土壤是人类以及动植物赖以生存的物质基础，合理利用土壤资源是实现可持续发展的重要内容。传统的土壤数据获取方法是通过野外采样，实验室分析，以及零散的历史土壤数据来获取，土壤属性制图利用数学模型从土壤观测、土壤知识及相关环境变量中推测土壤类型和属性，具有高效、快速以及成本较低的特点，也弥补了空间插值忽视环境因素影响的缺陷，得到了广泛的研究和应用。复杂地形区内地形起伏大，交通不发达，野外土壤采样存在很大的困难与风险，土壤数据更新速度慢，大部分地区现今只有第二次全国土壤普查的1:100万土壤数据，无法满足农业、牧业、科学研究及环境管理等对土壤数据的需求。土壤属性制图为复杂地形区获取土壤属性数据提供了新途径。玉树市位于青海省南部，是青藏高原的腹地，在其境内山地众多、河流纵横，是典型的复杂地形区。　　为探讨复杂地形区土壤属性制图方法，本文基于ArcGIS地理信息系统软件与IBM SPSS Modeler数据挖掘工具，对玉树市土壤全碳进行预测性制图。以土壤全碳含量为目标变量，数字高程模型、坡度、坡向、地形湿度指数、剖面曲率、平面曲率、归一化植被指数，以及由土壤类型、土地利用类型、地貌类型、地质类型、植被类型数据同数字高程模型和归一化植被指数共同构建的加权变量为预测变量，采用多元回归模型、逐步回归模型和BP神经网络模型构建土壤全碳含量的预测模型。主要研究结论如下：　　(1)玉树市的土壤全碳含量基本符合正态分布，平均值为55.80 g/kg，标准差为19.22 g/kg。全变量多元回归模型预测结果显示，海拔较低的河谷地区含量较低，海拔较高的山地地区全碳含量较高。　　(2)本文所构建的加权变量建立的回归模型优于由数字高程模型、坡度、坡向、地形湿度指数等常规变量建立的回归模型。加权变量建立的BP神经网络模型的验证精度高于其他BP神经网络模型，由常规变量与加权变量共同构建的BP神经网络模型中加权变量的整体重要性高于常规变量，而且由地质类型、土壤类型、植被类型与数字高程模型构建的加权变量的重要性远高于数字高程模型本身的重要性。在众多模型中，引入加权变量的全变量多元回归模型是预测玉树市土壤全碳的最佳模型。因此，构建加权变量是有效利用定性环境变量的一种新的方式，为数字土壤制图提供了获取新变量的方法。　　(3)定性变量对目标变量的影响不显著，构建的加权变量与参与构建加权变量的定量变量存在较大的相关性，因而不适合用于加权变量的构建。　　(4)利用ArcGIS软件与SPSS Modeler相结合进行数字土壤属性制图，可以根据专家的经验和方法构建出适合研究区的模型，不局限于其他建模软件对数据、格式和方法上的限制。　　综上所述，本研究结合遥感、植被、地形与地质地貌数据等多源数据，对土壤全碳进行建模预测，达到了预设效果。加权变量建立的回归模型优于常规变量建立的回归模型，预测结果能够为农牧业的管理、城乡规划等工作提供决策支持。加权变量建立的BP神经网络模型验证精度较高，因此构建加权变量能有效利用定性变量，为数字土壤制图提供新的制图变量，也可供其他土壤资料缺乏的区域在研究中借鉴，能更好地为区域发展和经济建设服务；为复杂地形区土壤数据的更新和复杂地形土壤属性制图提供方法和经验参考。