南方丘陵區(qū)土壤有機(jī)質(zhì)空間插值模型及采樣點(diǎn)密度對(duì)農(nóng)用地分等精度的影響
——以福建省龍海市為例

范勝龍，林曉丹，涂 凱，湯俊紅，林翔程，黃炎和

（1.福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院，福建 福州 350002；2.福建省國(guó)土資源勘測(cè)規(guī)劃院，福建 福州350002）

南方丘陵區(qū)土壤有機(jī)質(zhì)空間插值模型及采樣點(diǎn)密度對(duì)農(nóng)用地分等精度的影響
——以福建省龍海市為例

范勝龍1，林曉丹1，涂 凱1，湯俊紅1，林翔程2，黃炎和1

（1.福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院，福建 福州 350002；2.福建省國(guó)土資源勘測(cè)規(guī)劃院，福建 福州350002）

研究目的：分析南方丘陵區(qū)土壤有機(jī)質(zhì)的采樣點(diǎn)密度和空間插值模型對(duì)農(nóng)用地分等精度的影響。研究方法：以福建龍海市為研究區(qū)，對(duì)設(shè)計(jì)的8種格網(wǎng)密度和6種結(jié)合不同類型信息的插值模型所得農(nóng)用地分等結(jié)果進(jìn)行比較研究。研究結(jié)果：（1）結(jié)合不同類型信息的克里格空間插值模型對(duì)于土壤有機(jī)質(zhì)含量及農(nóng)用地分等成果（自然質(zhì)量等）具有顯著差異，土壤有機(jī)質(zhì)含量和農(nóng)用地分等成果的精度與格網(wǎng)密度呈正相關(guān)。其中結(jié)合地貌和土壤信息的空間插值方法（KDMTR）對(duì)于農(nóng)用地分等成果有最好的預(yù)測(cè)效果；（2）如果僅需考慮獲取較高精度的土壤有機(jī)質(zhì)含量信息時(shí)，按2 km×2 km的樣點(diǎn)密度并結(jié)合KDMTR法進(jìn)行空間插值，為最高效的樣點(diǎn)布設(shè)和數(shù)據(jù)處理方式；（3）在開(kāi)展縣級(jí)農(nóng)用地分等時(shí)，如果僅需考慮獲取農(nóng)用地分等結(jié)果時(shí)，土壤采樣點(diǎn)密度對(duì)農(nóng)用地分等精度影響較小，但結(jié)合不同類型信息的空間插值方法對(duì)農(nóng)用地分等成果精度影響顯著。采用KDMTR法并按3.5 km×3.5 km的格網(wǎng)密度布設(shè)土壤調(diào)查樣點(diǎn)，為最高效的樣點(diǎn)布設(shè)和空間插值模型。研究結(jié)論：南方丘陵區(qū)在開(kāi)展縣級(jí)農(nóng)用地分等工作時(shí)，采用的空間插值模型對(duì)農(nóng)用地分等成果的精度產(chǎn)生顯著影響而土壤采樣點(diǎn)布設(shè)的格網(wǎng)密度對(duì)農(nóng)用地分等成果的精度影響較小。

