得正工程(图)-土壤普查数据汇交-土壤普查

居民地（点）根据比例尺，选择相应行政级别的居民地或居民点上图。小比例尺图，原则上选取县以上级别居民地/点，中等比例尺原则上可选择到乡镇级，例尺，土壤普查，可选择到村级，并根据居民地密度适当取舍。水系适当选取以反映河网密度和结构。包括河流（常年河时令河消失河等）湖泊水库坎儿井水渠运河咸水湖括注（咸）。根据成图比例尺，土壤普查外业调查采样合作队伍，选择相对应或更小比例尺的地理要素。1要素选取

在完成土壤类型和土壤属性成果图基础上，根据各类评价图的指标体系，土壤普查外业调查采样合作第三方，通过GIS软件进行图层空间计算，各评价单元（或像素）通过各属性权重的面积加权平均，获得评价指数，按指标体系的评价标准，终确定评价单元的评价等级，完成制图。4制图方法此外，考虑到土壤资源对不同土地利用的适宜程度和生产能力，应该为现阶段或短期的评级，若经过一定时期的改良治理后，适宜程度和生产能力发生较大变化，可重新进行评级。

机器学习模型利用机器学习与数据挖掘方法，土壤普查数据汇交，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**性，要求对样点的**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。