Keri sisuni

Siffer — Mullaliigi koodi parser

Mis on Šifri väli?

Iga Eesti mullakaardi polügoon on varustatud ühe või mitme šifri (siffer) koodiga — tähtnumbrilise tähisega, mis tuvastab selle kaardistusüksuse domineeriva(d) mullaliigi(d). Üks polügoon võib kanda kuni nelja šifrit, mis on eraldatud semikooloniga ja loetletud domineerimise järjekorras:

Ko;D;LPe;LP

See näide kodeerib neli mullaliiki:

Kood Eestikeelne nimetus Ligikaudne rahvusvaheline vaste
Ko Leostunud muld Eutric Cambisol
D Deluviaalmuld Phaeozem Solimovic
LPe Nõrgalt erodeeritud näivleetunud muld Stagnic Luvisol
KI Leetjas muld Luvisol

Šifri sõnavara koosneb mitmest tuhandest riiklikus mulla klassifikatsioonisüsteemis määratletud koodist. Praeguse andmestiku kehtivad koodid on toodud failis updated_uniq_jan25_2026.csv.


Miks toorandmed parandamist vajavad?

Mullakaart digitaliseeriti analooglehtedelt paljude erinevate operaatorite poolt mitme aastakümne jooksul. See tekitas laia valiku kodeerimise artefakte:

Segatud eraldajad — semikoolonite asemel esineb komasid, tühikuid, kooloneid või kriipse (nt LkI;LP asemel LkI LP või LkI,LP).

Erosiooniastme märkused — mulla koodidele on lisatud numbrilised erosiooni intensiivsuse klassid, mis sinna ei kuulu (nt E1, E(1;2), C3 variandid baaskoodidest E ja C).

OCR- ja transkriptsioonivead — märgiülekanded, ühinenud märgid, juhuslikud sulud, mis tekkisid analoogteksti skannimisel või uuesti tippimisel.

Ajaloolised lühendid — vanemad kaardistusringid kasutasid veidi erinevat koodide kirjapilti, mis ei kuulu enam praegusesse standardisse.

Parser rakendab enne grammatika valideerimist mitmeastmelist parandamise töövoogu:

  1. Terve sõne otsing ~700 kureeritud täpse vastega asenduse hulgast.
  2. Erosiooniastme eemaldamine (E-tüüpi, C-tüüpi ja sulgudes olevad numbrid).
  3. Kooloniga eraldatud numbriraaride eemaldamine (viimase abinõuna).
  4. Eraldajate normaliseerimine (kõik eraldajad → ;).
  5. Märgi-tasemel otsing iga märgi kohta (~200 kirjet).

Alles pärast neid samme valideeritakse sõne ametliku Arpeggio grammatika vastu.


Väljundväljad

Parser tagastab 7 tulpa iga mullapolügooni rea kohta:

Väli Tüüp Kirjeldus
siffer_1 str Esimene (domineeriv) mullaliigi kood, standardiseeritud. Tühi, kui puudub.
siffer_2 str Teine mullaliigi kood. Tühi, kui puudub.
siffer_3 str Kolmas mullaliigi kood. Tühi, kui puudub.
siffer_4 str Neljas mullaliigi kood. Tühi, kui puudub.
n_siffers int Selles polügoonis leitud mullaliikide koodide arv (0–4).
parse_ok_s bool True, kui grammatika tuvastas kõik koodid. Kasutatakse kaardivaaturi veaülevaates koos parse_ok_l ja parse_ok_h veergudega.
parse_error str Kirjeldus sellest, mida ei saanud parsida. Edukuse korral tühi.

Tühi vs puudub

Väljad siffer_1 kuni siffer_4 täidetakse järjestikku. Kui polügoonil on ainult kaks mullaliiki, kannavad koodid siffer_1 ja siffer_2 ning siffer_3, siffer_4 on tühjad sõned.


Näide

Toores välja väärtus: "LkI LP"

Samm Tulemus
Täpse vaste otsing muudatuseta
Erosiooni eemaldamine muudatuseta
Eraldajate normaliseerimine "LkI;LP"
Grammatika parsimine (semicolon_separated) siffer_1=LkI, siffer_2=LP

Väljund: siffer_1="LkI", siffer_2="LP", n_siffers=2, parse_ok_s=True

Sulgudega kuju "LkI(LP)" annab sama väljundi grammatika pair_symbol reegli kaudu, ilma parandussammuta. Parser salvestab ainult koodid — sulgude ja semikooloni kuju vaheline teise komponendi osatähtsuse erinevus (vt Reeglid) ei kajastu väljundveergudes.

Duplikaate ei eemaldata

Parser ei ühenda korduvaid koode. "Ko;Ko;LP" annab tulemuseks siffer_1="Ko", siffer_2="Ko", siffer_3="LP", n_siffers=3. Kui mõni korduv toores väärtus siiski lüheneb, tuleneb see siffer_repair_rules_lookup_full_match kirjest, mitte töövoo sammust.


