基于空间质量差异的县域耕地质量等别监测样点布局研究——以江西省南昌县为例

张 晗， 郭 熙， 赵小敏

(江西农业大学江西省鄱阳湖流域农业资源与生态重点实验室/江西农业大学国土资源与环境学院，江西南昌 330045)

耕地是人类赖以生存和发展的物质基础，是农业生产最基本的不可替代的生产资料，确保足够数量和相当质量的耕地，不仅是经济发展和社会进步的需要，而且是社会安定和国家安全的重要保障[1-2]。耕地质量是构成耕地的各种自然因素和环境条件状况的总和，表现为耕地生产能力的高低、耕地环境状况优劣以及耕地产品质量的高低[3]。

目前，国内外学者针对耕地质量等别监测及其监测样点的布设进行了深入的探讨和研究，特别是从2010年以来，全国各地区陆续开展耕地质量等别监测工作，其中又以耕地质量监测样点的选取与布设方法尤为关键[4-6]。吴克宁等基于标准样地国家汇总与耕地质量动态监测体系相结合的方法，对监测样点的选取进行初步探讨[7]。杨建宇等运用Kriging估计误差的布样方法，反映县域耕地等级的分布状况和变化趋势[8-9]。孙亚彬等建立了“自然等别-主导因素”理论模型对监测控制区进一步细分，以此为基础布设监测样点，提高了监测样点的精度[10]。祝锦霞等采用变异函数分析耕地质量的变化情况，利用自然等指数和等别组合的空间变异特征对监测样点进行布设和优化[11-13]。总体上针对耕地质量监测样点的选取和布设的研究还比较少，结合耕地质量等别渐变类型区与等别空间变异特征来布设监测样点尚属首例。

伴随着全国耕地数量、质量、生态“三位一体”保护，耕地质量等别监测工作的重要性日益凸显。近年来，由于土地整治和国家政策的影响，土地利用形式朝着集约节约的方向发展，但目前江西省南昌市南昌县土地利用仍然存在一些问题：由于地势和耕作的影响，土壤的渍水时间长，干根晒坯机会少，导致土壤通透性差，持水能力强，容重增加；深耕改土措施不力，耕层浅薄，土壤保蓄和供肥性能差；耕地作物与养地作物的轮作比例失调，养用矛盾突出，地力得不到恢复；新开发的耕地贫瘠，土地开发整理难度越来越大，建设盲目性造成耕地闲置浪费，产量不高等。南昌县作为江西省耕地质量等别监测试点县，采用了国土资源部最新出台的耕地质量监测方案，对引发南昌县耕地质量等别变化的评价指标进行分析，确定主要监测指标和主导因素，以此划分监测渐变类型，选取监测样点，旨在探究耕地质量等别监测样点布控的方法，探索适用于江西省乃至全国的耕地质量等别监测体系。

1 材料与方法

1.1 研究区概况

南昌县坐落于江西省中部偏北，赣江、抚河下游，鄱阳湖之滨，地处28°16′～28°58′N、115°49′～116°19′E。南昌县位于鄱阳湖平原地区，全境平均海拔为25 m。南昌县地处亚热带湿润气候地带，年平均气温达到17.8 ℃，年平均降水量为1 662.5 mm，年平均日照时数1 603.4 h，年平均霜期89 d，境内水系发达，赣江、抚河、清丰山河穿过境内，平均入境径流量870亿m3左右。南昌县土壤总共有8个土类，13个亚类，33个土属，72个土种，境内土壤的红壤为县内典型的地带性土壤。

全县共有国土面积181 070.10 hm2，耕地面积 87 050.62 hm2，南昌县辖9个镇，7个乡，1个国家级开发区(小蓝经济开发区)和银三角管委会，以及264个村委会和71个居委会及社区。南昌县在江西省全省位置和耕地分布情况见图1、图2。

