一种基于样点代表性等级的土壤采样 设计方法

一种基于样点代性等级的土壤采样 设计方法 ------------------------------------------------------------------------------------------------ 一种基于样点代表性等级的土壤采样 设计方法 第48卷第5期2011年9月 土壤学报 Vol.48，No.5Sep(，2011 ACTAPEDOLOGICASINICA 一种基于样点代表性等级的土壤采样 * 设计方法 杨琳朱阿兴秦承志李宝林裴韬 (中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京100101) 摘要采样设计是获取土壤空间分布信息的关键环节，直接影响到土壤制图的精度。目前常用的 采样设计方法大多存在着设计样本量大、采样效率不高的问题。当可投入资源难以完成一次性大量采样时，采样往往需要多次、分批进行。然而现有分批采样方法多考虑各批采样点在地理空间的互补性，可能造成样影响采样资源的高效利用。鉴于此，本研究通过对与土壤在空间分布具有协同变化本点在属性空间的重叠， 的环境因子进行聚类，寻找可代表土壤性状空间分布的不同等级类型的代表性样点，建立一套基于代表性等级的采样设计方法。将该采样方法应用于位于黑龙江省嫩江县鹤山农场的研究区，利用所—————————————————————————————————————— ------------------------------------------------------------------------------------------------ 采集的不同探讨采样与数字土壤制图精度的关系，以评价本文所代表性等级的样点进行数字土壤制图并进行验证， 通过代表性等级最高的少量样点可获取研究区的大部分主要土壤类型(中国土提出的采样方法。结果表明， 壤系统分类的亚类级别)，且制图精度较高;随着代表性等级较低样点的加入，土壤图精度提高;但当样点增土壤图的精度变化不大。因此，与样点数相比，样点的代表性高低对制图精度的影响更大。加到一定数量时， 该方法所提出的代表性等级可以为样点采集顺序提供参考，有助于设计高效的逐步采样方案。 关键词中图分类号 采样设计;样点代表性等级;模糊聚类;数字土壤制图 P934 文献标识码 A 对土壤资源及其空间分布的准确认识，是充 分、合理、持久地利用土壤资源的基础。从19世纪末俄罗斯自然地理学家Dokuchaeiv应用地理综合法对尼日格勒省黑钙土的调查开始，土壤调查已经历了百余年的发展 ,1-2, 研究表明:需要100,150个样点才能建立有效的变差函数。Stein等 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ ,18, 的研究表明，随着样本数减少， 普通克立格法对土壤水分的预测精度显著降低。 此外，变差函数的建立需满足两个假设:二阶平稳假设和本征假设。这两个假设在复杂的实际野外条件下很难得到满足。 近年来，数据获取技术和现代信息技术的发展为推测土壤性状的空间分布提供了越来越多的辅助环境数据(ancillarydata，也称secondaryinforma-tion)，例如遥感影像、高精度数字高程模型(DEM)及衍生出的一系列地形属性等 ,19, 。由于不可能测得区域内所 有位置的土壤性状(类型或属性)，采样调查便成为 获取土壤信息及其空间分布的基本方法。采样设计直接影响到利用样点进行土壤制图的精度，因而成为土壤采样调查中的关键环节 ,3-9, 。 目前，常用于土壤性状空间分布推测制图的采样方法包括:经典采样方法和空间采样方法。经典采样，如随机采样、系统采样等，简单易行、应用广泛，但通常需要大量样点才能全面准确地获取土壤性状的空间分布特征 ,10-11, 。研究者们开始 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 利用环境数据来辅助空间采样设计。Minasny和McBratney,20,运用拉丁超立方方法将样点均匀布设通过全面覆盖参数空于土壤环境因子的参数空间， 间获取土壤的空间分布特征。该方法设计的样本量较大，增加了野外采样的成本。Minasny等 ,21, 。由于野外采样需要耗 费大量的人力、物力和时间，因而，这种方法效率 低、成本高。空间采样方法是在地统计学的支持下，考虑区域土壤的空间自相关特性来设计采样样点 ,12-16, 采 。这类方法常依赖于需大量样本才能建立 用变差四分法根据环境因子参数空间的变化程度 在环境因子参数变化剧烈的地区设来设计样点， 反之则设计样点数量少。然而该计样点数量多， Webster和Oliver,17,的的空间变差函数(variogram)， *国家自然科学基金项目(41001298)、41023010)资助科技部国际科技合作项目(2010DFB24140)、国家自然科学基金项目(40971236，作者简介:杨 mail:yanglin@lreis.ac.cn琳(1982—)，女，山东文登人，博士，主要从事数字土壤制图研究。