土地評(píng)價(jià)；農(nóng)用地分等；土壤有機(jī)質(zhì)；樣點(diǎn)布設(shè)；空間插值模型

土壤有機(jī)質(zhì)是土壤重要屬性之一［1］，在保持土壤肥力、提高土壤質(zhì)量及作物產(chǎn)量等方面起著重要作用［2-3］，而且土壤有機(jī)質(zhì)含量與土壤質(zhì)量存在極強(qiáng)的正相關(guān)關(guān)系［4］，是農(nóng)用地分等因素中的必選分等因素［5］，也是有關(guān)土壤理化性質(zhì)的最重要因素。土壤樣點(diǎn)的高效布設(shè)是減少采樣誤差和提高采樣效率的重要途徑［6］。外界的人為活動(dòng)和自然生態(tài)過(guò)程會(huì)導(dǎo)致區(qū)域內(nèi)土壤有機(jī)質(zhì)具備較強(qiáng)的空間變異特征［7］，準(zhǔn)確掌握其空間變異特征是實(shí)現(xiàn)資源高效可持續(xù)利用的重要依據(jù)。目前，地統(tǒng)計(jì)學(xué)方法被大量用于土壤性質(zhì)的空間預(yù)測(cè)［8-11］。研究表明，土壤采樣點(diǎn)密度和空間插值模型對(duì)土壤有機(jī)質(zhì)空間變異特征的表征具有重要影響［12-14］。當(dāng)前國(guó)內(nèi)相關(guān)研究還未就上述兩種因素對(duì)縣級(jí)農(nóng)用地分等精度的影響進(jìn)行相關(guān)研究。因此，研究土壤有機(jī)質(zhì)采樣點(diǎn)密度及空間插值模型對(duì)農(nóng)用地分等精度的影響，對(duì)提高農(nóng)用地分等工作效率、降低工作成本以及提高分等精度等具有重要意義。

南方丘陵區(qū)廣泛分布于長(zhǎng)江以南各省，其耕地呈“雞爪”型沿山間溪流向山谷延伸，具有圖斑破碎、土壤理化性質(zhì)復(fù)雜多變的特點(diǎn)。本文以福建省龍海市為研究區(qū)，采用6種結(jié)合不同類型信息的克里格插值模型分別對(duì)8種格網(wǎng)密度下的土壤采樣點(diǎn)有機(jī)質(zhì)含量數(shù)據(jù)進(jìn)行空間插值，研究不同格網(wǎng)密度和結(jié)合不同類型信息的克里格插值模型所得土壤有機(jī)質(zhì)含量預(yù)測(cè)結(jié)果對(duì)農(nóng)用地分等成果精度的影響，可為提高農(nóng)用地分等工作的效率和精度提供科學(xué)依據(jù)。

1　材料與方法

1.1試驗(yàn)區(qū)概況

本文以福建漳州龍海市（縣級(jí)市）為研究區(qū)，地理位置為東經(jīng)117°29′—118°14′、北緯24°11′—24°36′，總面積約1289.72 km2。市域內(nèi)北、西、南三面環(huán)山，中部為九龍江沖積平原，東南臨海，北部的丘陵地帶屬于戴云山脈，西南部丘陵地帶屬于博平嶺，耕地多分布在中部平原及南北山谷兩側(cè)溪流地帶。土壤形成受成土母質(zhì)影響較大，呈現(xiàn)隨海拔升高的垂直分布規(guī)律及受成土條件變化的影響而呈區(qū)域性分布規(guī)律。依據(jù)福建省第二次的土壤普查資料，其土壤類型可以分為16個(gè)亞類，52個(gè)土屬，6個(gè)土類，70個(gè)土種，耕地土壤主要為：水稻土、潮土、濱海風(fēng)沙土和濱海鹽土等土壤類型。

1.2研究方法

1.2.1土壤樣品采集及測(cè)定方法 為研究土壤采樣點(diǎn)密度及其空間插值方法對(duì)農(nóng)用地分等成果精度的影響，本文采用常用的土壤采樣點(diǎn)布設(shè)方法——格網(wǎng)法［15-16］，在試驗(yàn)區(qū)范圍布設(shè)0.5 km×0.5 km（X0.5）、1 km×1km（X1）、1.5 km×1.5 km（X1.5）、2 km×2 km（X2）、2.5 km×2.5 km（X2.5）、3 km×3 km（X3）、3.5 km×3.5 km（X3.5）、4 km×4 km（X4）共8種密度格網(wǎng)疊套于龍海市1∶10000土地利用現(xiàn)狀圖上采集土壤樣點(diǎn)，并設(shè)計(jì)了結(jié)合地貌信息的克里格方法（KDM）、結(jié)合地類信息的克里格方法（KDL）、結(jié)合土壤類型信息的克里格方法（KTR）、結(jié)合地貌—土壤信息的克里格方法（KDMTR）、結(jié)合地類—土壤信息的克里格方法（KDLTR）5種結(jié)合類型信息的方法和直接采用耕層土壤有機(jī)質(zhì)含量數(shù)據(jù)進(jìn)行的普通克里格插值法（KYJZ）共6種插值方法。研究區(qū)共布設(shè)1133個(gè)樣點(diǎn)。