1.2 土壤样点采集

在耕地中，根据地块所处位置和地形的复杂程度采用梅花点法、对角线法、“S”形法和棋盘法等方法，每个监测样点位采5～20个分点，共采集了34个土壤样点。每个工作点位均挖掘土壤剖面，自下而上采集土样，采样尽量不采道路或沟渠切面等自然剖面，采集的土样用布袋或密封塑料袋盛装，每层的采样量在1.0～1.5 kg，用铅笔或防水记号笔做好标记。从野外采回的土样，所有样品经风干、去杂、磨细、过100目筛后， 混匀装瓶用于土壤pH值、土壤有机质含量、全氮含量、有效磷含量、速效钾含量的测定。土壤pH值采用电位法测定；土壤有机质含量采用重铬酸钾滴定法测定；全氮含量采用凯氏蒸馏法测定；土壤有效磷含量采用碳酸氢钠浸提-钼锑抗比色法测定；土壤速效钾含量采用醋酸铵浸提-火焰光度计法测定。

1.3 数据来源

研究数据主要来源于：(1)南昌县农业统计、土壤普查、地质调查、农田水利、气候统计、农业经济统计、自然灾害与灾情分析等基础资料。(2)南昌县2013年耕地质量等别补充更新成果、2014年耕地质量年度监测数据库。(3)1 ∶1万土地利用现状图、行政区划图、土壤图、坡度图、地形图和数字高程模型(DEM)等矢量数据和基础图件。(4)南昌县土地利用总体规划资料(2006—2020年)。(5)土地利用现状变更调查资料。(6)江西省农用地分等及更新成果资料。

1.4 研究方法

数据处理方法：利用GIS空间叠加法，结合南昌县监测样点Voronoi图CV值和农用地分等成果，采取定性与定量的方法分析南昌县耕地质量等别监测样点的变化。

1.4.1 GIS空间叠加法 借助ArcGIS 9.3平台，将县级分等单元图层与土地利用现状图、行政区划图、土壤图、坡度图、地形图和DEM等矢量数据和基础图件进行叠加分析，运用SPSS数据处理软件对 2014 年南昌县的土壤、水文、环境等监测样点进行了调查、取样、化验、甄别和筛选，进而对监测类型所代表的土壤理化性质进行验证。

1.4.2 泰森多边形 泰森多边形又叫Voronoi图，本研究通过测算监测样点Voronoi图CV值、所在图斑面积和面积平均值来分析监测样点的空间形态特征，并进行检验，从而运用Voronoi图形成的多边形面积的变异系数来衡量监测样点的集聚程度。变异系数定义为泰森多边形面积数值的标准差与平均数的比值，可以用它来度量在空间上目标现象的相对变化程度，详细计算公式如下：

CV=σ/μ。

(1)

式中：σ表示Voronoi图面积的标准差，μ表示面积平均值。参考Duyckaerts等的相关成果[14]，当CV值在(33%，64%)时，点集表现为随机分布；当CV值≥64% 时，点集表现为集聚分布；当CV值≤33%时，点集表现为均匀分布。

1.5 技术路线

耕地质量等级监测是一项对国土资源管理具有重要意义的技术性非常强的系统工程，必须建立科学的耕地质量等级监测和评价方法。为了保证耕地质量等别监测评价有序开展，更科学、准确、有效地评价监测区域的耕地质量，需要搜集整理耕地质量等别监测所需的基础资料和数据；然后根据基础资料对耕地质量变化驱动力因素进行分析，并设置监测类型区指标体系；类型区指标设置后，划分和确定耕地变化类型；然后，借助整理好的资料和外业调查进行监测样点布设与优化调整；最后，对监测样点的结果进行分析和评价。具体技术路线见图3。

2 南昌县耕地质量监测样点布局实证研究

2.1 耕地质量等别监测变化类型区划分

依据全国耕地质量指标体系，以及江西省耕地的特点，结合分等因素评价指标类型区的具体自然条件，确定水耕区的分等因素指标有土壤质地、土壤pH值、土壤有机质、土壤剖面构型、排水条件、灌溉保证率等6个；旱作区的分等因素指标有土壤质地、土壤pH值、土壤有机质含量、地形坡度、有效土层厚度、灌溉保证率等6个。

耕地自然质量等别反映土壤本身的生产潜力水平，与土壤理化性质、农田基本建设条件、光温(气候)生产潜力有关。从图4可以看出，南昌县耕地自然质量等别主要为8～10等，部分地区为11～12等，将自然质量等别在10～12等的行政村确定为耕地自然质量限制区。

