快速檢索        
  農業資源與環境學報  2021, Vol. 38 Issue (6): 1020-1028  DOI: 10.13254/j.jare.2021.0608
0

引用本文  

鄺珊, 胡月明, 劉振華, 等. 基于協同克里格的縣域耕地質量監測點優化布設[J]. 農業資源與環境學報, 2021, 38(6): 1020-1028.
KUANG Shan, HU Yueming, LIU Zhenhua, et al. Optimal layout of county scale monitoring points for cultivated land quality based on Cokriging[J]. Journal of Agricultural Resources and Environment, 2021, 38(6): 1020-1028.

基金項目

國家自然科學基金項目(U1901601);廣東省重點領域研發計劃(2019B020218002);四川省科技計劃項目(2020YFG0033)

Project supported

The National Natural Science Foundation of China(U1901601);Key-area Research and Development Program of Guangdong Province(2019B020218002); Sichuan Science and Technology Program (2020YFG0033)

通信作者

楊顥??E-mail: yanghao_0927@126.com

作者簡介

鄺珊(1997-), 女, 江西贛州人, 碩士研究生, 主要從事耕地質量監測點布設研究。E-mail: 854844981@qq.com

文章歷史

收稿日期: 2021-09-09
錄用日期: 2021-10-28
基于協同克里格的縣域耕地質量監測點優化布設
鄺珊1,2 , 胡月明1,2,3,4,5 , 劉振華1,2,3 , 楊顥1,2,3 , 劉洛1,2,3 , 謝英凱1,2,3     
1. 華南農業大學資源環境學院, 廣州 510642;
2. 廣東省土地信息工程技術研究中心, 廣州 510642;
3. 廣州市華南自然資源科學技術研究院, 廣州 510642;
4. 海南大學熱帶作物學院, ???570228;
5. 青海-廣東自然資源監測與評價重點實驗室, 廣州 510642
摘要: 根據耕地質量的空間分布特征優化監測樣點布局,可提高耕地質量的監測效率和準確性。本研究篩選與耕地質量協同變化的環境因子作為輔助變量,利用地統計學方法分析耕地質量的空間變異特征,采用協同克里格法優化耕地質量監測樣點的布設。結果表明:利用與耕地質量相關性較好的地下水位為輔助變量,在不同規格網格的樣點布設下,協同克里格在最適(5 km×5 km)網格尺度下得到66個監測點的插值精度,優于普通克里格在?。? km×2 km)網格尺度下得到390個監測點的插值精度;而在相同規格網格的樣點布設下,協同克里格方法得到監測點的插值精度均優于普通克里格。研究表明,結合易于獲取的輔助變量信息的協同克里格方法可優化耕地質量監測點布設,得到更少的監測點的樣點方案,在耕地質量監測中可實現減少成本的同時提高監測精度。
關鍵詞: 耕地質量    監測    樣點布設    協同克里格    
Optimal layout of county scale monitoring points for cultivated land quality based on Cokriging
KUANG Shan1,2 , HU Yueming1,2,3,4,5 , LIU Zhenhua1,2,3 , YANG Hao1,2,3 , LIU Luo1,2,3 , XIE Yingkai1,2,3     
1. College of Natural Resources and Environment, South China Agricultural University, Guangzhou 510642, China;
2. Guangdong Province Engineering Research Center for Land Information Technology, Guangzhou 510642, China;
3. South China Academy of Natural Resources Science and Technology, Guangzhou 510642, China;
4. College of Tropical Crops, Hainan University, Haikou 570228, China;
5. Qinghai-Guangdong Key Laboratory of Natural Resources Monitoring and Evaluation, Guangzhou 510642, China
Abstract: Optimizing the layout of monitoring sample points according to the spatial distribution characteristics of cultivated land quality can improve the monitoring efficiency and accuracy of cultivated land quality. In this paper, the environmental factors that change synergistically with cultivated land quality were selected as auxiliary variables, the spatial variation characteristics of cultivated land quality were analyzed by geostatistics, and the layout scheme of cultivated land quality monitoring sample points was optimized by Cokriging method. The results showed that the interpolation accuracy of 66 monitoring points obtained by Cokriging under the optimal(5 km×5 km) grid interval was better than that of ordinary Kriging under the small(2 km×2 km) grid interval; Under the same grid layout, the interpolation accuracy of monitoring points obtained by Cokriging method was better than that of ordinary Kriging. This shows that the Cokriging method combined with easily obtained auxiliary variable information can optimize the layout of cultivated land quality monitoring points, obtain the sample point scheme with fewer monitoring points, reduce the cost and improve the accuracy of cultivated land quality monitoring.
Keywords: cultivated land quality    monitoring    sample layout    Cokriging    

