Se toda amostra tomada da população é oriunda de uma função de probabilidade, considerar que a variável é um valor, dentre os infinitos possíveis valores da população que poderia ser amostrado, torna a suposição determinística do solo incompleta. Jenny aderiu o determinismo em seu modelo e considerou que a variância não explicada, devia ser admitida como erro. Porém, o erro não é um problema, ele sempre esta presente nas estimativas. O problema é ignorar que ele existe. Muitas vezes essas condições não nos são apresentadas, principalmente nos mapas de classe de solo.
Dentro de um mapa do solo se desejará ver a redução máxima na variância dentro da unidade de mapeamento em comparação com a variância  total da área mapeada:
 \(s^2\ =\frac{1}{n-1}\Sigma_{i=1}^{xi}\left(xi\ -\ x\right)^2\)
Avaliar a variância dos dados nesses caso é  inferir sobre o quão distante cada valor do conjunto de dados está da média.  Assim, ao reduzir suficientemente a variância dentro de uma unidade de mapeamento, faz com que se possa alcançar a chamada pureza de classe.
Como usurários estamos interessados no quão aplicável ou o quão pura a informação da classe é em determinado local, ou assim sendo. Webser e Beckett (1968) afirmam que não importa quão grande seja a redução na variação dentro de uma unidade mapeada em relação à área total, se a variância não for reduzida o bastante, então o mapa não pode ser usado. Do mesmo modo, se a variação na área não for menor que o limite, então o mapa não é necessário. A ideia que apresento agora é que, não basta o conhecimento tácito e a qualidade visual da separação. É preciso avaliar a qualidade da separação do ambiente. O sucesso do mapa é avaliado pela medida em que podem ser feitas afirmações mais precisas sobre o solo dentro das unidades de mapeamento de mapas anteriores ou da paisagem em geral se não houvesse mapas anteriores. A redução da variância dentro das unidade de mapeamento como uma ferramenta para avaliação da qualidade do mapeamento, trazendo o conceito de pureza das classes \cite{WEBSTER_1968}. Assim, o usuário medirá o sucesso da pesquisa do solo se as afirmações suficientemente precisas podem ser feitas sobre o solo dentro de cada unidade de mapeamento.
Pensando nisso, a abordagem do levantamento deve se adequar a essas condições e define os métodos e as premissas para o levantamento com base nos objetivos do levantamento. Seja via levantamento convencional ou via krigagem, a amostragem deve ser planejada de modo que os objetivos do levantamento sejam alcançados. Avaliar a qualidade das informações geradas e realizar um reconhecimento ou levantamento prévio para definir o número de amostras adequado ou qual é a melhor abordagem para mapear as classes ou propriedades do solo, considerando a distribuição das variáveis na paisagem  \cite{Lark_2000}.
Um exemplo usual de pré-amostragem utilizada na ciência é a do no inventário florestal. A partir dele se define estratégias de amostragem e o número de parcelas ou unidades amostrais (\(n\)) a serem definidas no inventário florestal definitivo. Nesse contexto, estes chamados inventários pilotos, assumem esse papel de pré-amostragem. Com base na variância de um conjunto preliminar de informações sobre a população, é calculado o \(n\) ideal para que a estimativa de uma variável \(x\) seja mais próxima possível do parâmetro, dentro de um limites de erro tolerado.
Existe essa demanda dentro da ciência do solo. Conhecer a natureza da variabilidade que estudamos, antes de começar a delimitá-la na paisagem. Acredito que esses pontos precisam ser bem compreendidos. Um modo é tão importante quando o outro, cada um em uma função específica. A abordagem utilizada para realizar um levantamento de solos não será definida como certa ou errada. Dela, se produzirá informações que podem vir a ser úteis ou inúteis para uma finalidade de interesse. Por isso é tão importante conhecer a natureza da variável de interesse.
Imagine a variação da profundidade do solum da paisagem como um fenômeno a ser mapeado em uma escala de 1:2000. Como solução para esse problema pontual a utilização geoestatística, considerando a dependência espacial dos dados é uma abordagem satisfatória. Essa abordagem, considera que o valor de uma variável associado a uma localização, assemelha-se mais aos valores mais próximos dele, em detrimento do resto do conjunto amostral. Agora imagine que a área em questão possui variações geológicas abruptas na paisagem, com uma frequência significativa de afloramentos rochosos, ou seja, existe uma grande variação em distâncias curtas. Passamos a nos referir a um fenômeno cujos limites são abruptos. Nesse cenário, a abordagem geoestatística pode ser ineficaz, pela incapacidade de prever estes limites em relação à escala, dentro da fronteira estabelecida pelo conjunto de dados.
O pesquisador de solo experiente geralmente poderá avaliar a qualidade do seu mapa e se é adequado. Mas a confiança dele pode não ser compartilhada pelo usuário potencial. O ideal seria que ele pudesse dar uma ideia clara do grau do que o seu mapa representa, enquanto o usuário receberá um produto com o nível de informação adequado para fins de predição. Isto proporcionaria um ganho em informações disponíveis para outros usos, inclusive para mapeamentos mais detalhados.
Por fim, a integração entre o conhecimento tácito e os modelos matemáticos na resolução destes problemas poderá ser estimulada, na medida em que, a prática pedagógica da ciência do solo voltar-se para a expressão explicita do paradigma solo-paisagem, com real conceitualização. Para superar essa visão é necessário olhar para o solo de um modo diferente do habitual, livrar-se destes vícios de pensamento e bloqueios que fazem com que os cientistas permaneceram confinados ao que definiram como seu universo de estudo. O grande desafio é colocar esse princípio em prática.