2.2 分等指标限制区、变化区

根据南昌县2013年耕地质量等别补充完善成果和2014年耕地质量年度监测评价中的分等指标分布矢量数据，通过运用ArcGIS强大的空间分析和数据处理能力，参照GB/T 28407—2012《农用地质量分等规程》，并结合南昌县基础资料和数据，确定江西省南昌县2015年不同分等指标的限制情况以及可能发生变化的情况。经过分析南昌县地形地貌、地质资料得知，区域内为平原，地势平坦，地质环境相对稳定，地形坡度、土壤剖面构型、土壤酸碱度变化较为缓慢，近年来，没有发生较大的水土流失灾害、土壤污染和客土填土等现象。基于以上分析，在南昌县耕地质量监测工作中，地形坡度、土壤剖面构型和土壤pH值指标可不作为监测类型区划分的依据。

运用ArcGIS 9.3，将县级分等单元图与土地利用现状图、行政区划图等进行空间叠加分析，以耕地自然质量限制区划定方法为基础和参照，按行政村为单位分别统计土壤有效土层厚度、土壤质地、土壤有机质含量、灌溉保证率、排水条件指标平均分值，分别形成5个平均水平分区，同时也相应得到了5个耕地变化类型的主导因素(按照土壤有效土层厚度在60～100 cm，土壤质地为壤土，有机质含量≤2%，灌溉保证率为一般满足，排水条件一般5个筛选条件)，再根据江西省二级区水田、旱地评价因素及其权重来确定南昌县耕地质量等别变化主导因素，从而确定土壤质地指标限制区、土壤有机质含量指标限制区、灌溉保证率指标限制区和排水条件指标限制区等，南昌县耕地质量监测指标限制区见图4。

2.3 确定耕地等别监测变化类型

2015年监测在充分考虑了南昌县气候状况、地形地貌、土壤类型、水资源空间分布等因素的基础上，结合南昌县土地利用变化及粮食生产的实际情况，初步提出并建立南昌县县域耕地等别变化类型集，然后依据耕地等别数据，全面分析区域内耕地质量的具体影响因素，综合确定耕地等别变化类型，并结合南昌县县级质量变化耕地等别监测工作的具体实践逐步更新完善。

为了全面分析南昌县耕地资源本底分布情况，揭示南昌县耕地质量分布及变化特征，依据县域内各期耕地等别数据，结合农业气象资料、土地利用规划资料、土壤普查资料和农业调查等资料，结合县域内初步建立的耕地等别变化类型，综合南昌县国土与农业部门意见初步确定南昌县区域内耕地等别变化类型主导因素和驱动因子(表1)。

2.4 监测样点布设

2.4.1 监测单元选取 在监测区内选择典型地块作为监测单元，监测单元包括固定监测单元和随机监测单元。选取监测单元有数量要求。耕地等别渐变类型分布范围内的各等别上都至少有一个监测单元，面积在0.3～10.0 hm2，最小不到0.2 hm2，最大不超过20 hm2，优先选择农用地分等中布设的标准样地。代表性要求，固定监测单元要分布在该类型分布范围该等别的典型部位上，要远离城市中心、交通主干道路等。

一般来说，耕地质量变化类型区里包含几个国家自然等别，就至少有多少个固定监测单元，耕地质量变化类型区、监测单元和监测样点关系见表2。基于江西省和南昌县耕地质量监测工作布设的监测网络，以及以2014年耕地质量等别监测的耕地图斑数据为底图，选择满足耕地图斑(融合或归并后的地块)作为监测单元，结合南昌县实际情况，最终选择南昌县耕地质量等别监测单元共18个，其中13个固定监测单元，5个随机监测单元，其中肥力提升型监测单元6个，沙化型2个，水土流失型2个，逐步干旱型3个，逐步渍涝型5个，覆盖了南昌县34个监测样点。南昌县监测单元分布情况见图5。