耕地質量由耕地所處的自然與環境條件的狀況構成,耕地質量直接影響作物產量和農產品質量[1],其對保障糧食安全、生態安全和人類生存安全具有重要的意義。而隨著我國經濟的快速發展和人口的日益增長,耕地質量面臨降低的風險:一是因城市擴張而實施的耕地占補平衡,在實踐過程中出現了異化現象,如占優補劣、占水田補旱地等,雖然耕地數量平衡,但耕地質量不平衡,導致大量優質耕地流失;二是因人為活動而導致耕地環境變化,出現水土流失、環境污染等問題,從而導致耕地環境質量下降[2-4]。因此,保護高質量的耕地并治理退化嚴重的耕地勢在必行。了解并掌握耕地質量狀況是耕地質量保護與提升工作的基礎,而高效、精確地監測耕地質量變化是其突破點,也日益受到研究學者的關注。耕地質量監測點布設是監測工作開展的前提和基礎[5],通常采取抽樣調查的方法,通過設置一定數量的監測點來監測耕地質量等別變化,以點帶面獲取區域耕地質量的信息[6]。耕地質量具有變異性,需要大量的監測點來表征,然而由于人力物力、時間成本等因素的限制,布設大規模的監測點并不現實[7],因此,合理布設樣點對節省外業調查、內業分析成本和提高監測的準確性具有重要的現實意義。

目前,監測點布設常用方法是經典抽樣的概率模型,包括簡單隨機抽樣、分層隨機抽樣、系統抽樣等,此類方法假設樣本間相互獨立,忽略空間相關性。簡單隨機抽樣布設樣點呈不均衡分布,系統和分層抽樣效率相對較高,但預測有偏差[8]。這些方法只考慮了樣點被選中的概率,而沒有考慮樣點的空間相關性,并不能很好地適用于具有空間相關性的耕地質量屬性值監測[6]。為此,祝錦霞等[9]考慮了空間相關性,采用地統計學方法建立變異函數模型,依據變異函數的變程確定網格大小,基于等別組合優化樣點布設。王倩等[7]對比分析平原地區和丘陵地區的耕地質量的空間變異情況,依據兩者不同變異情況,以變程的一半為間隔進行監測點布設。胡曉濤等[5]依據變異函數的變程網格布點,考慮土地利用規劃、自然等的面積比例、土壤類型等修正樣點。楊建宇等[6]對比不同方形網格布設的精度和樣點數量,得到恰當網格尺寸的基礎監測網,隨后采用泰森多邊形迭代加入待添加點,直至克里格誤差不再減小。

已有的考慮空間相關性的耕地質量監測點布設研究常用規則網格采樣法,該方法網格的間距由耕地質量的空間變異情況決定,網格內耕地質量性質相對均一[6],在每個網格中的耕地地塊上布設樣點,根據樣點信息利用克里格插值方法估計區域的耕地質量狀況。因此,采樣網格的設計影響樣點的分布及數量,根據耕地質量的空間變異情況來合理優化網格設計,可以提高監測效率、節省監測成本。但現有的網格法只考慮了空間距離,而耕地質量不僅在空間上有自相關性,還與其周邊的環境因子表現出相關性[10]。在土壤屬性監測領域已有研究利用協同克里格來考慮與目標變量相關性較好的環境因子信息作為輔助變量,在同等預測精度下可以減少采樣點數量。已有學者利用輔助因子,采用協同克里格對土壤銅[11]、全氮[12]、鋅[13]、剖面電導率等[14]土壤屬性進行采樣數量的優化研究,在滿足采樣精度的條件下,得到的合理樣點數相比普通克里格法減少了10%~40%。例如,李艷等[15]的研究表明,不論目標變量的樣品數目如何減少,利用輔助變量的協同克里格法和回歸克里格法的預測精度較普通克里格法均有較大提升。李俊穎等[16]的研究表明相比于普通克里格法,協同克里格法利用與目標變量相關性較好的輔助變量,可以更合理地確定采樣數量。上述學者均利用協同克里格法對土壤養分、鹽分等土壤屬性進行采樣數量優化研究,但使用協同克里格法對耕地質量進行監測網格優化的研究鮮有報道。

