析

按照監測樣點布設的代表性、穩定性和布局合理性原則以及監測樣點布設要求，通過統計表明，研究區域監測樣點應覆蓋所有的國家自然等、國家利用等和國家經濟等，按照上述監測類型區劃分方法在各個研究區布設監測樣點，同時對監測樣點進行修正和優化調整，覆蓋了監測類型區所有的國家自然等別、國家利用等別和國家經濟等別，并且監測樣點覆蓋的每個等別的比例與每個等別所占耕地面積的比例十分接近，表明所布設的監測點具有一定的代表性和典型性，監測樣點的精度也得到了保證(表4)。監測樣點覆蓋國家等別的情況見圖9、圖10、圖11。

表2 南昌縣耕地質量變化類型區、監測單元和監測樣點的關系

注：監測單元等別指國家自然等別。

2.6 監測結果分析

為了加快推進南昌縣耕地質量等別監測技術工作，更全面、科學地分析各個監測類型的監測樣點情況，2015年南昌縣耕地質量等別年度監測評價結果如下：

表3 監測樣點鄉鎮統計

南昌縣2014年年底耕地面積87 050.62 hm2，其中水田面積80 972.52 hm2，水澆地面積3 724.77 hm2，旱地面積 2 353.33 hm2。全縣初步確定共5個耕地質量等別變化類型，分別為逐步干旱型、逐步漬澇型、水土流失型、肥力提升型、沙化型，共布設18個監測單元，全縣等別變化耕地面積共13 860.97 hm2，占全縣耕地總面積的15.92 %。其中，逐步干旱型主要分布在幽蘭鎮、八一鄉等11個鄉(鎮)，監測變化耕地總面積1 082.86 hm2，占全縣耕地面積的1.24%；逐步漬澇型主要分布在向塘鎮、塔城鄉等11個鄉(鎮)，共監測變化耕地面積 6 983.24 hm2，占全縣耕地面積的8.02%；水土流失型主要分布在武陽鎮、南新鄉等14個鄉(鎮)，監測變化耕地總面積 1 631.42 hm2， 占全縣耕地面積的1.87%； 沙化型主要分布在岡上鎮、富山鄉等5個鄉(鎮)，監測變化耕地總面積1 349.87 hm2，占全縣耕地面積的1.55 %；肥力提升型主要分布在三江鎮、東新鄉等12個鄉(鎮)，監測變化耕地總面積2 813.59 hm2，占全縣耕地面積的3.23 %。

表4 南昌縣耕地質量等別監測樣點覆蓋等別

3 結論與討論

本研究采取耕地質量等別限制區的方法劃定南昌縣監測類型區，最終確定南昌縣共5個耕地質量等別變化類型分別為逐步干旱型、逐步漬澇型、水土流失型、肥力提升型、沙化型，其變化類型面積分別為1 082.86、6 983.24、1 631.42、2 813.59、1 349.87 hm2，逐步漬澇型的面積分布最廣，主要是向塘鎮、塔城鄉等11個鄉(鎮)沿著河流湖泊，地勢低洼，2014年降水量比往年要多，加之排水設施不完善的緣故；面積最少的為逐步干旱型，主要是因為幽蘭鎮、八一鄉等11個鄉(鎮)，地勢平坦，靠近河流湖泊，灌溉條件好，灌區面積大，加之旱地面積較多，而旱地作物需水量少。

南昌縣耕地質量監測樣點布設合理，呈現南北集聚的空間變異特征，能全面反映南昌縣耕地質量細部變化狀況，合理地建立了南昌縣耕地質量監測體系。通過運用 ArcGIS 9.3 軟件強大的空間分析技術和地統計分析方法，借助Voronoi圖CV值為0.93來研究和驗證監測樣點呈現南北集聚情況，以及SPSS等數據處理軟件對2014年南昌縣的土壤、水文、環境等監測樣點進行調查、取樣、化驗和甄別篩選。在保證監測樣點覆蓋每個國家自然等別、國家利用等別和國家經濟等別的基礎上，同時考慮了南昌縣耕地質量變化類型、空間分布特征和潛在的限制或變化區域，最終選出南昌縣具有代表性、科學性、典型性、穩定性、可比性的監測樣點共計34個。