E-收稿日期:2010,11,27;收到修改—————————————————————————————————————— ------------------------------------------------------------------------------------------------ 稿日期:2011,03,29 5期杨琳等:一种基于样点代表性等级的土壤采样设计方法939 方法所设计的样本也通常较多，因此其采样成本较高。 受可投入资源(包括人力、物力)的限制，一次性采集满足较高精度土壤制图所需的样本数量通 特别是对于大尺度的土壤调查而常是不现实的， 言，采样往往需要多次、分批、逐步进行。现有的分 但批采样多考虑各批采样点在地理空间的互补性，可能造成样本点在属性空间的重叠，因而造成采样 关于分批逐步采样设计方法的资源的浪费。目前，研究还非常有限。 土壤在空间的分布往往是连续变化的，由一种典型土壤类型逐渐变化到另一种典型土壤类 型，因而在空间中存在着可代表土壤性状变化的代表性样点。这些代表性样点可根据土壤性状变化类型的差异进一步分为代表土壤性状全局变化 本研究提出一种基和局域变化的样点。基于此， 于代表性等级的采样方法，旨在寻找可代表土壤 性状不同等级(尺度)变化的样点，同时，代表性等为分批逐步采级可指示样点采集的优先级顺序， 样的统筹规划提供所需的重要信息。本研究拟以设计可代表土壤类型空间变化的土壤类型为例， —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 并利用所得代表性样点不同代表性等级的样点， 进行土壤制图进而对本研究所提采样方法进行 评价。 合来间接代表在空间分布的不同土壤类型。本文所提出的采样设计方法的基本思路为:通过对土壤协同环境因子采用模糊聚类的方法可以获得环境 随着聚类数逐渐增大，所得环境因子组因子组合， 合也逐渐增多、细化;假设不同聚类数下环境因子 组合可反映随尺度不同而变化的土壤类型，即可通过多个聚类数下的环境因子组合结果设计不同代表性等级的样点。以下是具体方法: (1)选择并获取土壤协同环境因子。研究区母质及植被基本一致，最大海拔高差小于100m，高程因此，选择坡度、沿等高线对土壤分布的影响不大，曲率(Planformcurvature)、沿剖面曲率(Profilecur-vature),23,及地形湿度指数(Topographicwetnessin-dex)四个环境因子来体现该区土壤类型的空间分布差异。环境因子的空间变化信息通过数字地形分析方法获取。研究区的数字地形DEM数据是以1?10000地形图为基本输入，采用ARC/Info软件平台下的TopoGrid和TINLATTICE相结合的方法生,24, 成。根据本研究土壤制图的尺度(流域尺度)要选择10m分辨率作为研求并结合地形图的比例尺， 并计算坡度、沿等高线曲率、究区DEM的格网大小， ,24-25, —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 。沿剖面曲率及地形湿度指数 (2)获取环境因子组合。采用模糊c均值聚类 meansclustering),26,对所选四个环境方法(Fuzzyc- 1 1.1 研究区与研究方法 研究区 聚因子进行模糊聚类。通过对该区野外考察可知， 类数从8到13的所得环境因子组合可体现该区不同尺度的土壤类型在空间的变化情况。因而，聚类数选择从8到13，所得聚类结果为环境因子组合的模糊隶属度分布图(如图1a所示)。对于某一环境 其模糊隶属度图中隶属度值高的区域因子组合类， 被认为是该类环境因子组合的中心位置，可通过设 定隶属度阈值确定环境因子组合的中心位置。在隶属度阈值设定为0.6(隶属度取值范围本研究区， 为0到1)，即隶属度大于0.6以上的位置为类别中心区。如图1b所示，图中值为1的像素代表该环境因子组合的中心位置。 (3)确定代表性等级。将多个聚类数下的环境因子组合类的中心位置进行叠加，生成环境因子组合中心位置的频率分布图(栅格格式，见图2)。假设:环境因子组合中心位置重合的次数越多，其对全局土壤类型的代表性就越高，在其上设计的样点就更容易获得研究—————————————————————————————————————— ------------------------------------------------------------------------------------------------ 区土壤类型与环境之间的主要关系;反之，代表性等级也越低，主要代表了局域变化的土壤类型，在其上设计的样点获得研究区土壤 研究区位于中国黑龙江省黑河市嫩江县鹤山 2 农场老莱河流域，面积约为60.2km。该区处于寒温带季风草甸草原区，冬季漫长而干冷，夏季短促而湿润，年降水量400,550mm。最大高程为366m，高差约为100m，地形起伏平缓。该区的地貌主要是不同程度切割的山前洪积台地及冲积湖积平原。整个研究区的母质基本上一致，多为黄土状亚黏土和重壤土物质。根据第二次全国土壤普查结果，按土壤发生学分类，本区的主要土壤类型为黑土与草 ,22, 甸土。原生植被为疏林草甸、灌丛草甸和杂类草草甸，但近四十年多被开垦为农田，主要农作物是大豆和玉米，人类活动剧烈。