鑒于此,本研究以廣東省廣州市增城區為研究區,以國家自然質量等指數為研究對象,結合耕地質量分等因素,通過相關性分析篩選易于獲取的輔助變量,運用地統計學方法分析耕地質量的空間分布特征,結合協同克里格法優化耕地質量監測樣點布設,對快速準確掌握耕地質量的變化、指導耕地質量保護和提升具有重要意義。

1 材料與方法 1.1 研究區概況

廣州市增城區位于廣東省中東部(圖 1),地處23°05′~23°37′N、113°32′~114°00′E,總面積1 616.47 km2。全區地勢北高南低,境內山地以低山為主,山脈整體上呈東北-西南走向,氣候類型是亞熱帶海洋性季風氣候,年平均氣溫12.1~28.5 ℃,耕地土壤以赤紅壤和滲育型水稻土為主。截止到2016年末,增城區耕地面積共229.76 km2,其中水澆地76.56 km2、旱地7.21 km2、水田145.99 km2。耕地呈現均勻分散分布。為了更好地保護增城區的耕地質量,監測是必要手段,而形成高精度、低成本的監測樣點方案是難點。因此本研究選取增城區作為研究區進行耕地質量監測點優化布設研究。

圖 1 增城區地理位置 Figure 1 Geographical location of Zengcheng District
1.2 數據來源

本研究采用廣州市增城區2016年度耕地質量等別更新評價成果,樣點布設主要考慮了耕地自然等別,將國家自然質量等指數作為研究對象,原因如下:①國家自然等指數評定考慮了地形地貌、水文、土壤和基本設施情況,能有效反映耕地自然狀況和農業設施綜合情況;②耕地利用等指數和經濟等指數是在自然質量等指數的基礎上,通過計算土地利用系數和經濟系數并進行修正得到,兩者均與自然等指數有較強的相關性。

1.3 研究方法

首先利用相關性分析篩選輔助變量,運用ArcGIS進行不同規格網格布設,進而獲得監測點,采用基于輔助變量信息的協同克里格法和普通克里格法進行插值模擬,比較分析兩者不同網格尺度下的監測效果,進而得到優化后的樣點布設。

1.3.1 輔助變量選取

以國家自然質量等指數為研究對象,計算其與環境因子的相關系數,篩選出其中相關性較強的因子作為輔助變量,以協助進行協同克里格插值。

耕地質量不僅受到自然要素、工程要素以及社會因素的直接或間接影響,而且還會受到三者兩兩組合特征以及全組合特征的影響[17]。結合研究區實際情況,耕地質量變化主要受到自然條件,如有機質、pH值、地下水位等因素的制約,同時根據輔助變量的易獲取性對因素進行篩選[18-19]。因而,為定量分析耕地質量的影響因子,以國家自然質量等指數為對象,選取了耕地質量分等因素:有效土層厚度、有機質、pH值、土壤質地、剖面構型、地下水位、排水條件、灌溉保證率、地形坡度、田面坡度。以上變量數據均采用增城區耕地分等數據庫中的標準化分值,該數據庫中所采用的指標大部分來源于《農用地質量分等規程》(GB/T 28407—2012)(以下簡稱規程)中的指標體系。

1.3.2 網格設置

在ArcGIS中設置不同規格的網格,形成不同規格的網格中心點,分別與耕地矢量數據進行空間疊加,取落在網格中心點的耕地圖斑作為初步監測點。對于落在耕地圖斑以外的中心點,在初步監測點的基礎上,通過ArcGIS近鄰分析工具選取距離中心點最近的耕地圖斑作為監測點,形成監測點預布設。

1.3.3 插值模擬

應用GS+工具模擬半變異函數模型,得到最優模型。根據最優模型的參數在ArcGIS中進行協同克里格和普通克里格插值模擬。

(1)普通克里格

在地統計分析中,區域化變量具有結構性和隨機性特點,一般采用半變異函數來反映。同時,其空間變異情況與空間距離間的關系也可形象體現[20]。在滿足二階平穩性的前提下,半變異函數定義為:

