基于不同制图尺度与地形分区的土壤属类型，选择不同的环境变量，见表3。1不同尺度的主要环境变量2主要环境变量的选择随机森林等机器学习模型，可采用开源软件R或自行编程完成模型预测，将预测结果值导入GIS软件，进行空间数据图层的制作而终成图。
生物植被类型植被物候期化植被指数（NDVI）等植被指数叶面积指数（LAI）林冠郁闭度（CC）等气候气候区年均温年降水相对湿度太阳辐射量等大尺度（小比例尺）小尺度（例尺）主导因素制图尺度表3不同尺度的备选环境变量
尽管地统计学方法被证明是一种易操作且结果较为可靠的数字土壤制图的方法，但其要求数据满足地统计学相关假设，给实际应用带来一定困难。此外，插值过程需要利用预测变量的空间自相关性，而地学现象的复杂性和性使得一个地区的模型很难直接应用到其他地区。
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。与前两种方法相比，第三次土壤调查外业调查采样合作队伍，机器学习模型可以解决土壤属性与环境变量的非线性问题，且对数据分布没有要求，因此被越来越多地应用于数字制图领域。常用的机器学习模型包括人工神经网络（Artificialneuralnetworks，第三次土壤调查，ANN）分类与回归树（Classificationandregressiontree，CART）随机森林（Randomforest，RF）等。2机器学习模型
对于耕层点位不足的地区，可由剖面点数据补充。将剖面发生表层土壤属性数据，或者发生表层与亚顶层土壤属性数据经厚度加权平均，转换为耕层数值，加入到耕层点该属性基础数据中。有效土层厚度等数据，第三次土壤调查外业调查采样数据汇交，需从剖面点信息中提取，作为这两个属性制图的样点基础数据层。
异常值检验。由于样点采集与化学分析过程的不确定性，需对土壤属性数值进行正态分布检验后做异常值剔除处理，结合数据的常规统计学特征和空间位置，将每个样点的属性值与总体及其邻近8个样点的均值和标准差进行比较，如果样点值在总体均值的倍标准差之外，且大于或是小于邻近样点均值的三倍标准差，则视为异常值剔除。2表层样点数据处理
山东得正工程测绘有限公司是一家综合性数据调查测量采集公司，能在短时间内组织大量外业人员从事数据调查采集测量等业务。
公司先后从事过poi采集，第三次土壤调查外业调查采样数据汇交，二维地图三维地图制作，房屋建筑调查，市政设施调查，房屋安全调查，自然灾害调查，第三次土壤普查试点工作，公司近期参与过自然灾害综合风险普查山东省试点平阴和试点滨州，博兴，北京昌平试点工作等。
第三次土壤调查-得正测绘公司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是从事“软件开发、数据处理服务、”的企业，公司秉承“诚信经营，用心服务”的理念，为您提供更好的产品和服务。欢迎来电咨询！联系人：刘炜炜。