選用相對成熟區(qū)域較優(yōu)的方法。現(xiàn)有方法均基于一定的數(shù)學假設，尚無單一方法或統(tǒng)一固定的環(huán)境輔助變量，可以適合不同地貌類型區(qū)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(jù)制圖區(qū)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(yōu)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(shù)據(jù)挖掘方法，提取土壤屬性與環(huán)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(huán)境變量的非線性問題，包括隨機森林人工神經(jīng)網(wǎng)絡分類與回歸樹等。目前隨機森林法進行屬性制圖在數(shù)據(jù)挖掘方法中應用廣泛。

模糊推理是將土壤與環(huán)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(tǒng)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(qū)域通常不宜過大。

調查數(shù)據(jù)次土壤普查表層樣點理化性狀測試數(shù)據(jù)剖面樣點的土壤類型數(shù)據(jù)，為模型構建使用的目標變量數(shù)據(jù)和環(huán)境變量數(shù)據(jù)—基礎數(shù)據(jù)。1土壤制圖的數(shù)據(jù)基礎資料4制圖數(shù)據(jù)準備及要求目前地統(tǒng)計確定性插值數(shù)理統(tǒng)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(yōu)勢更明顯。

1剖面樣點數(shù)據(jù)整理2樣點數(shù)據(jù)整理及處理其它數(shù)據(jù)相應比例尺的行政區(qū)劃圖等，用于成果圖的邊界。環(huán)境變量數(shù)據(jù)源“二普”的15萬縣域高精度數(shù)字土壤圖11萬土地利用現(xiàn)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(shù)據(jù)調查測量采集公司，能在短時間內組織大量外業(yè)人員從事數(shù)據(jù)調查采集測量等業(yè)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(jù)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(shù)據(jù)。1氣候變量的表征與數(shù)據(jù)選取目前常用的環(huán)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(shù)據(jù)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(xiàn)小氣候對土壤的影響。