(1)

式中:r (h)為半方差;Nh)表示兩兩樣點間隔為h的樣本量有N (h) 對,h為樣點間的距離;Z (Xi) 和Z (Xi + h)分別表示變量ZX)在XiXi+h處的實測值。

(2)協同克里格

在滿足本征平穩假設,同時存在2個協同區域化變量的情況下,交互半方差函數定義為:

(2)

式中:rij (h)為2個協同變量的交互半方差;N (h)為樣點間隔為h的成對量,h為樣點間的距離;Zi (Xa)和Zi (Xa + h)分別為變量Zi (X)在位置XaXa + h處的實測值;Zj (Xa)和Zj (Xa + h)同理。

若某一屬性經過擬合變異函數和相關性分析,得出該屬性存在空間相關性,便可運用普通克里格進行插值[21]。計算公式為:

(3)

式中:z′(x0)代表預測點x0的預測值;z (xi)則代表實測值;λi代表各實測值的權重;n代表參與x0點預測的z的實測點有n個。

協同克里格是普通克里格的一種擴展,從單一利用待預測點的空間自相關性,轉變到既利用前者又利用多個變量間的相關性[14]。此方法需要有2種變量,一是主變量,二是輔助變量(可為多個)。計算公式為:

(4)

式中:z1是主變量;z2是輔助變量;z1 (xi)和z2 (xj)分別為各變量的實測值;λ1iλ2j分別是主變量和輔助變量的各實測值的權重,且∑λ1i=∑λ2j=1;np分別是參與預測的z1z2的實測點數量。

1.3.4 方法比較

以自然質量等指數為對象,選擇均方根誤差及相關系數2個精度比較指標,采用交叉驗證的方式,分析比較不同網格尺度下結合輔助變量的協同克里格法和普通克里格法的監測效果,進而得到優化的監測點布設。

1.4 數據處理

自然因素量化分級的標準是其對作物生長發育的適宜程度。對于數據庫中的標準化分值數據,若是數值型和定序型,將繼續沿用;若存儲形式為文本的定性型,如成土母質和剖面構型,將根據兩者種植作物的適宜性在SPSS 22.0實現量化分級;正態分布性檢驗、相關性分析通過SPSS 22.0實現;半方差函數分析、交互半方差分析在GS+9.0中實現;網格布設樣點、插值繪制分布圖采用ArcGIS 10.2實現。

2 結果與分析 2.1 輔助變量的選取與處理

利用相關性分析初步分析國家自然質量等指數與環境因子間的關聯關系,根據相關系數來判斷關系強弱。由于排水條件、灌溉保證率等環境因子屬于定序數據,本研究采用Spearman等級相關系數進行相關性分析。定序數據是一種可排序但不可做四則運算的數據,僅反映對象間的等級、順序關系。根據規程,國家自然質量等指數值域是1~6 000,值越大,耕地質量越好;排水條件和灌溉保證率值域劃分為4級,級越低,排水條件和灌溉條件越佳;地形坡度和田面坡度分別劃分為6級和5級,級越高,坡度越大。結果見表 1。

表 1 耕地質量國家自然質量等指數與環境變量的Spearman相關系數 Table 1 Spearman correlation coefficients of cultivated land national natural quality index and environmental variables

表 1可知國家自然質量等指數與各環境因子的關聯程度:地下水位最強,其次為灌溉保證率和pH值,之后按排水條件、有效土層厚度、土壤質地、地形坡度、田面坡度、有機質及剖面構型依次排列,且都達到了極顯著水平,說明國家自然質量等指數與上述環境因子在研究區受同樣的區域化現象或空間過程的影響,屬于協同區域化變量[22]。其中國家自然質量等指數與地下水位相關性最強,且呈負相關,說明增城區地下水位越高,耕地質量越差。綜上所述,將地下水位確定為輔助變量。