采樣點(diǎn)盡量選擇靠近格網(wǎng)中心的耕地圖斑上，在樣點(diǎn)附近20 m范圍內(nèi)的耕地表層（0—20 cm）土壤上多點(diǎn)（5個(gè)）混合取樣，用4分法取大約1kg土樣作為該樣點(diǎn)的土壤樣品。運(yùn)用手持GPS確定樣點(diǎn)坐標(biāo)，記錄各樣點(diǎn)的編號(hào)、利用現(xiàn)狀、地貌特征及灌排條件等相關(guān)信息。土壤樣品經(jīng)過(guò)自然風(fēng)干、研磨和過(guò)篩等措施后，采用常規(guī)的重鉻酸鉀氧化滴定法測(cè)定土壤有機(jī)質(zhì)含量。各樣點(diǎn)格網(wǎng)密度布設(shè)、采集和處理的方法均一致。此外，為驗(yàn)證不同格網(wǎng)及處理方法進(jìn)行農(nóng)用地分等的結(jié)果精度，在全市范圍布設(shè)258個(gè)樣點(diǎn)作為驗(yàn)證點(diǎn)。

1.2.2結(jié)合不同類型信息的克里格空間插值模型 利用布設(shè)的8種不同的樣點(diǎn)密度所得樣點(diǎn)，采用設(shè)計(jì)的6種結(jié)合類型信息的克里格法分別對(duì)土壤有機(jī)質(zhì)含量進(jìn)行空間預(yù)測(cè)。結(jié)合類型信息的空間插值模型將每一個(gè)樣點(diǎn)的土壤有機(jī)質(zhì)含量值z(mì)（xkj）分為相同類型均值μ（tk）和殘差r（xkj）之和。用公式表示為：

式1中，z（xkj）是樣品的土壤有機(jī)質(zhì)含量；μ（tk）為相同類型樣品的均值；r（xkj）是樣品土壤有機(jī)質(zhì)含量與其相同類型樣品的均值之差，稱為“殘差”。

將殘差作為一個(gè)新的區(qū)域變量r（xkj）進(jìn)行普通克里格插值，空間插值利用ArcGIS軟件中的地統(tǒng)計(jì)分析模塊完成。樣點(diǎn)的土壤有機(jī)質(zhì)含量預(yù)測(cè)值Z*（xkj）為類型均值μ（tk）與殘差觀測(cè)值r*（xkj）之和：

本文中，KTR法、KDMTR法和KDLTR法中的土壤類型均劃分到土屬級(jí)別。土壤類型資料來(lái)自于第二次土壤普查成果中的1∶50000土壤圖和《龍海土壤》；土地利用現(xiàn)狀資料來(lái)源于龍海市2012年度土地利用變更調(diào)查數(shù)據(jù)庫(kù)；地貌劃分來(lái)源于福建省農(nóng)用地分等成果更新項(xiàng)目成果中的指標(biāo)區(qū)圖。

1.2.3不同格網(wǎng)密度和空間插值模型對(duì)土壤有機(jī)質(zhì)空間分布表征和農(nóng)用地分等成果精度的影響研究 根據(jù)

