点击图片查看原图数字土壤制图（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。
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，要求样本符合相应的数学假设，例如符合正态分布。样本需验证并符合相关数学假设条件，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。
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。
NDVI的取值范围为-1和+1之间若NDVI<0，表示地面覆盖着云水雪等，对太阳福射中的可见光反射率较高；若NDVI=0，表示地表的岩石或戈壁等处；若NDVI>0，则表示地表有植被覆盖，且植被覆盖密度越大，其值越高。NIR为近红外波段的反射值，VIS为红光波段的反射值。NDVI=(NIR-VIS/(NIR-VIS
