起订:1
发货:1天内
全程“质控检测”，严把质量关口
切实做好外业调查采样与内业检测工作节点的衔接，是保证“土壤三普”工作顺利开展的关键。陕西省土壤普查办通过层层筛选，选定5个实验室共同承担6个试点市县及3个盐碱地专项调查市县“土壤三普”样品制备工作，做到制样、检测分离，完成8497个土壤样品制备工作。术业有专攻，样品转码工作由3家省级质控实验室，分别负责制定针对5家制样实验室的样品流转、转码工作计划和实操演练。确定土壤三普样品转码工作统一在制样实验室实施，减少了运输环节，提高了工作效率，形成了统一的规范技术流程和要求。按照第三次土壤普查领导小组办公室公布的陕西省入围土壤三普检测实验室名单，并结合实际情况，由陕西省土壤普查办统筹安排，终确定16个检测实验室共同承担6个试点市县及3个盐碱地专项调查县“土壤三普”样品检测任务。本次试点工作涉及土壤检测样点共6092个，其中包含表层样点5939个，剖面样点153 个。参与本次试点工作的16家检测实验室，圆满完成了“土壤三普”试点市县土壤样品检测工作，形成了由外业调查采样-内业测试分析-成果汇交组成的一条龙技术模式，总结出试点检测工作全流程，实现了“大练兵”的目的，更为今后开展的“土壤三普”工作奠定了坚实基础。
机器学习模型利用机器学习与数据挖掘方法，提取土壤属性与环境变量之间的关系用来预测土壤属性的空间分布，可以解决土壤属性与环境变量的非线性问题，包括随机森林人工神经网络分类与回归树等。目前随机森林法进行属性制图在数据挖掘方法中应用广泛。
模糊推理是将土壤与环境关系表达为隶属度值，利用单个土壤样点在空间上的代表性推测土壤目标变量的空间变化。该方法制图效果依赖于单个样点的可靠性，要求对样点的可靠性进行质量检查。上述方法有两个制约需要大量的土壤样点来提取统计关系；需要具有较好的空间代表性，除机器学习模型外，其它模型制图区域通常不宜过大。
调查数据次土壤普查表层样点理化性状测试数据剖面样点的土壤类型数据，为模型构建使用的目标变量数据和环境变量数据—基础数据。1土壤制图的数据基础资料4制图数据准备及要求目前地统计确定性插值数理统计和模糊推理方法在中小尺度取得了较高的精度，大尺度下机器学习方法的优势更明显。
1剖面样点数据整理2样点数据整理及处理其它数据相应比例尺的行政区划图等，用于成果图的边界。环境变量数据源“二普”的15万县域高精度数字土壤图11万土地利用现状图15万地形图125万地质图气象资料以及高分辨率的遥感影像等。
山东得正工程测绘有限公司是一家综合性数据调查测量采集公司，能在短时间内组织大量外业人员从事数据调查采集测量等业务。
公司先后从事过poi采集，二维地图三维地图制作，房屋建筑调查，市政设施调查，房屋安全调查，自然灾害调查，第三次土壤普查试点工作，公司近期参与过自然灾害综合风险普查山东省试点平阴和试点滨州，博兴，北京昌平试点工作等。
气候因素在较大范围内主要考虑大气候，通常选择年均温年降水积温或相对湿度等因子，并根据制图比例尺选用，或利用气象站点生成相应像素分辨率的气象因子栅格数据。1气候变量的表征与数据选取目前常用的环境变量主要包括
】土壤母质是土壤形成的物质基础，通常直接获得母质信息非常困难，实际制图中，常以地质图或地貌图来代替土壤母质分布图，这些地图上的信息通常为矢量化表达的地质类型。也可以从分级到土种的例尺土壤图中，通过土壤类型信息提取，提取方法参考5。2母质变量的表征与数据处理而在较小的气候范围内，大气对土壤的影响基本是均值的，可以忽略。相比之下，小范围内的地形地貌信息可体现小气候对土壤的影响。