上述數(shù)據(jù)處理方法分別進(jìn)行分類克里格插值，得到研究區(qū)土壤有機(jī)質(zhì)空間分布圖。為探明土壤有機(jī)質(zhì)預(yù)測(cè)值對(duì)農(nóng)用地分等成果的影響，將研究布設(shè)的258個(gè)驗(yàn)證點(diǎn)讀取的預(yù)測(cè)值與實(shí)測(cè)值，依據(jù)《農(nóng)用地分等規(guī)程》（TD/ T1004-2003）分別計(jì)算得到驗(yàn)證樣點(diǎn)的自然質(zhì)量分、自然質(zhì)量等指數(shù)和自然質(zhì)量等別的實(shí)測(cè)值和預(yù)測(cè)值。農(nóng)用地分等所需的標(biāo)準(zhǔn)耕作制度分區(qū)、基準(zhǔn)作物、指定作物、光溫、氣候生產(chǎn)潛力指數(shù)，指標(biāo)區(qū)、分等因素指標(biāo)體系及權(quán)重、指標(biāo)分值及分級(jí)，指定作物最大產(chǎn)量、最大產(chǎn)量—成本指數(shù)、產(chǎn)量比系數(shù)依據(jù)《福建省農(nóng)用地分等成果更新技術(shù)方案》和《龍海市農(nóng)用地分等成果更新》成果所定方法與數(shù)值確定。為檢驗(yàn)結(jié)合不同類型信息的空間插值模型對(duì)土壤有機(jī)質(zhì)含量預(yù)測(cè)和農(nóng)用地分等成果精度的影響，運(yùn)用SPSS統(tǒng)計(jì)軟件將驗(yàn)證樣點(diǎn)的預(yù)測(cè)值與實(shí)測(cè)值分別進(jìn)行配對(duì)樣本t檢驗(yàn)，研究基于不同格網(wǎng)密度和結(jié)合不同類型信息空間插值模型下的土壤有機(jī)質(zhì)含量和農(nóng)用地分等成果的預(yù)測(cè)值和實(shí)測(cè)值（驗(yàn)證點(diǎn)）之間是否具有顯著差異。通過(guò)驗(yàn)證點(diǎn)實(shí)測(cè)值與預(yù)測(cè)值的均方根誤差（RMSE），對(duì)土壤有機(jī)質(zhì)含量和農(nóng)用地分等成果的預(yù)測(cè)精度進(jìn)行驗(yàn)證，研究滿足精度要求的數(shù)據(jù)處理方法及所需格網(wǎng)密度。

2　結(jié)果與分析

2.1不同空間插值模型和樣點(diǎn)密度下預(yù)測(cè)值與真實(shí)值的差異性

為了驗(yàn)證不同的格網(wǎng)密度和空間插值模型預(yù)測(cè)的土壤有機(jī)質(zhì)含量對(duì)農(nóng)用地分等成果是否存在顯著差異，本文運(yùn)用SPSS統(tǒng)計(jì)軟件對(duì)各種密度及插值模型下所得農(nóng)用地分等成果（自然質(zhì)量分、自然質(zhì)量等指數(shù)、自然質(zhì)量等別）與驗(yàn)證樣點(diǎn)采用實(shí)測(cè)值計(jì)算所得結(jié)果進(jìn)行配對(duì)樣本t檢驗(yàn)。

根據(jù)表1可知，當(dāng)格網(wǎng)密度大于或等于2.5 km×2.5 km時(shí)，除KDL法和KYJZ法外，其余各種插值模型在各密度等級(jí)上的土壤有機(jī)質(zhì)空間預(yù)測(cè)效果良好，均不存在顯著性差異（顯著性＞0.10）；當(dāng)格網(wǎng)密度小于或等于3 km×3 km時(shí)，各種空間插值模型的土壤有機(jī)質(zhì)含量預(yù)測(cè)值與實(shí)測(cè)值之間出現(xiàn)無(wú)規(guī)律的顯著性差異，表明此時(shí)隨著格網(wǎng)密度的下降，由于樣點(diǎn)數(shù)過(guò)少，已經(jīng)不適用于南方丘陵區(qū)的土壤有機(jī)質(zhì)的空間預(yù)測(cè)。

表1　土壤有機(jī)質(zhì)含量預(yù)測(cè)值與實(shí)測(cè)值配對(duì)樣本t檢驗(yàn)Tab.1 The paired samples t-test signifcant analysis of SOC

