土壤是地球生物化学循环和水循环的基本要素之一，获取准确的全球、大陆和国家等宏观尺度土壤信息对相关科学研究工作具有重要意义。目前用于全球和区域尺度研究的宏观尺度土壤属性格网数据主要来源于基于典型剖面的土壤数据集，其土壤属性由少量典型剖面确定。近年来，农业、环保、林业和国土等部门的调查或监测工作，尤其是国土部门的地球化学基线调查，获取了大量基于稀疏格网采样方式的土壤样点数据，其密度比传统土壤调查的样点密度要大得多，这为更准确地估计土壤属性的空间变异提供了更好的数据支撑。本文建立了一套基于稀疏格网样点的宏观尺度土壤属性制图方法，从而为基于这类数据获取更为可靠的宏观尺度土壤属性数据提供了有效的方法。　　 本文方法在土壤类型图和环境变量等辅助数据的支持下，利用土壤属性-空间数据连接法确定土壤属性的总体分布规律，采用考虑了土壤-环境关系及空间关系的扩展IDW插值法推测土壤图多边形内部的土壤属性空间分布差异，最后对基于不同土壤类型样点所推测的分层土壤属性值加权平均来重新估计过渡带区域的土壤属性值以减小不同土壤类型交界处的土壤属性值突变，从而获得在空间域连续分布的土壤属性数据。　　 案例研究采用1:100万土壤类型图、全国土壤污染状况调查获取的8～32km格网样点以及SRTM90m DEM数据，以吉林省土壤有机质含量为例进行制图方法研究，同时选择了土壤属性-空间数据连接法、IDW空间插值法和普通克里格插值法进行对比分析。从土壤有机质含量的空间结构来看，本文方法有效地改进了土壤属性-空间数据连接法对土壤图多边形内部土壤属性空间分布差异的忽略以及不同土类边界处的属性值突变问题，克服了IDW插值法中的“牛眼睛”结构，同时制图结果的空间结构比空间插值法的结果更符合土壤发育的基本规律。独立样本点检验结果表明，本文方法的ME为-0.14，与IDW插值法的0.13和普通克里格插值法的-0.05基本相当，无偏性较好，而土壤属性-空间数据连接法的ME为-0.58，明显低估了土壤有机质含量;本文方法的MAE和RMSE分别为1.06和1.62，低于土壤属性-空间数据连接法的1.12和1.76，IDW空间插值法的1.43和2.12，以及普通克里格插值法的1.21和1.74，表明本文方法的估计值相比较其它两类方法要更接近观测值。综合制图质量和独立样本点的检验结果可以得出，本文方法优于目前常用的土壤属性-空间数据连接法与空间插值法。　　 样本采集过程中土壤类型记录的准确性、土壤图的质量以及推理模型的选择都可能影响本文方法的制图精度。方法使用土壤属性-空间数据连接法估计土壤属性的总体规律，因此不准确的样点土壤类型以及土壤图边界或者土壤类型错误都会降低土壤属性估计值的准确性。另外，扩展IDW模型尽管能够从属性域和空间域两方面对土壤图多边形内部的土壤属性空间分布差异进行推理，但模型仍然存在各向同性以及部分参数值设定较为主观等缺点，需进一步改进推理模型。　　 本文方法在应用过程中对待推测的土壤属性与样点分布有一定要求。待推测的土壤属性应该与土壤类型关系较为紧密，如土壤有机质含量、pH或者土壤质地等，而土壤重金属含量等土壤属性则不太适合本文方法。样点分布方面，本文方法主要针对由格网采样或格网随机采样方式获得的分布较为均匀的样点，而传统土壤调查中常用的横截面采样与目的性采样无法保证样点的均匀分布与样点密度，因此也不太适合本文方法。　　 采用本文方法进行全国公里格网土壤属性制图时，需要注意三个问题:　　 1）制图区域的划分及相关参数的选取;　　 2）支撑的辅助环境信息质量改进;　　 3）结果评价方法的改进。　　 进一步的研究可以重点从推理模型的改进和宏观尺度土壤属性数据的意义与质量评价两方面着手。