1. 课程导入与采样目标界定

土壤采样从来不是“挖几铲土送实验室”这么简单。同样一块地，采样点布在哪里、每个点多深、采几个样混合、总共采多少个，直接决定了最终数据能否支撑你要回答的问题。本课程围绕采样网格与分层布点两条主线，讨论如何在有限的人力、时间和检测预算下，让采样方案既“采得准”又“采得值”。

先厘清四个贯穿全课程的核心概念。网格采样是把研究区按规则间距划分为若干单元，在每个单元（或单元交点）布设采样点，其本质是用空间上均匀覆盖来换取对区域整体格局的无偏估计。分层布点则先依据土地利用类型、土壤类型、地形部位、污染源距离等辅助信息把区域划分为若干相对均质的层，再在各层内独立布点，其本质是用“先验知识”降低层内变异、提高估计精度。空间变异指土壤属性随位置变化的程度，它既有随距离渐变的系统性成分，也有随机成分，是决定采样密度的根本依据。采样效率则是在给定精度要求下，单位成本所获得的信息量，通常用“达到目标精度所需样点数”或“单位预算下的估计误差”来衡量。

上图把本课程的逻辑骨架摆了出来：场景决定目标，目标决定策略，策略必须经过精度与成本的双向校核。三类场景的差异非常具体。环境调查通常关心区域本底值和总体均值，允许一定误差，但要求覆盖均匀、结论可外推，因此规则网格配合系统随机起点是常见选择。农业精准管理关心的是“哪一片该多施肥”，目标是划分出可操作的管理分区，此时土地利用、土壤类型、历史产量图等先验信息价值极高，分层布点往往比单纯加密网格更划算。污染评估则最苛刻，它要回答“这个点位是否超标”“超标范围到哪里”，属于对局部极值和边界的判定，单靠均匀网格容易漏掉小尺度热点，通常需要“初步网格筛查 + 热点区加密 + 判断单元”的组合策略。

目标界定要落到可计算的指标上，否则“采准一点”只是一句空话。实践中常用三个量把目标写清楚：一是目标属性，如 pH、有机质、某重金属有效态含量；二是允许误差 E，即估计值与真值可接受的最大偏差；三是置信水平，如 95%。有了这三项，就能用经典公式反算所需样点数：

n = (t · CV / E)²

其中：
  t   —— 置信水平对应的 t 值（大样本近似 1.96，95% 置信）
  CV  —— 变异系数 = 标准差 / 均值（无量纲，需用预调查或文献值）
  E   —— 允许的相对误差（如均值 10% 写作 0.10）

示例（假设值，仅作演示）：
  某地块有机质均值 22 g/kg，预调查标准差 4.4 g/kg
  → CV = 4.4 / 22 = 0.20
  要求 95% 置信、相对误差 10%
  → n = (1.96 × 0.20 / 0.10)² ≈ 15.4，取整 16 个样点

这个 16 是“独立样点”的下限，若采用五点混合样，则实际采样点位数要按混合比例放大。更关键的是，公式假设样本独立且服从近似正态，而土壤属性往往存在空间自相关——邻近点相似，独立假设会低估所需样点。因此实际方案中常把公式结果作为起点，再结合变差函数或半变异函数估计的变程来调整网格间距：网格间距一般取变程的 1/2 至 1/3，才能较好捕捉空间结构。若没有条件做变异函数分析，可先用公式定总量、用经验间距定布局，再在野外根据地块异质性微调。

还要注意一个容易被忽略的问题：采样目的决定了“平均值”和“极值”谁更重要。做区域本底调查，关心的是均值及其置信区间，个别异常点可以剔除或单独说明；做污染评估，关心的是最大值是否超过管制值，此时任何可能的热点都不能漏，布点要偏向“找最坏情况”，甚至要在疑似源附近设置判断单元。同一块地，两种目标下的布点密度可能相差数倍。因此本课程后续所有网格设计、分层划分、样点分配方法，都会回到“你究竟要回答什么问题”这一原点。

整体课程框架按“概念—设计—实施—校核”推进：先建立网格与分层的概念体系和空间变异基础，再讲规则网格、系统随机、分层随机、判断单元等布点方法及其适用条件，随后进入样点数量分配、混合样与深度分层（表层/亚表层/剖面）的具体操作，最后讨论采样误差来源、质量控制与方案复盘优化。每一环都围绕“精度—成本”这条主线展开，避免为了方法而方法。

作为起点，请先明确你手上的任务属于哪一类场景，并把目标写成可校核的指标。只有目标清晰，网格间距、分层依据和样点数量才有讨论的意义；否则再精细的布点，也只是在为一个模糊的问题收集一堆无法支撑结论的数据。