由表2—表4可知，就格網(wǎng)密度與各種插值模型對(duì)農(nóng)用地分等成果（自然質(zhì)量分、自然質(zhì)量等指數(shù)和自然質(zhì)量等別）的影響而言，當(dāng)格網(wǎng)密度大于或等于1 km×1 km時(shí)，各空間插值模型在各密度等級(jí)下的農(nóng)用地分等成果的預(yù)測(cè)值和實(shí)測(cè)值均不存在顯著性差異，表明當(dāng)格網(wǎng)密度大于或等于1 km×1 km時(shí)，由于樣點(diǎn)數(shù)目充足，采用何種數(shù)據(jù)處理方法在南方丘陵區(qū)進(jìn)行農(nóng)用地分等區(qū)別并不明顯；當(dāng)格網(wǎng)密度小于或等于1.5 km×1.5 km時(shí)，基于各空間插值模型的農(nóng)用地分等成果的預(yù)測(cè)值和實(shí)測(cè)值之間陸續(xù)出現(xiàn)顯著性差異，表明不同樣點(diǎn)密度和空間插值模型將對(duì)農(nóng)用地分等成果產(chǎn)生影響，且各種方法對(duì)自然質(zhì)量分、自然質(zhì)量等指數(shù)和自然質(zhì)量等別的影響不一致，未呈現(xiàn)明顯規(guī)律性。但總體上KTR法、KDM和KDMTR在農(nóng)用地分等成果預(yù)測(cè)上表現(xiàn)更加可靠，其中KDMTR法最好，格網(wǎng)密度的變化不會(huì)引發(fā)預(yù)測(cè)效果的突變。表明結(jié)合地貌和土壤信息的空間插值模型對(duì)于農(nóng)用地分等成果有更好的預(yù)測(cè)效果。

2.2不同采樣點(diǎn)密度和空間插值模型對(duì)土壤有機(jī)質(zhì)含量及農(nóng)用地分等成果預(yù)測(cè)精度的影響

為進(jìn)一步研究不同的采樣點(diǎn)密度和空間插值模型對(duì)土壤有機(jī)質(zhì)含量預(yù)測(cè)和農(nóng)用地分等成果（自然質(zhì)量分、自然質(zhì)量等指數(shù)、自然質(zhì)量等別）精度的影響，采用均方根誤差（RMSE）來(lái)評(píng)價(jià)其預(yù)測(cè)精度的高低，并獲取適合試驗(yàn)區(qū)的最優(yōu)格網(wǎng)密度和空間插值模型（圖1）。

表2　自然質(zhì)量分預(yù)測(cè)值與實(shí)測(cè)值配對(duì)樣本t檢驗(yàn)Tab.2 The paired samples t-test signifcant analysis of nature quality score

表3　自然質(zhì)量等指數(shù)預(yù)測(cè)值與實(shí)測(cè)值配對(duì)樣本t檢驗(yàn)Tab.3 The paired samples t-test signifcant analysis of physical quality grade index

表4　自然質(zhì)量等別預(yù)測(cè)值與實(shí)測(cè)值配對(duì)樣本t檢驗(yàn)Tab.4 The paired samples t-test signifcant analysis of physical quality grade

圖1　不同格網(wǎng)密度和空間插值模型表征土壤有機(jī)質(zhì)含量和農(nóng)用地分等成果的預(yù)測(cè)精度Fig.1 The accuracy prediction of SOC and agricultural land gradation within different density grids and spatial interpolation methods

由圖1可知，不同的格網(wǎng)密度和空間插值模型對(duì)土壤有機(jī)質(zhì)和農(nóng)用地分等成果的精度產(chǎn)生不同程度的影響。隨著格網(wǎng)密度的減小，不同插值模型的土壤有機(jī)質(zhì)含量、自然質(zhì)量分和自然質(zhì)量等指數(shù)的均方根誤差均在整體上出現(xiàn)不斷增大的趨勢(shì)，而自然質(zhì)量等別的均方根誤差則沒(méi)有規(guī)律性。土壤有機(jī)質(zhì)含量和農(nóng)用地分等成果的均方根誤差均在格網(wǎng)密度為0.5 km×0.5 km時(shí)均值最小，相較于4 km×4 km的格網(wǎng)密度，土壤有機(jī)質(zhì)含量的均方根誤差均值降幅達(dá)59%，農(nóng)用地分等成果的均方根誤差均值降幅達(dá)37%，表明無(wú)論采用哪種空間插值模型，土壤有機(jī)質(zhì)含量和農(nóng)用地分等成果的精度與格網(wǎng)密度呈正相關(guān)。根據(jù)表5可知，各種空間插值模型中，KDMTR法的均方根誤差均值最小，說(shuō)明KDMTR法進(jìn)行的農(nóng)用地分等成果精度最高。

