土壤三普工作是時隔40年來一次重要的國情國力調查，這四十年恰是我國農業快速發展時期，工業化和城市化迅猛發展改變了土壤資源的利用方式、規模和強度，土壤數量、質量及生態功能均發生了深刻變化，相關數據已不能反映當前農用地土壤質量實況，要落實藏糧于地、藏糧于技戰略，守住耕地紅線，需要摸清耕地質量狀況。在第三次國土調查已摸清耕地數量的基礎上，迫切需要開展土壤三普工作，實施耕地的“體檢”。土壤三普主要是查明土壤類型及分布規律，查清土壤資源數量和質量等的重要方法，普查結果可為土壤的科學分類、規劃利用、改良培肥、保護管理等提供科學支撐，為經濟、社會、生態政策的制定提供決策依據。

機器學習模型利用機器學習與數據挖掘方法，提取土壤屬性與環境變量之間的關系用來預測土壤屬性的空間分布，可以解決土壤屬性與環境變量的非線性問題，包括隨機森林人工神經網絡分類與回歸樹等。目前隨機森林法進行屬性制圖在數據挖掘方法中應用廣泛。

模糊推理是將土壤與環境關系表達為隸屬度值，利用單個土壤樣點在空間上的代表性推測土壤目標變量的空間變化。該方法制圖效果依賴于單個樣點的可靠性，要求對樣點的可靠性進行質量檢查。上述方法有兩個制約需要大量的土壤樣點來提取統計關系；需要具有較好的空間代表性，除機器學習模型外，其它模型制圖區域通常不宜過大。

對于耕層點位不足的地區，可由剖面點數據補充。將剖面發生表層土壤屬性數據，或者發生表層與亞頂層土壤屬性數據經厚度加權平均，轉換為耕層數值，加入到耕層點該屬性基礎數據中。有效土層厚度等數據，需從剖面點信息中提取，作為這兩個屬性制圖的樣點基礎數據層。

，異常值檢驗。由于樣點采集與化學分析過程的不確定性，需對土壤屬性數值進行正態分布檢驗后做異常值剔除處理，結合數據的常規統計學特征和空間位置，將每個樣點的屬性值與總體及其鄰近8個樣點的均值和標準差進行比較，如果樣點值在總體均值的倍標準差之外，且大于或是小于鄰近樣點均值的三倍標準差，則視為異常值剔除。2表層樣點數據處理

山東得正工程測繪有限公司是一家綜合性數據調查測量采集公司，能在短時間內組織大量外業人員從事數據調查采集測量等業務。

公司先后從事過poi采集，二維地圖三維地圖制作，房屋建筑調查，市政設施調查，房屋安全調查，自然災害調查，第三次土壤普查試點工作，公司近期參與過自然災害綜合風險普查山東省試點平陰和試點濱州，博興，北京昌平試點工作等。