2.2 空間變異結構分析

區域化變量是指在空間上分布的變量,具有2個基本性質,一是空間相關性,二是空間依賴性。在此基礎上,地統計學以半方差函數為主要工具,可定量地描述這兩大性質,并最大限度地解釋空間變異信息。而耕地質量正是符合這2大性質的區域化變量[23-24]。因此,有必要對其進行空間變異結構分析,模擬出一個最優半方差函數的空間理論模型,定量地描述耕地質量的空間相關性和依賴性,并從變量背景和半方差函數理論模型的角度進行科學分析和解釋。一般情況下,半方差函數的計算要求數據符合正態分布,否則影響結果的有效性[25]。經S-W檢驗可知,P= 0.865 06>0.05,服從正態分布。

表 2給出了國家自然質量等指數擬合半變異函數結果,運用GS+,以不同半方差模型對國家自然質量等指數進行擬合,以最大的擬合系數和最小殘差為評判標準,得到國家自然質量等指數最佳擬合模型是球面模型,塊金值是3 500,說明存在實驗誤差和田間采樣等人為因素造成的空間變異。根據CAMBARDELLA等[26]提出的空間相關度劃分原則,分為三個層次:第一層次,塊金系數小于25%,表示變量呈現強空間相關性;第二層次,塊金系數處于25%~75%之間,表示變量呈現中等空間相關性;第三層次,塊金系數大于75%,表示變量呈現較弱空間相關性。因此,本研究中塊金系數等于5.24% 表明國家自然質量等指數的空間變異特性受到了自然特征和人為活動的共同作用,表現為強空間相關性。

表 2 耕地質量的半方差特征參數 Table 2 Semi-variance characteristic parameters of cultivated land quality
2.3 合理樣點布設分析

耕地質量變化監測通常采取抽樣調查的方式。為了獲取詳細的耕地質量變化信息,需要充足的采樣數據,但其具有高成本性和耗時性,進行大規模的采樣并不現實。因此,樣點布設的合理最小化成為一個日益重要的研究內容,這對耕地質量動態變化的長期監測研究具有重要意義。許多研究表明,協同克里格在充分利用前期數據的基礎上,可減少樣本數,優化樣點布設,主要是利用更易獲取的變量作為輔助變量協助插值以提高主變量的插值精度。本研究采用交叉驗證的方式,以均方根誤差和相關系數為判斷標準,分別代表預測值與實測值間的誤差和兩者的相關性,以此來驗證插值精度。RMSE值越小,表明預測值越接近實測值。r越大,則表明預測誤差越小,精度就越高。

2.3.1 網格布設樣點

本研究以國家自然質量等指數為目標變量,采用網格法布設樣點,通過協同克里格來優化樣點布設。在研究區按規則選取樣點,樣點的位置處于規則網格的中心或是最鄰近中心點的耕地圖斑。分別以2 km×2 km至6 km×6 km 5種網格為研究對象,以1 km為梯度分別對增城區耕地布設監測樣點,布設的樣點數分別為390、176、104、66個和47個(圖 2)?;谠紨祿懈鞯葎e樣點數占總樣點數量的比例考慮以上樣點是否合理分配到各個等別。分析在不同網格布設下利用地下水位為輔助變量的協同克里格插值精度,進行耕地質量監測樣點布設優化研究。

圖 2 不同網格布設監測點分布 Figure 2 Distribution of monitoring points arranged in different grids
2.3.2 半方差分析

表 3分析可知,不同網格布設下國家自然質量等指數的半方差和交互半方差函數模型擬合的塊金系數具有強或中等空間相關性。單變量表現出強烈的空間自相關,主要受土壤母質、地形、氣候等結構因素影響;交互變量表現出中等自相關,不僅受到結構因素影響,還受到施肥、管理、耕作等隨機因素作用。兩者的差異可能是因為:相比單變量,交互變量加入了輔助變量——地下水位的信息構建模型,而地下水位隨著城市化進程加快,人類活動越加頻繁,受到隨機因素影響程度加深,所以影響了構建模型的塊金系數,進而得到交互變量表現出中等自相關的結果。從變程這一角度分析,較單變量而言,交互變量的變程更長,表明在單變量的基礎上,交互變量由于融合了輔助變量提供的更豐富更多元空間信息,擴展了變量具有空間相關性和依賴性的范圍。因此,在相同網格布設下,與普通克里格法相比,協同克里格法擁有更廣的適用范圍。

表 3 不同網格布設耕地質量國家自然質量等指數的半方差函數和交互半方差函數模型及其參數 Table 3 Semi-variance function and interactive semi-variance function models and their parameters of different grid layouts of cultivated land national natural quality index
2.3.3 克里格插值精度比較

