選用相對成熟區域較優的方法。現有方法均基于一定的數學假設，尚無單一方法或統一固定的環境輔助變量，可以適合不同地貌類型區域。因此，針對制圖對象，選擇適用的制圖方法類別；針對具體土壤屬性，根據制圖區域特征和范圍（尺度），結合樣點的密度和均勻度，選用相對成熟的，精度檢驗較優的方法，且方法不宜過于繁雜。2因地制宜原則

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。

調查數據次土壤普查表層樣點理化性狀測試數據剖面樣點的土壤類型數據，為模型構建使用的目標變量數據和環境變量數據—基礎數據。1土壤制圖的數據基礎資料4制圖數據準備及要求目前地統計確定性插值數理統計和模糊推理方法在中小尺度取得了較高的精度，大尺度下機器學習方法的優勢更明顯。

1剖面樣點數據整理2樣點數據整理及處理其它數據相應比例尺的行政區劃圖等，用于成果圖的邊界。環境變量數據源“二普”的15萬縣域高精度數字土壤圖11萬土地利用現狀圖15萬地形圖125萬地質圖氣象資料以及高分辨率的遙感影像等。

山東得正工程測繪有限公司是一家綜合性數據調查測量采集公司，能在短時間內組織大量外業人員從事數據調查采集測量等業務。

公司先后從事過poi采集，二維地圖三維地圖制作，房屋建筑調查，市政設施調查，房屋安全調查，自然災害調查，第三次土壤普查試點工作，公司近期參與過自然災害綜合風險普查山東省試點平陰和試點濱州，博興，北京昌平試點工作等。

氣候因素在較大范圍內主要考慮大氣候，通常選擇年均溫年降水積溫或相對濕度等因子，并根據制圖比例尺選用，或利用氣象站點生成相應像素分辨率的氣象因子柵格數據。1氣候變量的表征與數據選取目前常用的環境變量主要包括

】土壤母質是土壤形成的物質基礎，通常直接獲得母質信息非常困難，實際制圖中，常以地質圖或地貌圖來代替土壤母質分布圖，這些地圖上的信息通常為矢量化表達的地質類型。也可以從分級到土種的例尺土壤圖中，通過土壤類型信息提取，提取方法參考5。2母質變量的表征與數據處理而在較小的氣候范圍內，大氣對土壤的影響基本是均值的，可以忽略。相比之下，小范圍內的地形地貌信息可體現小氣候對土壤的影響。