创新“融圈”模式，探索“陕西经验”
陕西省土壤三普试点工作涉及面广、采样点复杂、样品多，如不能及时贴标并入库保存，就不能实现土壤普查闭环式管理，更会出现混样、丢失、遗漏、误判等风险。陕西省土壤普查办在提出“破圈”思维，进行“融圈”行动，充分激发国资国企主力军作用，调动社会力量，从质量、时间、管理、安全等方面，进行关键技术和卡脖子问题攻关。与陕西省土地工程建设集团共建5000m2样品库，西北农林科技大学土壤学全程指导样品库的设计、保存、展示等技术环节，按照土壤样本库、耕地土壤馆、土壤大数据管理平台、土壤检测中心等功能进行划分。后续3年的省级土壤样品将在这里全部入库，形成集研究、技术培训、公众科普和青少年教育等多种功能于一身的陕西特色土壤样品数据库。
数字土壤制图方法已广泛用于土壤属性制图。该方法是根据已知点的土壤信息通过数字手段推测其他点土壤特征的过程，以土壤—景观模型为理论基础，以空间分析和数学方法为技术手段，生成数字格式（栅格）的土壤属性空间分布图。2数字土壤制图的主要方法
地统计方法，包括克里格插值及其衍生方法，有普通克里格泛克里格经验贝叶斯克里格回归克里格地理加权克里格协同克里格模型等，除普通克里格泛克里格经验贝叶斯克里格外，其余的克里格衍生模型是利用所预测土壤属性与环境辅助变量（成土因素）之间的相关性（要素相关性）来提高预测精度。普通克里格应用早而广泛，但其与泛克里格反距离加权邻近法等模型均仅利用变量空间自相关关系，适合较均一土壤属性变化不强烈的环境。普通克里格会产生平滑效应，对于局部变异较大地区的预测可能会与实际情况不符。在数字土壤制图领域比较常用的方法可分为类地统计方法确定性插值数理统计机器学习和模糊推理方法。
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。
以上信息由专业从事第三次土壤调查队伍的得正工程于2024/4/20 11:00:38发布
转载请注明来源：http://jinan.mf1288.com/sddezheng-2738764106.html
下一条：桥梁加固报价信赖推荐「多图」