綜合來看，本研究以耕地質量監測試點縣南昌縣為例，采取國土部最新的監測方法研究南昌縣耕地質量狀況，提供的監測方法能夠詳細地反映南昌縣耕地質量時間和空間變化特征，同時在滿足縣級監測精度的要求下，提供客觀、科學的監測結果，為以后的耕地質量動態監測、耕地質量結果完善和更新、農用地分等定級提供新的思路和方法。實踐證明，此方法具有可行性和創新性，但本研究方法能否適用于省級、國家級尺度的耕地質量等別監測還有待進一步驗證。

現階段的耕地質量等別監測，為了便于組織實施和操作，大都要求以縣為單位開展年度監測工作。能否嘗試在省、市域層面上打破縣域限制，相鄰縣相同的質量漸變類型區統一布設監測單元，實現監測單元數據共享，只在數據統計時按縣域統計，這樣可節省大量的人、財、物資源。

監測研究時段不長。本研究時段是以2011—2014 年為基礎的，這個時段是比較短的，比如監測單元圖的確定要放在30、20、10年前和現在的尺度上考慮，而研究時段越長，監測數據越詳實，結論會越準確。

南昌縣為平原區域，地質條件相對均一，耕地質量也相對集中，但是耕地質量因受到自然環境、工業化、城鎮化和土地利用格局等快速變化的影響，空間變異相對劇烈，可能會影響監測點布設的精度。由于時間和收集資料的限制，未對如整理項目區和新增耕地等區域的耕地質量變化劇烈的區域(突變區)進行監測和監測點加密。本研究方法是否能在其他復雜或者相同地質條件區域推廣有待進一步論證[15]

[1]張鳳榮，齊 偉，薛永森，等. 持續土地利用管理評價方法的研究[J]. 中國農業大學學報，2002，7(1)：40-46.

[2]聶 艷. 耕地質量評價的模型方法與信息系統集成及應用研究[D]. 武漢：華中農業大學，2005.

[3]劉友兆，馬 欣，徐 茂. 耕地質量預警[J]. 中國土地科學，2003，17(6)：9-12.

[4]蔡鷺斌. 湖南省耕地質量監測布點方法研究[D]. 長沙：湖南農業大學，2014.

[5]吳學敏. 武穴市耕地質量監控樣點布設研究[D]. 武漢：華中師范大學，2015.

[6]王 倩. 縣域耕地等別質量監測點布設方法研究[D]. 北京：中國地質大學，2013.

[7]吳克寧，焦雪瑾，梁思源，等. 基于標準樣地國家級匯總的耕地質量動態監測點構架研究[J]. 農業工程學報，2008，24(10)：74-79，封底.

[8]楊建宇，湯 賽，鄖文聚，等. 基于Kriging估計誤差的縣域耕地等級監測布樣方法[J]. 農業工程學報，2013，29(9)：223-230.

[9]莊雅婷，陳訓爭，范勝龍，等. 基于Kriging插值的高效耕地質量監測點布設方式研究——以建甌市為例[J]. 亞熱帶水土保持，2013，25(2)：17-22.

[10]孫亞彬，吳克寧，胡曉濤，等. 基于潛力指數組合的耕地質量等級監測布點方法[J]. 農業工程學報，2013，29(4)：245-254.

[11]祝錦霞，徐保根，章琳云. 基于半方差函數與等別的耕地質量監測樣點優化布設方法[J]. 農業工程學報，2015，31(19)：254-261.

[12]王 倩，尚月敏，馮 銳，等. 基于變異函數的耕地質量等別監測點布設分析——以四川省中江縣和北京市大興區為例[J]. 中國土地科學，2012，26(8)：80-86.

[13]馬建輝. 基于變異函數和等別類型的耕地質量監測樣點布設研究[J]. 世界農業，2015(5)：111-116.

[14]Duyckaerts C，Godefroy G. Voronoi tessellation to study the numerical density and the spatial distribution of neurones[J]. Journal of Chemical Neuroanatomy，2000，20(1)：83-92.

[15]胡曉濤，吳克寧，馬建輝，等. 北京市大興區耕地質量等級監測控制點布設[J]. 資源科學，2012，34(10)：1891-1897.