1.2 研究方法 基于土壤景观模型理论，土壤在空间分布的类型对应了多种环境因子在一定属性范围内的组合，将其称之为环境因子组合，因而可通过环境因子组 940土壤学报48 卷 图1 Fig.1某环境因子组合模糊隶属度图(a)及其中心区图(b)Fuzzymembershipmap(a)andtypicalpositionsmap(b) —————————————————————————————————————— ------------------------------------------------------------------------------------------------ ofacertaincombinationofenvironmentalco-variates类型与环境之间的次要关系。因此，根据中心位置出 现的次数(频率)来确定代表性等级的高低，重叠次 代表性等级最高，代表性等级随重叠次数数最多的， 依次降低。图2中频率值为6的位置代表有6个环 境因子组合的中心位置出现，代表性等级为6，代表 性等级最高，频率由5到1的代表性依次为5到1。 (4)样点设计。环境因子组合中心位置的频率 分布图指示了每个像素上环境因子组合中心位置 出现的次数。对于同一代表性等级的像素而言，其 环境因子组合中心位置出现的次数相同，但环境因 j)和(k，l)代表例如，像素(i，子组合类型可能不同， j)出现的环境因子组合类性等级同为2，但像素(i， 型为聚为8类时的第1类环境因子组合和聚为10 l)出现的环境类时的第4类环境因子组合，像素(k， 因子组合类型为聚为9类时的第1类环境因子组合 和聚为10类时的第3类环境因子组合。为了表达 这种同一代表性等级下的不同像素以进行采样设 计，将每个像素上出现的环境因子组合以链的形式 将其称之为环境因子组合链。例如，像素来表达， (i，j)环境因子组合链的形式为8Class1-10Class4。 同种环境因子组合链的像素构成了某一景观模式 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 不同代表性等级体现了不同在空间上的典型位置， 等级的景观模式，每一代表性等级内因环境因子组 合链的不同体现了不同的景观模式 。图2Fig.2环境因子组合中心位置出现频率图 Frequencyoftypicalpositionsofthecombinationofenvironmentalco-variate s根据各像素上出现的环境因子组合，得到研究区代表性从6到1的共322种不同的环境因子组合链。当代表性较低的某种环境因子组合链中所出 5期杨琳等:一种基于样点代表性等级的土壤采样设计方法941 现的各聚类数下的环境因子组合与代表性较高的某种或多种环境因子组合链相应聚类数下的环境因子组合完全相同时，可认为该环境因子组合链不因为代表性较高的再具备对景观模式的指示作用， 环境因子组合链包含了其代表的景观模式。例如，ID为75的环境因子组合链为代表性等级为2、 9Class7-13Class12，其出现的所有环境因子组合与代ID为26的环境因子组合链8Class4-表性等级为3、 9Class7-13Class12中的相应环境因子组合一致，即 表1 Table1 代表性等级Representative grade6 环境因子组合链IDEnvironmentalcombinationschainID —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 18 2110301271317815201993231229221151428332616316425273523243 4 154227366088581738660003401000307088 9 这两种环境因子组合链都包含聚类数为9时的Class7和聚类数为 13时的Class12。对ID为75的环境因子组合链所对应的景观模式采 样所获得信息同样也可以代表ID为26的环境因子组合链所对应的景 观模式类。因此，对所有环境因子组合链进行挑选，剔除那些包含于 较其代表性等级更高的环境因子组合链中的环境因子组合链，最终可 得到区域内可指示采样点设计的35种环境因子组合链。如表1所示， 代表性等级从6到2。 经剔除后的环境因子组合链表 聚类数Clusteringnumber 10 11 12 136 315271249131113913578044101188120540088000 环境因子组合类 Environmentalcombinationclasses2511152610737599469946810871410 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 84824483236530791365050323601251081001214003091602060040011947000087000370004720000661000791287012000706030100002128000 Matrixoftheenvironmentalcombinationschainsafterscreening 数量Number9 57 