目前，数字土壤制图的应用越来越广泛。其方法主要包括环境相关模型、空间自相关模型和这些模型的混合模型。理论上，第一次模拟考试比单一模式有明显的优势。广义线性地质统计学模型（GLGM）也是一种混合模型。与最常用的混合模型——回归克里格（RK）相比，它还具有加入随机效应以解决土壤变化的非平稳性的优点。然而，GLGM由于其繁琐的计算和其他缺点，在国内外几乎没有应用。以高峰林场广西南宁小面积（3.03 km~2）丘陵区为研究区域，以14个地形因子为预测变量，采用广义线性混合模型（GLMM）及其模型，结合普通克里格（OK）（即GLGM）、土壤有机碳（SOC），预测了pH和阳离子交换量（CEC）粘土颗粒的空间分布，并与常用的多元线性回归（MLR）、地理加权回归（GWR）和回归森林（RF）、OK、RK和广义加性模型（GAM）进行了比较。结果表明，GLMM模型预测粘土颗粒具有较高的精度。GLMM和GLGM对CEC的预测精度中等，但对SOC和p　H的预测精度较低。基于线性回归模型的调整决定系数、掘金效应和全球西马基安指数，本文认为，当土壤属性具有较低的线性回归调整决定系数（即小于5%）和环境变量时，GLMM和GLGM具有较高的适用性，弱的空间自相关（即块金效应大于71%）和强的局部空间变异（即全球Simaqian指数小于0.09），例如本文中的粘土。相反，GLMM和GLGM则不适用，比如SOC和pH。鉴于土壤空间变异的高度异质性和多尺度性，GLMM和GLGM具有良好的应用前景。然而，在未来的研究中，我们需要进一步研究如何提高GLMM和GLGM的模拟效率。