對比5種網格布設下協同克里格插值的精度,主要選取均方根誤差及預測值與實測值間的相關系數作為比較指標。由表 4可知,5種網格布設下,與普通克里格法相比較而言,協同克里格法預測的均方根誤差分別減少了8.83%、11.23%、10.35%、0.11% 及9.94%,而預測值與實測值的相關系數分別提高了146.93%、79.37%、80.09%、136.36% 及574.19%。表明相同的網格布設下,協同克里格法由于融合了更多更豐富的空間信息,預測的精度高于普通克里格法,可利用該方法優化監測點布設。當網格尺度加大至5 km×5 km時,協同克里格法的預測精度仍高于2 km×2 km網格布設下的普通克里格法。因此,在保證監測精度的條件下,本研究區耕地質量監測點布設利用協同克里格法優化研究,網格尺度可加大至5 km× 5 km,樣點數量可減少至66個。

表 4 不同網格布設國家自然質量等指數的協同克里格和普通克里格估測精度的比較 Table 4 Comparison of Cokriging and ordinary Kriging estimation accuracy of natural quality indexes of different grid layout

為了更直觀地比較不同規格網格布設下,不同監測點數量對掌握耕地質量空間變異情況的影響,分別用普通克里格法和協同克里格法繪制了不同監測點數量下的耕地質量的空間變異分布圖(圖 3)。隨著網格規格的擴大、監測點數量的減少,插值結果出現平滑效應,說明隨著監測點數量的減少,預測精度降低,會丟失一些空間信息。對比普通克里格和協同克里格插值結果,可以看出協同克里格法相比普通克里格法可以獲得更豐富的空間信息,預測效果更優,說明協同克里格法結合輔助變量的信息可彌補目標變量在實測點和待測點之間位置關系的缺失。

圖 3 不同網格布設下普通克里格(OK)和協同克里格(CK)插值結果 Figure 3 Ordinary Kriging(OK)and Cokriging(CK)interpolation results under different grid layout
3 討論

協同克里格法和普通克里格法均可反映耕地質量的空間變異分布特征和規律。在相同網格布設下,相比普通克里格插值法,以地下水位為輔助變量的耕地質量協同克里格插值法融合了更豐富多元的空間信息,監測效果更優。

耕地質量監測點布設目的是通過監測點推斷全區的耕地質量等別變化,難點在于形成高精度、低成本的樣點方案。傳統的監測點布設較少考慮耕地質量與周邊環境因子的協同變化關系,本研究提出的方法利用了單一環境因素作為輔助變量的信息,在5 km×5 km網格尺度下,樣點數更少的協同克里格插值精度仍高于2 km×2 km網格布設普通克里格插值。因此,可利用基于輔助變量的協同克里格法優化監測點布設,以獲取更少監測點,這樣不僅降低成本,而且保證了監測精度。

綜上所述,本研究提出的方法對于優化縣域尺度耕地質量監測點布設具有一定的適用性,可為其他類似地區提供借鑒。但本方法還存在一定的局限性,例如僅考慮了單一環境因素作為輔助變量,可在今后的工作中進一步開展經濟因素等其他因素作為輔助變量或多個因素作為輔助變量的研究。

4 結論

將廣州市增城區作為研究區,以國家自然質量等指數為研究對象,通過相關性分析和地統計分析,以及克里格插值和基于地下水位輔助變量的協同克里格插值進行監測點布設優化研究。主要研究結論如下:

(1)在相同網格布設下,結合地下水位輔助變量信息可以顯著提高預測結果精度,協同克里格法預測耕地質量等別結果精度明顯優于普通克里格法。相比普通克里格法,協同克里格法適用性也更強。

(2)在5 km×5 km網格尺度下,協同克里格法利用少量樣點得到耕地質量等別預測精度高的樣點布設方案,且優于普通克里格法的布設方案。協同克里格利用輔助變量信息可彌補網格規格變大、樣點數量減少帶來的信息缺失,從而優化網格布設,實現少量樣點的布設方案。

以廣州市增城區為實例的研究結果表明,在5 km×5 km網格尺度下,最終監測點數量為66時,本研究提出的基于協同克里格法的縣域耕地質量監測點優化布設方案在耕地等別預測方面的精度高于2 km×2 km的普通克里格法,能有效提高監測效率,預測縣域耕地等別并監控其變化情況,滿足縣域耕地質量等別變化監測的需求。

