土壤质地是土壤最基本的物理属性，质地不同的土壤其粗细颗粒组成及含量不同，从而影响着土壤持水性及导水性等水力特性和热传导系数及热容等热力参数，进而影响土壤蒸发，土壤入渗等水文过程。因此，土壤质地类型是陆而过程模型、水文模型和耦合陆面过程的大气模型的重要输入参数，对水分循环和地表通量的模拟具有重要影响。由于绝大部分陆面过程模型和分布式水文模型的土壤特性输入都是直接沿用美国农业部(USDA：United States Departmentof Agriculture)制定的土壤质地分类标准，而目前我国绝大多数土壤图都是依据我国的发生分类学或诊断分类学标准制作的，无法直接满足陆面过程模型和分布式水文模型的需要。因此探索如何根据已有的土壤环境数据和土壤质地属性数据，直接生成土壤质地图的数字土壤制图方法很有必要。　　 以土壤-景观为代表的模型外推方法，是目前最为主流的、适用于区域范围的土壤定量预测制图方法之一。该方法基于经典的土壤发生学理论，即著名的Jenny方程，将土壤描述为气候、生物、地形、母质和时间的函数。基于该方法，通过使用GIS、RS等地理信息分析技术定量获取的土壤存在的气候、地形等环境要素信息，结合从土壤剖面信息定量提取的土壤与环境之间关系的知识，可以进行区域土壤预测制图。　　 本文首先在黑河流域中游地区选取一试验区，利用区域内200个实测土壤剖面样点资料及13类环境因子组合，分别根据基于支持向量机、决策树和模糊逻辑的理论方法进行土壤质地预测制图，旨在探索出一种适合整个黑河流域的土壤质地制图方法。结果表明：支持向量机方法对训练点和验证点的测试精度都偏低，分别为90％和55％；基于决策树方法对训练点的验证精度最高，达到98％，但其对验证点的预测准确率为57％；基于模糊逻辑方法的综合评价精度最好，对验证点的预测精度能达到64％，对训练样点的验证精度为74％。从制图结构来说，支持向量机方法弱化了类型环境因子的预测性能，减小了连续环境因子分布的空间筹异性，因而生成的土壤质地图结构相对简单，精度偏低；基于决策树方法对未知环境因子组合预测具有不确定性，生成土壤图斑块相对破碎；模糊逻辑方法可弥补决策树方法的一些不足，生成的土壤质地图较好的保留了斑块结构的完整性，也较好刻画了土壤类型与典型环境因子之间的相关性。因此在黑河流域采取基于模糊逻辑方法制图更有优势，决策树模型可作为知识挖掘的有效工具，用于辅助模糊逻辑方法提取土壤-环境间定量关系。　　 本文利用黑河流域土壤图、土壤剖面和环境数据，基于知识挖掘和模糊逻辑相结合的方法进行土壤预测制图，并融合冰川、湖泊等专题图完善土壤制图。针对黑河流域六个生态分区的不同特点，分别采用以下几种方法进行土壤制图：　　 流域上游：具有少量剖面分布点，且地形起伏大，气候、植被等具有明显的垂直分异规律，采用模糊C均值聚类与模糊逻辑制图相结合方法。先对此区域地形因子和气候因子等连续类型环境因子进行模糊聚类，根据少量剖面点得到环境因子组合与土壤类型组合的定量隶属度关系，将高隶属度区环境因子值作为土壤分布的典型环境值，再利用SOLIM模型生成土壤图和模糊隶属度图。　　 流域中游：具有大量剖面数据，但整体地势平坦，起主导作用的因子为土地利用类型、地貌图等类型环境因子数据，采取决策树和模糊逻辑相结合方法。先利用决策树算法生成土壤类型分布与环境数据的决策规则，提取出土壤-环境关系，再利用SOLIM模型生成土壤图和模糊隶属度图。　　 流域下游和湖盆景观地带：没有土壤样点分布，且整体地势平坦，采用基于土壤图的知识挖掘和模糊逻辑结合方法制图。首先根据已有土壤图与环境数据，统计每种土壤类型与环境因子间的直方图分布，确定土壤分布的典型环境值，再利用SOLIM模型生成土壤图和模糊隶属度图。　　 根据不同区域特点采取不同制图方法，生成了黑河流域不同景观地带的土壤质地图，再融合冰川图、水系图，生成最终黑河流域的土壤质地图。最后，通过与实测剖面点和北师大土壤质地图进行比较，对本文产生的土壤质地图进行了精度验证。根据流域中游地区49个实测土壤剖面样点资料的验证结果表明：流域中游该区域土壤质地分类准确率为69.4％，对比北师大土壤质地图38.7％的分类准确率精度有较大提高。通过对两幅质地图的混淆矩阵分析，总精度为46.7％，kappa系数为30.5％。基于模糊逻辑方法可以克服传统土壤制图方法效率较低、精度较差的缺陷，提高制图效率和精度，生成的土壤图以栅格形式进行表达，能更准确刻画土壤的空间渐变特征；与传统制图方法相比，该方法的大部分工作都由计算机完成，制图周期短，如引入新的土壤剖面或其它土壤分布规则，能很快在原有土壤图基础上进行更新。因此，可以认为，利用有限的土壤剖面数据，充分考虑环境因子的影响，采用基于模糊逻辑的数字土壤制图方法，进行黑河流域数字土壤质地制图和实时更新足一种行之有效的方法，能够生成满足陆面过程模型、水文模型和大气模型应用需要的土壤质地数据并提高模拟精度。