44 312 23 注:每一聚类数对应列中的数字代表该聚类数下的环境因子组合 类编号，例如聚类数为8对应的第一行数字1即代表聚类数为8下的 环0代表该聚类数下的没有环境因子组合出现Note: ThedigitinthecolumnofeachclusteringrepresentstheclassIDofenviron-境 因子组合Class1， mentalcombinationunderthecorrespondingclusteringnumber， e.g.thefirstdigit，1， underClustering8representsenvironmentalcombinationClass1.Thedigit，0， meansthatnoenvironmentalcombinationclassoccursforthecorrespondingclusteringnumber 942土壤学报48卷 在环境因子组合链上设计样点还需另外两个指标:环境因子组合 链的面积与环境因子组合链的平均模糊隶属度。环境因子组合链的平 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 均模糊隶属度是指该环境因子组合链包含的每一聚类数下环境因子组合的模糊隶属度的平均值。该值代表了每一像素代表该链的典型性。在得到上述指标之后，最终设计采样时按照下述原则:首先，按照代表性由高到低，先在代表性等级高的环境因子组合链(景观模式)设计样点，再在代表性等级低的环境因子组合链设计样所设计样点的代表性与其对应环境因子组合链的点， 代表性等级相同。其次，对于同一种代表性等级，按依次设计。若环照环境因子组合链的面积大小排序，境因子组合链像素较少，即对应聚类数下的环境因子可认为该环境因子组合链代表性组合重叠面积较小，差，不进行采样设计，在本案例中，少于20个像素的每一环境因环境因子组合链不进行样点设计。最后， 子组合链上根据其对应像素的平均隶属度值高低设计样点，隶属度值越高越有可能被选择为样点，将研究区的地形图叠加，避开道路、居民点、水域等，确定 每一景观部位设计3个点。最终设最终的样点位置， 计66个样点。通过实地野外调查，去除不可获得的 样点，共获得48个样点，如图3所示 。 2 基于代表性样点的数字土壤制图及 其精度评价 采样方法效率的高低难以直接测定，本文利用 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 所得代表性样点进行土壤制图并对土壤图进行独立样点验证，以评价所提出的采样设计方法。2.1 数字土壤制图 经野外实地调查，通过代表性等级为6的样点可以获得研究区5种主要土壤类型:暗沃冷凉湿润雏形土、暗厚滞水湿润均腐土、普通简育湿润均腐土、普通简育-纤维有机滞水潜育土和石质湿润新成土，本研究中的土壤类型以中国土壤系统分类作为土壤分类系统，亚类作为基本单元;通过代表性等级为5的样点增加了一种土壤类型:普通冷凉湿润雏形土，并且由代表性等级6和5的样点基本可以获得研究区的大部分土壤类型;通过代表性等级为4的样点没有增加新的土壤类型信息，但所对应的增加环境因子组合特别是位于坡上的景观模式;类链细化了景观模式， 通过代表性等级为3的样点增加了普通简育湿润均即出现于不同环境状况腐土另一个实例(instance)， 至下的同一土壤类型均可称之为该土壤类型的实例，此，得到了研究区的所有土壤类型(实例)。 将代表性等级为6样点称为第1组样点，代表性等级为6和5的样点为第2组样点，代表性等级5和4的样点为第3组样点，为6、代表性等级为6、5、4和3的样点为第4组样点。通过这种方式可以模拟分批采样，即代表性等级由6到3的样点分别为第1批到第4批采集的样点。分别利用4组样点获取土壤-环境关系知识并通过模糊隶属度曲线来定量化这种土壤与环境关系的知识将环境因子数据和—————————————————————————————————————— ------------------------------------------------------------------------------------------------ 定量化的土壤-环境关系知识输入到土壤LandscapeInferenceModel，景观推理模型(Soil-SoLIM),28,，推测土壤类型在空间的分布，生成4套 土壤类型图，如图4所示。由图4可以看出:由代表性等级6样点所得土壤图(图4a)到第二组样点(代表性等级为6和5的样点)所得土壤图(图4b)因增加了一种土壤类型而变化最大，而图4b到图4c以及图4c到图4d的变化主要是土壤类型在空间分布的细节变化。2.2数字土壤制图的精度评价 ,24，27, 图3 Fig.3 实际获得样点图 利用50个独立野外验证样点对土壤类型图的 精度进行评价。验证点集通过系统采样(规则采样)、横切线采样和主观采样三种方案获得(图5)。 