土壤属与专题图编制技术规范：
制图对象和目的本规范适用于次土壤普查中的土壤属性和专题图制图工作。统一规定了这两类制图的目的原则主要方法制图思路结果验证成果图编制要求等。面向有一定数字土壤制图理论和实践基础的科研或技术人员。1适用范围
本规范包括本次普查成果图中的两类图土壤属，即土壤理化性状图，包括土壤表层质地pH盐碱度有机质全量和养分含量有机/无机碳全量中微量元素含量重金属元素含量等；土壤专题图，包括耕地质量等级图有效土层厚度土壤障碍类型图退化土壤（盐碱化酸化等）分布图黑土资源分布图等专题调查评价图。
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。
定量的植被状况空间信息主要通过遥感影像数据的计算获取植被指数和生物物理参数，包括化植被指数（NDVI）叶面积指数（LAI）郁闭度（CC）等。其中，NDVI是土地覆盖植被状况应用广的一种遥感指标，能够检测植被生长状态植被覆盖度和消除部分辐射误差等，定义为近红外通道与可见光通道反射率之差与之和的商。其计算公式为4植被变量的表征与数据处理式中，指垂直于水流方向的汇流面积，面积为mβ表示坡度（弧度）。TWI=ln其中，地形湿度指数的计算公式为
