心系“國之大者”做好土壤三普“頂層設計”

2022年，發布《關于開展第三次土壤普查的通知》，陜西省按照“闖路子、建機制、探模式、定標準、練隊伍、出成果”的要求，精心謀劃、嚴密組織，開啟高質量的土壤三普工作。成立了陜西省第三次土壤普查領導小組，各試點市縣分別成立相應的工作機構，與中央、省級小組及各作業單位一同謀劃并實施，形成了省、市、縣三級合力共抓試點工作的良好態勢。通過“發布-政審-遴選-參賽-評價-支撐-落地”程序，評選出政治覺悟高，技術能力強，大局意識強的團隊，以西北農林科技大學、陜西省土地工程建設集團、陜西省地質調查院、航天宏圖信息技術股份有限公司為技術支持單位的隊伍，聘請33名土壤學組成省級技術指導組，緊密協作、優勢互補、形成合力，把好“信息化平臺與土壤制圖、外業調查采樣與分類、內業化驗與質量控制”板塊，守好“土壤三普”試點工作質量關，優化調整調查方法，集中授課、現場教學、資料抽查、現場飛行檢查，編制《土壤三普外業調查表層采樣工作細則》，把好省級質量關口，做好中央及省、市技術跟蹤、人員培訓、設備保障，從全局上、從細節上、從關鍵處著手，保質保量開展試點工作。

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。

環境變量提取柵格數據精度，要優于表1或表2的像素（像元）分辨率。其中，表1精度適用于大范圍土地利用種植結構比較單一區域，例如平原糧食作物區；表2精度適用于種植結構復雜的小范圍地區或地塊破碎區域。1不同尺度的精度要求3環境變量制備及質量檢測測試方法分區標注，對不同地區采用不同測試方法的指標，標注其所在區域，用于分別成圖。

通過兩種方法從土壤圖中提取隱含的土壤與環境關系，主要用于一是在土壤分布范圍內構建環境協變量的頻率分布曲線，以此來代表土壤與環境關系；二是基于已有土壤圖提取訓練樣點，然后使用統計或機器學習算法歸納出樣點所代表的土壤與環境關系。7已有土壤圖數據處理與知識提取在平原或地形平緩的地區，也可以通過溫度植旱指數（TVDI），得到土壤濕度變化指數（HCI）作為環境變量，獲取HCI與土壤質地等土壤屬性相關性。