不同的土壤采样方式对土壤养分检测的影响
土壤采样是估测区域土壤特性统计参数和空间变异分析模型的重要方式。采样设计作为采样 策略的重要组成部分，包括采样方式（如随机采样或分层采样）和采样数目，是决定采样成本和估测精度的关键因素，因此采样设计一直是国内外相关领域学者研究的热点。一般采样设计都基于已知土壤特性统计参数和空间变异特征这一先验知识实现的，但获取这一先验知识通常也是基于一定数量的样点数据分析得出，采样尺 度及样点空间布局是决定样点数据质量的两个关键因素，也直接影响着下一步的采样设计结果，那么多大的采样尺度能够满足这一需要？这是基于土壤采样估测区域 土壤特性参数或空间变异模型构建分析等需要解决的一个重要问题，但目前采样数目研究方面集中在基于经典统计学计算合理样本容量，或通过比较分析不同采样密度下的土壤特性空间变异估测结果确定适宜采样数或采样间距，涉及采样尺度对土壤特性空间变异分析结果影响方面的研究甚少。利用高密度土壤养分采样数据为数 据源，很多土壤养分速测仪等土壤检测的仪器都带有完整的土壤采样系统，通过随机抽取生成不同采样密度下的样点数据集，研究采样密度对土壤养分统计参数估测、空间变异特征和地统计插值分析的影响，旨在为采样尺度对分析结果的不确定分析提供基础。
目前可以通过三种方式进行土壤采样：
1.离群样点检测：
分析探测并剔除土壤全氮样点数据集中的离群点，生成去除离群样点的数据集作为原始样点数据。在土壤样点离群样点探测中，大多数是基于域值实现的，如样本 平均值加减 n 倍标准差法、正态分位数图法和箱线图法。研究采用基于采样点数据累计频率的四分位数方法设定离群样点阈值，分析并剔除原始样点数据集中的离群点，分别生成 3 个去除离群样点的数据集。
2.不同采样尺度样点数据集生成：
对剔除离群样点后的原始样点数据，利用经典统计学中合理样本容量的计算方法计算出最佳采样数，然后基于去除离群样点后的初始数据集分别随机抽取最佳采样数一定倍数的样点数据构成 8 个新的不同采样尺度的样点数据集，其中，低倍数的样点数据集是从相邻的高倍数的样点数据集中随机抽取获得。
3.不同采样尺度样点数据分析：
基于以上样点数据集，对比分析不同采样尺度下全氮的区域统计参数、空间变异特征和地统计插值分析精度，考察采样尺度对全氮空间变异分析的影响。以上空间数据处理与空间变异分析在 ArcGIS9.2软件中实现，一般数据统计分析在 Excel 2003 中实现。
通过以上的分析和实验可以得出结论：
（1）采样尺度较大，样点间自相关性较弱时，则相对较少的样点数据也能够满足区域养分均值、变异系数和直方图分布等统计特征估测的需要，但不能用于空间变异特征和插值分析；平均采样间距大于相关距一半，且样点数少于最佳样点数时，采样点相对集中时，样点间自相关性很强，信息冗余大，则样点数据也不能满足区域养分统计特征、空间变异特征和插值分析的需要。
（2）随着采样尺度增大，土壤养分空间分布的全局趋势增强，但不影响土壤养分的半方差模型；采样尺度对相关距影响很大，但样点空间布局对相关距的影响比采样尺度本身更为显着。
（3）当样点数大于最佳采样数时，养分统计特征、空间变异特征和插值分析随着采样尺度减小而精度提高；而采样尺度小于 0.2 时，样点数据能够满足中等空间变异的土壤养分空间插值分析需要；样点空间布局对空间预测分析结果影响比采样尺度更大。