參考文獻
[1]
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.
LIU Y Z, MA X, XU M. Preliminary study on the early warming of cultivated land quality[J]. China Land Sciences, 2003, 17(6): 9-12. DOI:10.3969/j.issn.1001-8158.2003.06.002
[2]
王靜, 黃曉宇, 鄭振源, 等. 提高耕地質量對保障糧食安全更為重要[J]. 中國土地科學, 2011, 25(5): 35-38.
WANG J, HUANG X Y, ZHENG Z Y, et al. Improving the quality of cultivated land is more important for food security[J]. China Land Science, 2011, 25(5): 35-38.
[3]
徐明崗, 盧昌艾, 張文菊, 等. 我國耕地質量狀況與提升對策[J]. 中國農業資源與區劃, 2016, 37(7): 8-14.
XU M G, LU C A, ZHANG W J, et al. Situation of the quality of arable land in China and improvement strategy[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(7): 8-14.
[4]
孫蕊, 孫萍, 吳金希, 等. 中國耕地占補平衡政策的成效與局限[J]. 中國人口·資源與環境, 2014, 24(3): 41-46.
SUN R, SUN P, WU J X, et al. Effectiveness and limitations of cultivated land requisitioncompensation balance policy in China[J]. China Population, Resources and Environment, 2014, 24(3): 41-46. DOI:10.3969/j.issn.1002-2104.2014.03.007
[5]
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.
HU X T, WU K N, MA J H, et al. Control points for quality of arable land quality monitoring in Daxing District, Beijing[J]. Resources Science, 2012, 34(10): 1891-1897.
[6]
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.
YANG J Y, TANG S, YUN W J, et al. Sampling method for monitoring classifi cation of cultivated land in county area based on Kriging estimation error[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(9): 223-230.
[7]
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(8): 80-86.
WANG Q, SHANG Y M, FENG R, et al. Study on location sampling for monitoring the quality of arable land based on variation functions: Case studies in Zhongjiang County and Daxing District[J]. China Land Sciences, 2012(8): 80-86. DOI:10.3969/j.issn.1001-8158.2012.08.013
[8]
WEBSTER R, LARK R M. Field sampling for environmental science and management[M]. London: Routledge, 2013: 43-44.
[9]
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.
ZHU J X, XU B G, ZHANG L Y. Optimization layout method of monitoring sample points of cultivated land quality based on semi-variance analysis and grade combination[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(19): 254-261. DOI:10.11975/j.issn.1002-6819.2015.19.036
[10]
郄瑞卿, 關俠, 鄢旭久, 等. 基于自組織神經網絡的耕地自然質量評價方法及其應用[J]. 農業工程學報, 2014, 30(23): 298-305.
QIE R Q, GUAN X, YAN X J, et al. Method and its application of natural quality evaluation of arable land based on self-organizing feature map neural network[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(23): 298-305. DOI:10.3969/j.issn.1002-6819.2014.23.038
[11]
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.
PANG S, LI T X, WANG Y D, et al. Spatial interpolation and sampling numbers of the concentration of copper in cropland soil on county scale using Cokriging[J]. Scientia Agricultura Sinica, 2009, 42(8): 2828-2836. DOI:10.3864/j.issn.0578-1752.2009.08.023
[12]
趙業婷, 常慶瑞, 李志鵬, 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.
ZHAO Y T, CHANG Q R, LI Z P, et al. Study on spatial distribution of total nitrogen in arable soil layer and optimization of number of soil samples for the study based on Cokriging[J]. Acta Pedologica Sinica, 2014, 51(2): 415-422.
[13]
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.
LI R L, YAO Y M, TANG P Q, et al. Optimization of spatial interpolation and sampling size for soil zinc content in cultivated land at county scale using cokriging method[J]. Chinese Journal of Soil Science, 2013, 44(4): 830-838.