2.4.2 监测样点布设方案 耕地质量的空间分异特征决定了监测样点的密度、数量和方向。为了能够进一步描述和验证南昌县监测样点在空间上分布类型的形态特征，需要对其进行检验，此处运用的方法是计算Voronoi图多边形面积的变异系数。根据公式(1)，运用ArcGIS 9.3平台，以34个监测样点为发生元，通过分析工具下的 proximity中的create Thiessen polygons(泰森多边形) 命令生成普通Voronoi(图8)，计算得到σ=94.32，μ=101.12，因而变异系数CV=0.93，事实上，由图6可知，南昌县耕地质量渐变类型主要集中分布在南北方向，也验证了南昌县监测样点在空间上大致呈现南北集聚分布形态的合理性。结合南昌市监测工作布设的监测网络，在划定的监测单元内预设监测样点。根据实地踏勘结果，视情况对监测点位进行略微偏移。同时，现场用GPS采集调整后的监测样点坐标数据，返回内业整理并录入监测样点数据库，得到了监测样点的布局和控制范围(图7)。

在预设监测样点的基础上，协商省级监测样点，经外业踏勘选点并重新采集点位坐标后，根据统计情况，得到南昌县34个耕地质量等别监测样点主要分布在泾口乡、广福镇、塘南镇、黄马乡、向塘镇、蒋巷镇等乡(镇)，基本覆盖了南昌县所有乡(镇)，确保了监测样点覆盖的全面性，监测样点覆盖乡(镇)情况见表3。

表1 南昌县耕地质量等别变化类型的主导因素与驱动因子对照

2.5 监测样点覆盖国家等别情况分析

按照监测样点布设的代表性、稳定性和布局合理性原则以及监测样点布设要求，通过统计表明，研究区域监测样点应覆盖所有的国家自然等、国家利用等和国家经济等，按照上述监测类型区划分方法在各个研究区布设监测样点，同时对监测样点进行修正和优化调整，覆盖了监测类型区所有的国家自然等别、国家利用等别和国家经济等别，并且监测样点覆盖的每个等别的比例与每个等别所占耕地面积的比例十分接近，表明所布设的监测点具有一定的代表性和典型性，监测样点的精度也得到了保证(表4)。监测样点覆盖国家等别的情况见图9、图10、图11。

表2 南昌县耕地质量变化类型区、监测单元和监测样点的关系

注：监测单元等别指国家自然等别。

2.6 监测结果分析

为了加快推进南昌县耕地质量等别监测技术工作，更全面、科学地分析各个监测类型的监测样点情况，2015年南昌县耕地质量等别年度监测评价结果如下：

表3 监测样点乡镇统计

南昌县2014年年底耕地面积87 050.62 hm2，其中水田面积80 972.52 hm2，水浇地面积3 724.77 hm2，旱地面积 2 353.33 hm2。全县初步确定共5个耕地质量等别变化类型，分别为逐步干旱型、逐步渍涝型、水土流失型、肥力提升型、沙化型，共布设18个监测单元，全县等别变化耕地面积共13 860.97 hm2，占全县耕地总面积的15.92 %。其中，逐步干旱型主要分布在幽兰镇、八一乡等11个乡(镇)，监测变化耕地总面积1 082.86 hm2，占全县耕地面积的1.24%；逐步渍涝型主要分布在向塘镇、塔城乡等11个乡(镇)，共监测变化耕地面积 6 983.24 hm2，占全县耕地面积的8.02%；水土流失型主要分布在武阳镇、南新乡等14个乡(镇)，监测变化耕地总面积 1 631.42 hm2， 占全县耕地面积的1.87%； 沙化型主要分布在冈上镇、富山乡等5个乡(镇)，监测变化耕地总面积1 349.87 hm2，占全县耕地面积的1.55 %；肥力提升型主要分布在三江镇、东新乡等12个乡(镇)，监测变化耕地总面积2 813.59 hm2，占全县耕地面积的3.23 %。

表4 南昌县耕地质量等别监测样点覆盖等别

3 结论与讨论

本研究采取耕地质量等别限制区的方法划定南昌县监测类型区，最终确定南昌县共5个耕地质量等别变化类型分别为逐步干旱型、逐步渍涝型、水土流失型、肥力提升型、沙化型，其变化类型面积分别为1 082.86、6 983.24、1 631.42、2 813.59、1 349.87 hm2，逐步渍涝型的面积分布最广，主要是向塘镇、塔城乡等11个乡(镇)沿着河流湖泊，地势低洼，2014年降水量比往年要多，加之排水设施不完善的缘故；面积最少的为逐步干旱型，主要是因为幽兰镇、八一乡等11个乡(镇)，地势平坦，靠近河流湖泊，灌溉条件好，灌区面积大，加之旱地面积较多，而旱地作物需水量少。

