心系“国之大者”做好土壤三普“顶层设计”
2022年，发布《关于开展第三次土壤普查的通知》，陕西省按照“闯路子、建机制、探模式、定标准、练队伍、出成果”的要求，精心谋划、严密组织，开启高质量的土壤三普工作。成立了陕西省第三次土壤普查领导小组，各试点市县分别成立相应的工作机构，与中央、省级小组及各作业单位一同谋划并实施，形成了省、市、县三级合力共抓试点工作的良好态势。通过“发布-政审-遴选-参赛-评价-支撑-落地”程序，评选出政治觉悟高，技术能力强，大局意识强的团队，以西北农林科技大学、陕西省土地工程建设集团、陕西省地质调查院、航天宏图信息技术股份有限公司为技术支持单位的队伍，聘请33名土壤学组成省级技术指导组，紧密协作、优势互补、形成合力，把好“信息化平台与土壤制图、外业调查采样与分类、内业化验与质量控制”板块，守好“土壤三普”试点工作质量关，优化调整调查方法，集中授课、现场教学、资料抽查、现场飞行检查，编制《土壤三普外业调查表层采样工作细则》，把好省级质量关口，做好中央及省、市技术跟踪、人员培训、设备保障，从全局上、从细节上、从关键处着手，保质保量开展试点工作。
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。
环境变量提取栅格数据精度，要优于表1或表2的像素（像元）分辨率。其中，表1精度适用于大范围土地利用种植结构比较单一区域，例如平原粮食作物区；表2精度适用于种植结构复杂的小范围地区或地块破碎区域。1不同尺度的精度要求3环境变量制备及质量检测测试方法分区标注，对不同地区采用不同测试方法的指标，标注其所在区域，用于分别成图。
通过两种方法从土壤图中提取隐含的土壤与环境关系，主要用于一是在土壤分布范围内构建环境协变量的频率分布曲线，以此来代表土壤与环境关系；二是基于已有土壤图提取训练样点，然后使用统计或机器学习算法归纳出样点所代表的土壤与环境关系。7已有土壤图数据处理与知识提取在平原或地形平缓的地区，也可以通过温度植旱指数（TVDI），得到土壤湿度变化指数（HCI）作为环境变量，获取HCI与土壤质地等土壤属性相关性。