普通克里格（OrdinaryKriging，OK）由于简单易操作被广泛应用于早期的土壤物理和化学性质以及土壤养分的空间制图中。OK对变量的空间自相关进行了假设，土壤普查外业调查采样调查队伍，因此适用于较均一土壤属性变化不强烈的环境，在小尺度和均质景观区域取得了较好的效果，对区域变异覆盖广的区域，OK的制图精度不太理想。泛克里格（UniversalKriging，UK）在OK的基础上，引入趋势面方程分离土壤属性与空间位置的趋势项来消除不平稳性，在一定程度上可以减小OK的局限性。但这两种方法均忽视了土壤属性与环境要素之间的关系。协同克里格（Co-Kriging，CK）和回归克里格（RegressionKriging，RK）均利用所预测土壤属性与环境辅助变量之间的相关性来提高预测精度，不同的是，CK将预测变量的空间自相关性及其与辅助变量间的交互相关性结合起来用于无偏估计；RK则将常规统计学与地统计相结合，先用回归模型拟合土壤属性与辅助变量之间的关系，然后对回归残差应用克里格法插值，将回归预测结果与残差插值结果结合起来得到终预测结果。 划分典型地貌区，每区对一类土壤指标，推荐2-3个制图模型。操作时，按照方法相对成熟精度较优的原则，土壤普查，从推荐模型中筛选。经模型精度比较后，也可采用其它精度更高应用相对成熟的模型进行制图，但必须考虑相邻地区的接边。2选择较优制图模型1土壤属性制图5制图思路原则上以典型地貌区为单位，样点数量和密度达到模型要求，应在该地貌区范围内进行例尺精度的制图。这既减少逐县制图的工作量，也尽量减少了分县接边的不确定性。制图成果数据作为县级例尺空间图数据库。功能性评价图在县级精度上完成评价制图。县级成果图（例尺），建议采取同地貌区同一模型多县统一制图的方式完成，不采用单县逐一制图。省级和制图（分别为中低比例尺），主要以制图综合的方法完成。2县级省级成果图逐级汇总ANN可以模拟人脑神经元网络对信息进行处理工作，建立某种简单模型，按不同的连接方式组成不同的网络，对连续型变量和类别变量均有很好的预测效果。研究表明，BP-ANN比OK法更适用于大区域小样本下的土壤属性预测。虽然机器学习模型有易过度拟合不易解释等不足，但该类方法能够有效地解决土壤属性与环境因子之间的非线性问题，且在大范围区域表现良好，已经逐渐成为土壤数字制图的主流方法。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，土壤普查外业调查采样调查第三方，自然灾害调查，第三次土壤普查试点工作，土壤普查合作公司，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。 土壤普查-山东得正-土壤普查合作公司由山东得正工程测绘有限公司提供。山东得正工程测绘有限公司是山东 济南 ,环保项目合作的见证者，多年来，公司贯彻执行科学管理、发展、诚实守信的方针，满足客户需求。在得正工程领导携全体员工热情欢迎各界人士垂询洽谈，共创得正工程更加美好的未来。 产品：得正工程供货总量：不限产品价格：议定包装规格：不限物流说明：货运及物流交货说明：按订单