進(jìn)一步分析樣點(diǎn)密度對(duì)KDMTR法所得土壤有機(jī)質(zhì)含量和農(nóng)用地分等成果精度的影響可知（表6），在KDMTR法中，不同的格網(wǎng)密度對(duì)土壤有機(jī)質(zhì)的預(yù)測(cè)精度產(chǎn)生較為明顯的影響，0.5 km×0.5 km的預(yù)測(cè)精度較4 km×4 km的預(yù)測(cè)精度提高了約1倍?？傮w而言，土壤有機(jī)質(zhì)的預(yù)測(cè)精度與格網(wǎng)密度呈正相關(guān)，樣點(diǎn)數(shù)越多，預(yù)測(cè)精度越高。其中，格網(wǎng)密度從1 km×1 km—2 km×2 km及從2.5 km×2.5 km—4 km×4 km的均方根誤差均值都處于同一水平。因此，土壤有機(jī)質(zhì)含量預(yù)測(cè)較為高效的樣點(diǎn)布設(shè)密度應(yīng)為2 km×2 km。

KDMTR法中，就格網(wǎng)密度對(duì)農(nóng)用地分等成果精度的影響而言，各格網(wǎng)密度下的均方根誤差值相差并不大，就自然質(zhì)量分、自然質(zhì)量等指數(shù)自身的數(shù)量級(jí)而言，預(yù)測(cè)精度的差異可忽略不計(jì)，認(rèn)為格網(wǎng)密度對(duì)農(nóng)用地分等成果的精度影響很小。造成上述現(xiàn)象的原因主要是：雖然土壤有機(jī)質(zhì)含量是影響農(nóng)用地（耕地）質(zhì)量的重要因素，但農(nóng)用地分等過(guò)程中的分級(jí)賦值法及多因素綜合評(píng)價(jià)法中權(quán)重的存在，致使數(shù)據(jù)總體上迅速聚集，離散程度大幅降低，縮小了預(yù)測(cè)精度對(duì)分等成果的差異性。分級(jí)賦值規(guī)則及權(quán)重弱化了土壤有機(jī)質(zhì)在農(nóng)用地分等評(píng)價(jià)體系中的相關(guān)性。結(jié)合前面的差異性分析結(jié)果，采用KDMTR法進(jìn)行數(shù)據(jù)處理時(shí)，最高效的樣點(diǎn)密度應(yīng)為3.5 km×3.5 km。

綜上，在開(kāi)展農(nóng)用地分等工作時(shí)，如果需考慮獲取較高精度的土壤有機(jī)質(zhì)含量信息時(shí)，按2 km×2 km的樣點(diǎn)密度并結(jié)合KDMTR法布設(shè)土壤調(diào)查樣點(diǎn)，為最高效的樣點(diǎn)布設(shè)和數(shù)據(jù)處理方式；如果僅需獲取農(nóng)用地分等結(jié)果時(shí)，按3.5 km×3.5 km的樣點(diǎn)密度并結(jié)合KDMTR法布設(shè)土壤調(diào)查樣點(diǎn)，為最高效的樣點(diǎn)布設(shè)和數(shù)據(jù)處理方式。

表5　不同空間插值模型下土壤有機(jī)質(zhì)含量和農(nóng)用地分等成果的預(yù)測(cè)精度Tab.5 The mean RMSE of SOC and agricultural land gradation in different spatial interpolation methods

表6　KDMTR法不同樣點(diǎn)密度下土壤有機(jī)質(zhì)含量和農(nóng)用地分等成果的預(yù)測(cè)精度Tab.6 The mean RMSE of SOC and agricultural land gradation of KDMTR in different sample density

