土壤类型划分工作的深入研究,具有至关重要的理论和现实意义。传统的土壤类型制图主要依靠人工实地调查,需要消耗大量的人力、物力和财力,调查周期长。随着遥感技术的发展,遥感数据的深入挖掘和处理技术为大范围土壤信息监测提供了新的技术手段,较大程度得提高了土壤类型信息获取的及时性和准确性。针对目前遥感土壤类型制图中存在的几个问题,本研究选择山东省三个不同地形地貌条件下的县级行政区划单元:平度市（东部平原丘陵区）、崂山区（东部山地丘陵地区）、定陶区（西部平原地区）作为研究区,结合遥感影像和历史土壤数据资料,开展了山东省不同地形地区的土壤调查与制图研究。根据分类精度,探讨了不同环境变量对基于遥感影像数字土壤制图的影响,确定了分类特征重要性排序,进一步明确了对不同地区数字土壤制图的最优环境变量特征组合和分类方法。主要结果如下:针对山东省东部平原丘陵地区（平度市）,分类特征对土壤识别影响最大的为纹理特征,其次影响程度由大到小排序为地形、湿度、主成分和生物特征。当Landsat 8数据与同质性、信息熵、高程、坡度、归一化湿度指数、植被指数、前三个主成分分量和缨帽变换绿度分量组合后,土壤的识别精度达到了最大值,为最优分类特征变量组合。针对山东省东部山地丘陵地区（崂山区）,分类特征对土壤识别影响最大的为纹理特征,其次影响程度由大到小排序为地形、湿度、生物和主成分特征。在Landsat 8数据融合了均值参数和高程指标后,土壤的分类精度达到最大值,为最优分类特征变量组合。针对山东省西部平原地区（定陶区）,分类特征对土壤识别影响最大的为地形特征,其次影响程度由大到小排序为纹理、湿度、生物和主成分特征。当Landsat 8数据与高程、坡度、异质性和缨帽变换湿度波段组合后,土壤的识别精度达到了最大值,为最优分类特征变量组合。根据各分类特征的土壤识别精度,纹理和地形特征在三种地形地区的土壤分类中均大幅度提高了分类精度和效率,起到至关重要的作用。其中,地形特征中影响较大的均为高程和坡度的组合。除了地形和纹理特征外,影响较为重要的均为湿度特征。本研究比较了最大似然、支持向量机、人工神经网络和随机森林四种分类方法的性能。随机森林分类模型分别使山东省三种地形地区的土壤类型识别精度达到了最大值,制图效果最佳,最适合山东省基于遥感影像的数字土壤制图。本文的土壤类型划分结果可以为高效、快速地土壤分类和数字土壤制图提供技术支持,提高土壤分类的适用性和准确性,为合理利用土地资源提供科学依据。