[14]
李艷, 史舟, 王人潮, 等. 海涂土壤剖面電導率的協同克里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.
LI Y, SHI Z, WANG R C, et al. Estimates of electrical conductivity for coastal saline soil profile using Cokriging under different sampling density[J]. Acta Pedologica Sinica, 2004, 41(3): 434-443. DOI:10.3321/j.issn:0564-3929.2004.03.017
[15]
李艷, 史舟, 程街亮, 等. 輔助時序數據用于土壤鹽分空間預測及采樣研究[J]. 農業工程學報, 2006, 22(6): 49-55.
LI Y, SHI Z, CHENG J L, et al. Spatial forecast and sampling of soil salinity by Kriging with temporally auxiliary data[J]. Transactions of the Chinese Society of Agricultural Engineering, 2006, 22(6): 49-55.
[16]
李俊穎, 吳克寧, 宋文. 農用地土壤重金屬空間變異及合理采樣數確定[J]. 中國農業資源與區劃, 2020, 41(9): 64-71.
LI J Y, WU K N, SONG W. Spatial variability and reasonable sampling number of soil heavy metals in agriculture land[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2020, 41(9): 64-71.
[17]
杜國明, 劉彥隨, 于鳳榮, 等. 耕地質量觀的演變與再認識[J]. 農業工程學報, 2016, 32(14): 243-249.
DU G M, LIU Y S, YU F R, et al. Evolution of concepts of cultivated land quality and recognition[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(14): 243-249.
[18]
劉瑞平, 王洪波, 全芳悅. 自然因素與社會經濟因素對耕地質量貢獻率研究[J]. 土壤通報, 2005, 36(3): 289-294.
LIU R P, WANG H B, QUAN F Y. The contributing ratio of natural and social-economic factors to the quality of cultivated land[J]. Chinese Journal of Soil Science, 2005, 36(3): 289-294.
[19]
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(北京), 2013.
WANG Q. Research on the method of setting monitored points of quality level in county area[D]. Beijing: China University of Geosciences(Beijing), 2013.
[20]
YANG J, HUANG Z C, CHEN T B, et al. Predicting the probability distribution of Pb-increased lands in sewage-irrigated region: A case study in Beijing, China[J]. Geoderma, 2008, 147: 192-196. DOI:10.1016/j.geoderma.2008.08.014
[21]
石淑芹, 曹祺文, 李正國, 等. 區域尺度土壤養分的協同克里格與普通克里格估值研究[J]. 干旱區資源與環境, 2014, 28(5): 109-114.
SHI S Q, CAO Q W, LI Z G, et al. Cokriging and Kriging estimations on soil nutrients at regional scale[J]. Journal of Arid Land Resources and Environment, 2014, 28(5): 109-114.
[22]
韋仕川, 熊昌盛, 欒喬林, 等. 基于耕地質量指數局部空間自相關的耕地保護分區[J]. 農業工程學報, 2014, 30(18): 249-256.
WEI S C, XIONG C S, LUAN Q L, et al. Protection zoning of arable land quality index based on local spatial autocorrelation[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(18): 249-256.
[23]
鄧羽, 劉盛和, 姚峰峰, 等. 基于協同克里格的基準地價評估及空間結構分析[J]. 地理科學進展, 2009, 28(3): 403-408.
DENG Y, LIU S H, YAO F F, et al. Standard land price appraisal and space structure analysis based on Co-Kriging[J]. Progress in Geography, 2009, 28(3): 403-408.
[24]
柳云龍, 章立佳, 韓曉非, 等. 上海城市樣帶土壤重金屬空間變異特征及污染評價[J]. 環境科學, 2012, 33(2): 599-605.
LIU Y L, ZHANG L J, HAN X F, et al. Spatial variability and evaluation of soil heavy metal contamination in the urban-transect of Shanghai[J]. Environmental Science, 2012, 33(2): 599-605.
[25]
王波, 毛任釗, 曹健, 等. 海河低平原區農田重金屬含量的空間變異性——以河北省肥鄉縣為例[J]. 生態學報, 2006, 26(12): 4082-4090.
WANG B, MAO R Z, CAO J, et al. Spatial variability of the heavy metal contents in cropland of the low Hai River Plain: A case study in Feixiang County of Hebei Province[J]. Acta Ecologica Sinica, 2006, 26(12): 4082-4090.
[26]
CAMBARDELLA C A, MOORMAN T B, NOVAK J M, et al. Fieldscale variability of soil properties in central Iowa soils[J]. Soil Science Society of America Journal, 1994, 58(5): 1501-1511.