3　結(jié)論

結(jié)合不同類型信息的克里格空間插值模型對(duì)于土壤有機(jī)質(zhì)含量及農(nóng)用地分等成果（自然質(zhì)量等）具有顯著差異。各種數(shù)據(jù)處理方法中，總體上KTR法、KDM和KDMTR在農(nóng)用地分等成果預(yù)測(cè)上表現(xiàn)更加可靠，其中KDMTR法為最好的數(shù)據(jù)處理方法，表明結(jié)合地貌和土壤信息的空間插值方法對(duì)于農(nóng)用地分等成果有最好的預(yù)測(cè)效果。

無(wú)論采用哪種空間插值模型，土壤有機(jī)質(zhì)含量和農(nóng)用地分等成果的精度與格網(wǎng)密度呈正相關(guān)。當(dāng)土壤采樣點(diǎn)布設(shè)的格網(wǎng)密度大于或等于1 km×1 km時(shí)，研究所采用的不同空間插值模型對(duì)農(nóng)用地分等成果的精度無(wú)顯著影響。

如果需考慮獲取較高精度的土壤有機(jī)質(zhì)含量信息時(shí)，按KDMTR法結(jié)合0.5 km×0.5 km的樣點(diǎn)密度布設(shè)土壤調(diào)查樣點(diǎn)，為精度最高的樣點(diǎn)布設(shè)和數(shù)據(jù)處理方式；采用KDMTR法結(jié)合2 km×2 km的樣點(diǎn)密度布設(shè)土壤調(diào)查樣點(diǎn)，為最高效的樣點(diǎn)布設(shè)和數(shù)據(jù)處理方式。

在開(kāi)展縣級(jí)農(nóng)用地分等時(shí)，如果僅需考慮獲取農(nóng)用地分等結(jié)果時(shí)，土壤采樣點(diǎn)密度對(duì)農(nóng)用地分等精度影響較小，但結(jié)合不同類型信息的空間插值方法對(duì)農(nóng)用地分等成果精度影響顯著。采用KDMTR法并按3.5 km×3.5 km的格網(wǎng)密度布設(shè)土壤調(diào)查樣點(diǎn)，為最高效的樣點(diǎn)布設(shè)和空間插值模型。

（

）：

［1］Burke I C， Laurenroth W K， Coffin D P. Recovery of soil organic matter and N mineralization in semiarid grasslan： Implications for the conservation reserve Program［J］ . Ecological Applications， 1995， （5）： 793 - 801.

［2］Gregorich E G， Carter M R， Angers DA， et al. Towards a minimum data set to assess soil organic matter quality in agricultural soils［J］ . Canadian Journal of Soil Science， 1994， 74（4）： 367 - 385.

［3］ Stevenson F J， Cole M A. Cycles of soil carbon， nitrogen， phosphorus， sulfur， micronutrients［M］ . John Wiley & Sons Inc， USA， 1999.

［4］Janzen HH， Campbell CA， Ellert BH， et al. Soil organic matter dynamics and their relati-onship to soil quality［A］ . Gregorich， EG，Carter MR， editors. Soil Quality for Crop Production and Ecosystem Health［M］ . Amsterdam： Developments in Soil Science 25，Elsevier， 1997： 277 - 291.

［5］ 中華人民共和國(guó)國(guó)土資源部.農(nóng)用地分等規(guī)程（TD/T1005-2003）［M］ .北京：中國(guó)標(biāo)準(zhǔn)出版社，2003.

［6］ 陳懷滿. 環(huán)境土壤學(xué)［M］ . 北京：科學(xué)出版社，2005：488 - 497.

［7］Li Y. Can the spatial prediction of soil organic matter contents at various sampling scales be improved by using regression kriging with auxiliary information？［J］ . Geoderma， 2010， 59： 63 - 75.

［8］Knotters M， Brus D J， Voshaar J H O. A comparison of kriging， co-kriging and kriging combined with regression for spatial interpolation of horizon depth with censored observations［J］ . Geoderma， 1995， 67： 227 - 246.

［9］Bourennane H， King D， Couturier A. Comparison of kriging with external drift and simplelinear regression for predicting soil horizon thickness with different sample densities［J］ . Geoderma， 2000， 97： 255 - 271.

