科学合理布设耕地质量（CLQ）监测点，可以及时准确地提供耕地质量现状和变化信息，对保障国家粮食安全具有重要意义。传统的 CLQ 监测点选择方法是基于土地利用斑块的 CLQ。由于大补丁可能有不同等级，被选为监控点会降低监控CLQ的可靠性。此外，传统的监测点部署方法主要只考虑CLQ，而忽略了道路可达性和地形等因素，导致部分监测点无法进入。因此，为了提高 CLQ 监测的可靠性，本研究提出了一种部署 CLQ 监测点的新方法。第一的，像素尺度的 CLQ 是使用遗传算法 - 反向传播神经网络 (GA-BPNN) 模型基于具有 30 m 空间分辨率的 Landstat8 数据估计的。其次，采用分层抽样模型确定最佳样本点。最后，应用改进的空间模拟退火算法（ISSA），同时考虑坡度和道路可达性，以优化监测点的位置。本研究在中国广东省广州市从化区进行。结果突出表明 (1) 与测量的 CLQ 的准确度相比，准确度 (R 应用改进的空间模拟退火算法（ISSA），同时考虑坡度和道路可达性，以优化监测点的位置。本研究在中国广东省广州市从化区进行。结果突出表明 (1) 与测量的 CLQ 的准确度相比，准确度 (R 应用改进的空间模拟退火算法（ISSA），同时考虑坡度和道路可达性，以优化监测点的位置。本研究在中国广东省广州市从化区进行。结果突出表明 (1) 与测量的 CLQ 的准确度相比，准确度 (R2  =   0.63, RMSE = 79.32, NRMSE = 13.77%) 用遥感技术估计的 CLQ 是可靠的，不同等级的像素级 CLQ 数据比斑块级 CLQ 数据更合理。(2)基于分层抽样模型，最终在研究区确定了132个监测点。（3）与空间模拟退火算法（SSA）和标准网格法相比，本研究提出的方法总分更高（F=94.61）。此外，获得的样本点主要位于道路和平坦地形附近。这样可以有效避开人迹罕至的地方。因此，基于本研究提出的新方法的结果为获得最佳CLQ监测点提供了科学依据和技术支持。