Samplingpointmapactuallyobtained 5期杨琳等:一种基于样点代表性等级的土壤采样设计方法 943 图4 Fig.4土壤类型图:(a)为代表性等级6的样点所得;(b)为代表性等级6和5的样点所得;5、4所得;(d)为代表性等级6、5、4和3的样点所得(c)为代表性等级6、Soilmaps:(a) —————————————————————————————————————— ------------------------------------------------------------------------------------------------ usingsamplesofRepresentativenessGrade6;(b) usingsamplesofRepresentativenessGrade6and5;(c)usingsamples 5and4;(d)usingsamplesofRepresentativenessGrade6，5，4and3ofRepresentativenessGrade6， 系统采样以0.6'×0.6'(纬度×经度)为间隔分布 (图5中圆形点)，用以检验土壤图获取的土壤类型 空间变化信息的整体情况。横切线采样是在研究 区中选择一条横穿山坡、沟谷的切线，沿着这条切 线设计样点，使其在较短的距离穿越主要的景观模式变化，共布设10个样点(图5中十字点)，样点间的平均距离为100m。主观采样是将样点主观布设在均匀采样和横切线采样没有布设到的景观部位例如:山顶，河谷和陡坡位置，共7个样点(图5上，中五角星点)。 944土壤学报48 卷 3结论 本文提出了一种利用土壤协同环境因子来设计可代表不同空间变化尺度的土壤类型的代表性样点的采样方法，样点的代表性等级同时还可指示样点的采集顺序。将该采样方法应用于位于黑龙江省嫩江县鹤山农场的研究区，利用所采集的不同代表性等级的样点进行数字土壤制图并进行验证，以评价本文所提出的采样方法。结果表明，通过代表性等级最高的少量样点可获取研究区的大部分主要土壤类型，随着代表性等级较低样点的加入，再获得其他土壤类型;同时，随着—————————————————————————————————————— ------------------------------------------------------------------------------------------------ 样点数量增加，土壤类型图精度提高，但当样点增加到一定数量，土壤图的精度变化不大，由此也可验证，并非采集越多的样点就可以提高制图精样点的代表性高低对制图精度的影响更大。度， 本研究所提出的采样方法一方面可以克服现有采样设计方法的局限性，提高采样效率、节约采 图5 Fig.5 验证点集 另一方面可以为调查者有效地利用有限的样成本， 采样资源并进行统筹规划提供重要的样点采集顺 因而可作为现有采样方法的拓展。除了在序信息， 该采样方本文中应用于土壤类型采样设计中以外， 法也可以应用于其他地理要素的采样设计。尽管所提出的采样方法在本文案例中取得了较好的效果，但仍然存在一些有待于进一步探讨的方面，例如方法参数(如聚类数、确定环境因子组合 方法敏感性研究中心位置的隶属度阈值)的选择、 以及该方法与经典采样或空间采样方法的对比等。 本研究的后续工作将在这些方面展开，同时将在较大面积的研究区应用以探讨该方法在大尺度地理要素调查中的效率。参考文献 ,1, USDA(SoilTaxonomy: Abasicsystemofsoilclassificationformakingandinterpretingsoilsurvey(http:—————————————————————————————————————— ------------------------------------------------------------------------------------------------ //soils(usda(gov/technical/classification/taxonomy/(1999 总精度Overallaccuracy (%)62707276 ,2,庄卫民(土壤调查与制图技术:理论方法应用(北京:中国 农业科技出版社， 1995(ZhuangWM(Techniquesofsoilsurveyandmapping:Theories，methodology，application(InChinese)(Beijing: ChinaAgriculturalScienceandTechnologyPress，1995 ,3, WebsterR(Quantitativeandnumericalmethodsinsoilclassifi-cationandsur vey(Oxford:ClarendonPress，1979 ,4,KishL(Surveysampling(USA:JohnWiley,Sons，1985,5,王珂，BaileyJS，etal(精确农业田间土壤空间变异沈掌泉， 与采样方式研究(农业工程学报，2001，17(2):33—36( Validationpointset 经上述验证点集的验证，四套土壤图的总体精 度见表2。此处的样点数量为制图有效样点数量，即包括去除获取土壤环境知识时解释为过渡类型的环境组合类链所对应的样点，及解释类内纯度不等于100%中不纯的样点。