［10］趙永存，史學(xué)正，于東升，等.不同方法預(yù)測(cè)河北省土壤有機(jī)碳密度空間部分特征的研究［J］ .土壤學(xué)報(bào)，2005，42（3）：379 - 385.

［11］連綱，郭旭東，傅伯杰，等.黃土高原縣域土壤養(yǎng)分空間變異特征及預(yù)測(cè)——以陜西省橫山縣為例［J］ .土壤學(xué)報(bào)，2008，（4）：577 - 584.

［12］ 唐國(guó)勇，黃道友，黃敏，等. 紅壤丘陵景觀表層土壤有機(jī)碳空間變異特點(diǎn)及其影響因子［J］ .土壤學(xué)報(bào)，2010，47（4）：753 - 759.

［13］ 范勝龍，劉友兆.不同布點(diǎn)密度條件下土壤有機(jī)碳的空間變異特性研究［J］ .土壤通報(bào)，2012，43（3）：668 - 673.

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

［15］SMITH J L， HALVORSON J J， HARVEY J B. Spatial relationships of soil microbial biomass and C and N mineralization in a semiarid shrub-steppe ecosystem［J］ . Soil Biology & Biochemistry， 1994， 26： 1151 - 1159.

［16］Sch?ning I， Totsche K U， K?gelKnabner I. Small scale spatial variability of organic carbon stocks in litter and solum of a forested Luvisol［J］ . Geoderma，2006， 136： 631 - 642.

（本文責(zé)編：陳美景）

The Infuence of Spatial Interpolation Model and Sampling Density of Soil Organic Matter in the Farmland Quality Evaluation Accuracy in Hilly Region of South China： A Case Study of Longhai City， Fujian Province

FAN Sheng-long1， LIN Xiao-dan1，TU Kai1， TANG Jun-hong1， LIN Xiang-chen2， HUANG Yan-he1
（1. College of Resource and Environment Science， Fujian Agriculture and Forestry University， Fuzhou 350002， China；2. Land Surveying and Planning Department of Fujian Province， Fuzhou 350002， China）

The purpose of this paper is to research spatial interpolation model and sampling density's effects onquality evaluation accuracy in hilly region of south China. The paper compares different evaluation results according to eight kinds of grid density based on grid sampling of soil organic matter and six classification methods in Longhai City of Fujian Province. The results show that： 1）Combination of different information of kriging interpolation models have significant differences on soil organic matter and the result of farmland classification（natural quality）， soil organic matter and the result of farmland classification show positively correlated with grid density of soil sample. Spatial interpolation method which combined with topography and soil information（KDMTR）has the best prediction for farmland quality evaluation. 2）If accurate information of soil organic matter content should be in consideration， the efficient sampling point layout is grid sampling based on the topography and soil types， and the best grid size is about 2 km×2 km. 3）If only farmland quality evaluation result at the county level should be in consideration， the density of soil sampling points has small effects on the accuracy of farmland quality evaluation result， but the combination of different information space interpolation method has significant effects on the accuracy of farmland quality evaluation result. The best spatial interpolation model is Kriging interpolation based on the topography and soil types and the most efficient sampling point layout is grid sampling with grid size of 3.5 km×3.5 km. The paper concludes that obviously effect can be noticed by spatial interpolation model to evaluate farmland quality， yet the density of sampling has small effect at the county level in hilly region of south China.

land assessment； farmland quality evaluation； soil organic matter； sampling point layout； spatial interpolation models

F301.2

A

1001-8158（2015）10-0065-08

10.11994/zgtdkx.2015.10.009

2015-03-24

2015-09-26

福建省自然科學(xué)基金資助項(xiàng)目（2015J01624）。

范勝龍（1976-），男，福建永定人，博士，副教授。主要研究方向?yàn)橥恋刭|(zhì)量評(píng)價(jià)、土地資源可持續(xù)利用。E-mail： fsl@fafu.edu.cn

黃炎和（1962-），男，廣東饒平人，博士，教授。主要研究方向?yàn)橥寥狼治g與治理、土地資源可持續(xù)利用。E-mail： yanhehuang@163.com