点击图片查看原图土壤三普工作是时隔40年来一次重要的国情国力调查，这四十年恰是我国农业快速发展时期，工业化和城市化迅猛发展改变了土壤资源的利用方式、规模和强度，土壤数量、质量及生态功能均发生了深刻变化，相关数据已不能反映当前农用地土壤质量实况，要落实藏粮于地、藏粮于技战略，守住耕地红线，需要摸清耕地质量状况。在第三次国土调查已摸清耕地数量的基础上，迫切需要开展土壤三普工作，实施耕地的“体检”。土壤三普主要是查明土壤类型及分布规律，查清土壤资源数量和质量等的重要方法，普查结果可为土壤的科学分类、规划利用、改良培肥、保护管理等提供科学支撑，为经济、社会、生态政策的制定提供决策依据。
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。
对于耕层点位不足的地区，可由剖面点数据补充。将剖面发生表层土壤属性数据，或者发生表层与亚顶层土壤属性数据经厚度加权平均，转换为耕层数值，加入到耕层点该属性基础数据中。有效土层厚度等数据，需从剖面点信息中提取，作为这两个属性制图的样点基础数据层。
，异常值检验。由于样点采集与化学分析过程的不确定性，需对土壤属性数值进行正态分布检验后做异常值剔除处理，结合数据的常规统计学特征和空间位置，将每个样点的属性值与总体及其邻近8个样点的均值和标准差进行比较，如果样点值在总体均值的倍标准差之外，且大于或是小于邻近样点均值的三倍标准差，则视为异常值剔除。2表层样点数据处理
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。