南昌县耕地质量监测样点布设合理，呈现南北集聚的空间变异特征，能全面反映南昌县耕地质量细部变化状况，合理地建立了南昌县耕地质量监测体系。通过运用 ArcGIS 9.3 软件强大的空间分析技术和地统计分析方法，借助Voronoi图CV值为0.93来研究和验证监测样点呈现南北集聚情况，以及SPSS等数据处理软件对2014年南昌县的土壤、水文、环境等监测样点进行调查、取样、化验和甄别筛选。在保证监测样点覆盖每个国家自然等别、国家利用等别和国家经济等别的基础上，同时考虑了南昌县耕地质量变化类型、空间分布特征和潜在的限制或变化区域，最终选出南昌县具有代表性、科学性、典型性、稳定性、可比性的监测样点共计34个。

综合来看，本研究以耕地质量监测试点县南昌县为例，采取国土部最新的监测方法研究南昌县耕地质量状况，提供的监测方法能够详细地反映南昌县耕地质量时间和空间变化特征，同时在满足县级监测精度的要求下，提供客观、科学的监测结果，为以后的耕地质量动态监测、耕地质量结果完善和更新、农用地分等定级提供新的思路和方法。实践证明，此方法具有可行性和创新性，但本研究方法能否适用于省级、国家级尺度的耕地质量等别监测还有待进一步验证。

现阶段的耕地质量等别监测，为了便于组织实施和操作，大都要求以县为单位开展年度监测工作。能否尝试在省、市域层面上打破县域限制，相邻县相同的质量渐变类型区统一布设监测单元，实现监测单元数据共享，只在数据统计时按县域统计，这样可节省大量的人、财、物资源。

监测研究时段不长。本研究时段是以2011—2014 年为基础的，这个时段是比较短的，比如监测单元图的确定要放在30、20、10年前和现在的尺度上考虑，而研究时段越长，监测数据越详实，结论会越准确。

南昌县为平原区域，地质条件相对均一，耕地质量也相对集中，但是耕地质量因受到自然环境、工业化、城镇化和土地利用格局等快速变化的影响，空间变异相对剧烈，可能会影响监测点布设的精度。由于时间和收集资料的限制，未对如整理项目区和新增耕地等区域的耕地质量变化剧烈的区域(突变区)进行监测和监测点加密。本研究方法是否能在其他复杂或者相同地质条件区域推广有待进一步论证[15]

[1]张凤荣，齐 伟，薛永森，等. 持续土地利用管理评价方法的研究[J]. 中国农业大学学报，2002，7(1)：40-46.

[2]聂 艳. 耕地质量评价的模型方法与信息系统集成及应用研究[D]. 武汉：华中农业大学，2005.

[3]刘友兆，马 欣，徐 茂. 耕地质量预警[J]. 中国土地科学，2003，17(6)：9-12.

[4]蔡鹭斌. 湖南省耕地质量监测布点方法研究[D]. 长沙：湖南农业大学，2014.

[5]吴学敏. 武穴市耕地质量监控样点布设研究[D]. 武汉：华中师范大学，2015.

[6]王 倩. 县域耕地等别质量监测点布设方法研究[D]. 北京：中国地质大学，2013.

[7]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，封底.

[8]杨建宇，汤 赛，郧文聚，等. 基于Kriging估计误差的县域耕地等级监测布样方法[J]. 农业工程学报，2013，29(9)：223-230.

[9]庄雅婷，陈训争，范胜龙，等. 基于Kriging插值的高效耕地质量监测点布设方式研究——以建瓯市为例[J]. 亚热带水土保持，2013，25(2)：17-22.

[10]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.

[11]祝锦霞，徐保根，章琳云. 基于半方差函数与等别的耕地质量监测样点优化布设方法[J]. 农业工程学报，2015，31(19)：254-261.

[12]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兴区为例[J]. 中国土地科学，2012，26(8)：80-86.

[13]马建辉. 基于变异函数和等别类型的耕地质量监测样点布设研究[J]. 世界农业，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)：1891-1897.