土壤是人类生产粮食所必需的最基本的自然资源,是保证粮食安全的基础。我国是一个传统的农业大国,有着悠久的农业历史,但属于资源约束型国家,耕地资源稀缺,保护耕地是基本国策之一。合理利用每一寸耕地,对粮食安全和环境保护都具有十分重要的理论意义与实践应用价值。土壤属性是决定土壤质量的重要因素,详尽的国家尺度土壤信息可以为粮食安全起到贡献作用,探究土壤属性的空间变异对区域生态和耕地质量评价、耕地资源利用具有重要意义,因此我们迫切需要更好地了解全国尺度的某些土壤关键属性的空间分布。过去的研究中,土壤属性的空间分布表达在精度和准确性上均存在着可提升的空间。在土壤科学领域,随着地理信息系统(GIS)、全球定位系统(GPS)、远程和近端传感器等工具以及土壤制图技术的日益强大,基于土壤景观模型的数字土壤制图成为一种高效表达土壤空间分布的方法。本文以土壤景观学为基础,基于全国第二次土壤普查的样点数据和多环境变量数据,采用多种机器学习算法,预测我国高精度90 m分辨率表层土壤关键属性的空间分布,并在此基础上计算不同指标隶属度,利用综合指数评价法预测我国耕地质量等级分布,探讨了不同农业区的耕地质量等级分布。论文的主要研究内容和研究成果分为以下几个方面:(1)针对我国地形气候条件复杂的特征,采用数据挖掘技术,结合多源遥感数据,进行了我国大尺度土壤有机质高精度空间分布特征研究并计算不确定性。我们发现预测结果能很好地揭示有机质的空间分异;并且模型能很好地挖掘与环境景观因子之间的关系。模型独立验证相关系数达到0.62,同时相对误差为0.72 g/kg,与其他国家尺度有机质研究精度处于同一水平。本章研究结果发现,水田和旱地有机质含量分别为21.38 g/kg和18.98 g/kg,与SoilGrids数据相比,本研究整体计算结果比较接近中国土壤肥力提供的实际数据。本研究有机质预测制图结果为日后我国土壤表层有机质含量监测和评估提供了一个基准参考。(2)采用逐步回归结合人工神经网络的技术,筛选环境变量并构建我国土壤容重的转换函数(pedotransfer functions,PTF),填补土壤数据库中土壤容重数据的缺失。通过筛选,PTF函数中使用了一系列土壤性质和环境变量(SOM、Silt、TN、TP、Temperature、MrVBF、Aspect和Radiation),当隐藏节点为7时,模型效果最好,R~2值为0.47。通过对比,研究发现我们的人工神经网络PTF在预测中国土壤容重比其他已发表的PTF更准确,不同的PTFs应用于不同地理环境的土壤时,其性能有很大差异。采用标准化的欧式距离来确定PTF的有效域,我们预测数据的93%在累积卡方分布97.5%cutoff值。通过人工神经网络的PTF模型填补土壤容重缺失,然后采用梯度提升树模型预测了全国的土壤容重高分辨率空间分布图。结果发现土壤容重的分布于我国目前发现的有机质分布基本呈现出现相反的趋势。我们的研究结果将用于中国土壤有机碳储量的计算,这将提供更准确的基线。(3)基于数字土壤制图理论以及瓦片结构的并行运算,采用结合XGBoost模型和随机森林两种机器学习技术的混合模型,预测了我国高精度土壤pH空间分布以及通过阈值完成土壤中镉和汞超标风险衍生图。研究表明,当两个模型结合时,模型精度有所提高,精度R~2为0.72、均方根误差为0.71,优于单一模型。采用瓦片结构的并行计算方法极大地提高了运算效率,对大尺度、高精度的土壤数字制图研究具有重要意义。将本研究预测结果与SoilGrids及HWSD产生的全球土壤pH图进行了比较,我们的结果在小尺度内呈现出更详细的空间变异。本研完成的土壤pH空间分布研究为未来预测土壤酸性的时空变化趋势提供重要的基础数据,为评估土地利用、气候的变化提供基准。(4)以遥感与数字制图为技术支撑,选择12种定量因子作为耕地质量评价指标,构建我国耕地质量评价体系,采用隶属度函数结合累加法作为耕地质量的综合指数评价模型,完成了我国耕地质量等级分布图。发现我国耕地质量空间分布不平衡,在长江中下游区的耕地质量好于其他地区,不同农业区耕地质量差异明显。研究得到的不同等级的耕地所占百分比与农业部2014发布的土壤质量公报数据相对接近,但是有所差别。本研究完成的基于遥感技术与数字制图的耕地评价体系,是一种快速高效评估的重要手段,科学量化表达了我国耕地质量的空间分布,为合理的耕地使用和管理以及有关土地工作开展提供依据。