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。
数字土壤制图方法已广泛用于土壤属性制图。该方法是根据已知点的土壤信息通过数字手段推测其他点土壤特征的过程，以土壤—景观模型为理论基础，以空间分析和数学方法为技术手段，土壤普查合作公司，生成数字格式（栅格）的土壤属性空间分布图。2数字土壤制图的主要方法
地统计方法，土壤普查，包括克里格插值及其衍生方法，有普通克里格泛克里格经验贝叶斯克里格回归克里格地理加权克里格协同克里格模型等，除普通克里格泛克里格经验贝叶斯克里格外，其余的克里格衍生模型是利用所预测土壤属性与环境辅助变量（成土因素）之间的相关性（要素相关性）来提高预测精度。普通克里格应用早而广泛，土壤普查外业调查采样质检，但其与泛克里格反距离加权邻近法等模型均仅利用变量空间自相关关系，适合较均一土壤属性变化不强烈的环境。普通克里格会产生平滑效应，对于局部变异较大地区的预测可能会与实际情况不符。在数字土壤制图领域比较常用的方法可分为类地统计方法确定性插值数理统计机器学习和模糊推理方法。
数字土壤制图（Digitalsoilmapping）方法作为一种新兴的表达土壤及其性状空间分布的方法，较传统手工土壤制图更加。尤其在土壤属性制图方面，研究和应用也相对深入和广泛。鉴于数字土壤制图方法仍在不断发展完善，采用该方法制图，需遵循以下原则1数字土壤制图的原则3制图原则与主要方法制图目的是通过数字土壤制图方法，采用统一的专题图评价指标，掌握土壤性状底数，评价土壤质量和适宜性，编制统一规范的普查成果图。
得正测绘公司(图)-土壤普查实施方案-土壤普查由山东得正工程测绘有限公司提供。山东得正工程测绘有限公司在环保项目合作这一领域倾注了诸多的热忱和热情，得正工程一直以客户为中心、为客户创造价值的理念、以品质、服务来赢得市场，衷心希望能与社会各界合作，共创成功，共创辉煌。相关业务欢迎垂询，联系人：刘炜炜。