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。
建立制图模型前，数据检验须符合制图模型的数学假设。制图方法多采用数学模型，基于统计均值和平均关系的制图方法，第三次土壤调查，要求样本符合相应的数学假设，第三次土壤调查外业调查采样工作，例如符合正态分布。样本需验证并符合相关数学假设条件，第三次土壤调查外业调查采样方案，方可进行模型制图。3精度保障原则
数字土壤制图结果，需要进行预测样点验证，评估模型的制图精度。随机选取20%的样点，比较实测值与预测值；也可以采取全样点交叉验证，来验证制图的精度，通过相应的验证指标评估后，制图结果方可采用作为数据成果。对于争议比较大或与经验出现巨大差异的图斑区域，需进行实地勘察验证。
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。
得正检测-第三次土壤调查外业调查采样免费方案-第三次土壤调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。