由表2看出，代表性等级为6的样点(12个)可以获得较高精度的土壤图，当样点数量由12增加到20，总体精度有一个较大 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 然后由20个样点到22个样点总体精度提的提高， 高较少，由22个样点到35个样点总体精度变化不 大。由此可以认为当增加的样点不能增加土壤制图有效的信息时， 土壤制图的精度的提高不大。 表2 Table2 采用不同代表性等级样点生成土壤图的总精度 Overallaccuraciesofsoilmapsbasedonsamplingpoints ofdifferentrepresentativenessgrade 代表性等级Representativeness grade66，56，5，46，5，4，3 样点数量Numberofsamples 12202235 5期杨琳等:一种基于样点代表性等级的土壤采样设计方法 1992，43(1):177—192 945 WangK，ShenZQ，BaileyJS， etal(Spatialvariantsandsam-plingstrategiesofsoilpropertiesforprecisiona griculture (InChinese)(TransactionsofTheChineseSocietyofAgriculturalEngineeri ng，2001，17(2):33—36 ,6,任振辉，吴宝忠(精细农业中最佳土壤采样间距确定方法 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 的 研究(农机化研究，2006，6:82—85(RenZH， WuBZ(Theresearchofdeterminemethodforthebestsoilsamplingspaceinprecisionagriculture (InChinese)(JournalofAgriculturalMechanizationResearch，2006，6: 82—85 ,7,GregoireTG， ValentineHT(Samplingstrategiesfornaturalre-sourcesandtheenvironment(Taylor,FrancisGroup，2007 ,8,BrusDJ，NoijIGAM(Designingsamplingschemesforeffect monitoringofnutrientleachingfromagriculturalsoils(EuropeanJournalofS oilScience，2008，59(2):292—303 ,9,HeimA，WehrliL，EugsterW，etal(Effectsofsamplingdesign ontheprobabilitytodetectsoilcarbonstockchangesattheSwissCarboEuropesiteLageren(Geoderma，2009，149:347—354 ,10,CochranWG(Samplingtechniques(3ded(USA:JohnWiley , Sons，1977 ,11,胡键颖，孙山泽(抽样调查的理论、方法和应用(北京: 北京 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 大学出版社，2006(HuJY，SunSZ(Samplingtheories，methodologyandapplications(InChinese)(Beijing:PekingUniversityPress，2006 ,12,CressieN(Statisticsforspatialdata(NewYork:Wiley,Sons，1991,13,李世清，高亚军，李生秀(土壤养分的空间变异性及确定 9(1):56—59(LiS样本容量的研究(土壤与环境，2000， Q，GaoYJ， LiSX(Studyonspatialvariabilityofsoilnutrientanddeterminingnumberofsa mple(InChinese)(SoilandEn-vironmentalSciences，2000，9(1):56—59 ,14,WangJF，LiuJY， ZhuangDF(Spatialsamplingdesignformo-nitoringtheareaofcultivatedlan d(InternationalJournalofRe-moteSensing，2002，23(2):263—284 ,15,HainingR(Spatialdataanalysis(Cambridge: CambridgeUniver-sityPress，2003 ,16,王劲峰，姜成晟，李连发，等(空间抽样与统计推断(北京: 2009(WangJF，JiangCS，LiLF，etal(Spa-科学出版社， tialsamplingandstatisticalinference(InChinese)(Beijing:SciencePress，2009 ,17,WebsterR， OliverMA(Sampleadequatelytoestimatevario-gramsofsoilproperties(E—————————————————————————————————————— ------------------------------------------------------------------------------------------------ uropeanJournalofSoilScience， ,21,,20, ,18,SteinA，vanDooremolenW，BoumaJ，etal(Corigingpointdata onmoisturedeficit(SoilScienceSocietyofAmericaJournal，1988，52: 1418—1423 ,19,McBratneyAB，MendoncaSantosML，MinasnyB(Ondigital soilmapping(Geoderma，2003，117:3—52 MinasnyB， McBratneyAB(AconditionedLatinhypercubemethodforsamplinginthepr esenceofancillaryinformation(ComputersandGeosciences，2006，32: 1378—1388MinasnyB，McBratneyAB， WalvoortDJJ(Thevariancequadtreealgorithm: Useforspatialsamplingdesign(Computers2007，33:383— 392andGeosciences， ,22,刘兴山，蓝宏(黑龙江省第二次土壤普查数据册(黑龙江 省 土壤普查办公室，黑龙江省土地勘测利用技术中心，1990(LiuXS， LanH(ThesecondsoilsurveydatabookofHei-longjiangProvince (InChinese)(SoilSurveyOfficeofHei-longjiangProvince， LandSurveyandUseTechnologyCenterofHeilongjiangProvince，1990 ,23,SharyPA，SharayaLS，MitusovAV(Fundamentalquantitative 2002，107:1—32methodsoflandsurfaceanalysis(Geoderma， —————————————————————————————————————— ------------------------------------------------------------------------------------------------ ,24,杨琳，朱阿兴，李宝林，等(应用模糊c均值聚类获取土壤 制图所需土壤-环境关系知识的方法研究(土壤学报，2007，44(5):16—23(YangL，ZhuAX，LiBL， etal(Extractionofknowledgeaboutsoil-environmentrelationshipforsoilm appingmeans(FCM)clustering (InChinese)(ActaPed-usingfuzzyc-ologicaSinica，2007，44(5):16—23 ,25,秦承志，杨琳，朱阿兴，等(平缓地区地形指数的计算方法( 地理科学进展，2006，25(6):87—93(QinCZ，YangL，ZhuAX，etal(Computationmethodoftopographicindexinlowreliefarea (InChinese)(ProgressinGeography，2006，25(6):87—93 ,26,BezdekJC，EhrlichR，FullW(FCM: Thefuzzyc-meanscluste-ringalgorithm(ComputersandGeosciences，1984，10(2/3):191—203 ,27,ZhuAX，YangL，LiBL，etal(Constructionofmembership functionsforpredictivesoilmappingunderfuzzylogic(Geoder-2010，155(3/4):166—174ma， ,28,ZhuAX，HudsonB，BurtJ，etal(SoilmappingusingGIS， ex-andfuzzylogic(SoilScienceSocietyofAmericapertknowledge， Journal，2001，65:1463—1472 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ ASOILSAMPLINGMETHODBASEDONREPRESENTATIVENESSGRADE OFSAMPLINGPOINTS YangLin ZhuA-xing QinChengzhi LiBaolin PeiTao (StateKeyLaboratoryofEnvironmentandResourcesInformationSystem， InstituteofGeographicalSciencesandResourcesResearch， ChineseAcademyofSciences，Beijing100101，China) AbstractSamplingdesignplaysacriticalroleincapturinginformationaboutsp atialdistributionofsoils，influences directlytheaccuracyofsamples-basedsoilmapping(Thecommonlyusedm ethodsareoftenconfrontedwithsuchproblems 946土壤学报48卷 astheneedforlargeamountsofsamplesandlowsamplingefficiency(Whent heresourcesavailableareinadequateforac-complishingalargevolumeofsam plingonceforall， additionalsamplinghastobedonemanytimesandinbatches(How-ever， —————————————————————————————————————— ------------------------------------------------------------------------------------------------ thepresentin-batchessamplingmethodsmostlytakeintoaccountsupplementalityofthebatchesofsamplingpointsingeographicspace， whichleadtooverlappingofthesamplingpointsinattributespace， affectingefficientutilizationoftheresources(Inviewofthis， clusteringanalysisofsoilenvironmentalco-variateswasperformedtoexploreforsamplingpointsrepresentativeofdifferentgradesofsoilspatialdistributionandtoformulateasamplingdesigningmethodbasedonrepresentativenessgrade(ThisproposedmethodwasappliedtothestudyarealocatedinHeshanFarm，NenjiangCounty，HeilongjiangProvince， anddigitalsoilmappingwasdoneusingselectedsamplingpointsofdifferentrepresentativenessgradesforverificationofthemethods(Resultsshowthato nlyasmallnumberofsamplingpointsofthehighestgradecouldobtainmostofthemainsoiltypes(sub-orderinChineseSoilTaxonomy) andsoilmappingwashighinaccuracy; andad-ditionofsamplingpointslowerinrepresentativegradecouldraisetheaccuracyofsoilmapping; buttheaccuracydidnotimprovemuchwhenthenumberofsamplingpointsaddedexceededacertainlevel(Therefore， comparedwiththenumberofsamplingpoints， representativenessgradeofthepointswasmoreimportanttoaccuracyofsoilmapping(Therepresenta-tivenessgradesystemproposedinthispapercanbeusedasreferenceforsequencingofsamplingpointsandiscontributivetofor—————————————————————————————————————— ------------------------------------------------------------------------------------------------ mulationofhigh-efficiencystepwisesamplingdesign( KeywordsSamplingdesign;Representativenessgrade;Fuzzyclustering; Digitalsoilmapping ——————————————————————————————————————