Parsimise kattuvus

Kogu andmestiku puhul (~800 000 polügooni rida) lahendab šifri parandamise töövoog valdava enamuse mittestandardsetest kirjetest. Read, kus parse_ok_s=False, tähistavad koode, mis puuduvad praegusest viitesõnavarast või on lahendamatud artefaktid; need märgistatakse manuaalseks kontrolliks.

Võrdlusalus — kehtivad šifrid

Allpool olev tabel sisaldab kõiki kehtivaid šifri koode, mille mullaliigi koodi parser (Arpeggio grammar) ära tunneb. Kaks tühja veergu on siin ette nähtud täitmiseks erialaekspertidele — kirjeldus ja mullaliigi klass. Tabel on automaatselt genereeritud kanoonilisest sõnavara failist ning peab säilitama sünkroonimise generaatorskripti kaudu.

316 unikaalset šifrit (genereeritud tabelist updated_uniq_jan25_2026.csv)

Code Description Soil Type Class
AG
AG1
AM
AM’
AM’’
AM’’al
AM’’’
AM’’’al
AM’’’d
AM’’’õ
Ag
Ar
ArG
ArG1
Arv
Av
B
BG
BGa
BGal
Bg
Bgal
C
D
D(g)
DG
DG1
DGal
Dg
Dgal
E
EI
EI(g)
EIg
Eg
Ek
Ek(g)
Ekg
Eo
Eo(g)
Eog
G
G1
GI
GI1
GI1a
GI1al
GI1d
GIa
GIal
GId
GIe
Gal
Gh1
Gh1al
Gh’
Gh’’
Gh’’a
Gh’’al
Gk
Gk1
Gka
Gkal
Gkr
Gkral
Gkrf
Gk’’’
Gn
Go
Go1
Go1a
Go1al
Go1d
Goa
GoaI
Goal
God
Gor
Goral
Gov
Gr
Gr1
K
K(g)
K(g)al
K(g)e
KI
KI(g)
KI(g)d
KI(g)e
KIa
KId
KIe
KIg
KIga
KIgal
KIgd
KIge
KIje
Kd
Ke
Kf
Kg
Kgal
Kgd
Kh
Khg
Kh’
Kh’g
Kh’’
Kh’’(g)
Kh’’g
Kje
Kk
Kkg
Ko
Ko(g)
Ko(g)al
Ko(g)d
Ko(g)e
Kod
Koe
Kog
Koga
Kogal
Kogd
Koje
Kor
Kor(g)
Korg
Kr
Kr(Ko)
Kr(g)
Krd
Kre
Krf
Krg
Krgf
Krje
K’
L
L(k)
L(k)I
L(k)I(g)
L(k)II
L(k)II(g)
L(k)III
L(k)IIIg
L(k)IIIgn
L(k)IIe
L(k)IIg
L(k)IIgn
L(k)IIn
L(k)Ie
L(k)Ig
L(k)Ign
L(k)g
L(k)gn
LG
LG1
LG1(n)
LG1a
LG1al
LG1n
LGn
LI
LI(g)
LII
LIII
LIIIg
LIIIgn
LIIIn
LIIg
LIIgn
LIIn
LIe
LIg
LIge
LIgn
LIn
LP
LP(g)
LP(g)al
LP(g)d
LP(g)e
LPG
LPGal
LPGn
LPd
LPe
LPg
LPga
LPgal
LPgd
LPge
LPgf
LPgn
LPje
Lg
Lgn
Liivik
Lk
Lk(g)
LkG
LkG(M)
LkGa
LkGal
LkGn
LkI
LkI(g)
LkI(g)d
LkI(g)e
LkI1
LkII
LkII(g)
LkII(g)e
LkIII
LkIII(g)
LkIIIg
LkIIIgn
LkIIIn
LkIIe
LkIIg
LkIIgn
LkIIje
LkIIn
LkId
LkIe
LkIg
LkIgal
LkIgd
LkIge
LkIgn
LkIje
LkIn
Lke
Lkg
Lkgd
Lkgn
Lkje
Lo
Ls
Lsg
Ma
Mal
Md
Meri
Mõ
M’
M’a
M’al
M’d
M’õ
M’’
M’’a
M’’al
M’’d
M’’õ
M’’’
M’’’a
M’’’al
M’’’d
M’’’õ
Piiritagune ala
Pp
PpG
Ppg
Pu
PuG
Pug
Rõ
R’
R’’
R’’’
R’’’õ
Sõ
S’
S’õ
S’’
S’’õ
S’’’
S’’’al
S’’’õ
Tu
TuG
TuM
TuM’
TuM’’
TuM’’’
Tug
Tx
TxG
TxM
TxM’
TxM’’
TxM’’’
TxR
TxR’’
TxR’’’
TxS’
TxS’’
TxS’’’
Txg
Ty
TyG
TyM
Tyg
Tz
TzG
TzG1
TzM
TzM’
TzM’’
TzM’’’
Tzg
Veeala, asustus või määramata