El mapeo digital de suelos (DSM) es actualmente el marco principal para predecir la variación espacial de la información del suelo (tipo de suelo o propiedades del suelo). Los bosques aleatorios y los métodos basados en similitud se han utilizado ampliamente en DSM. Sin embargo, la precisión del enfoque basado en similitud es limitada, y el rendimiento de los bosques aleatorios se ve afectado por la calidad del conjunto de características. El objetivo de este estudio fue presentar un método para el mapeo de suelos integrando el enfoque basado en similitud y el método de bosques aleatorios. El área de Heshan (provincia de Heilongjiang, China) fue seleccionada como el estudio de caso para mapear subgrupos de suelos. Los resultados de las muestras de validación regular mostraron que la precisión general del método integrado (71.79%) es mayor que la del enfoque basado en similitud (58.97%) y los bosques aleatorios (66.67%). Los resultados de la validación cruzada de 5 pliegues mostraron que la precisión general del método integrado, el enfoque basado en similitud y los bosques aleatorios varían del 55% al 72.73%, del 43.48% al 69.57%, y del 54.17% al 70.83%, con una precisión promedio del 66.61%, 57.39% y 59.62%, respectivamente. Estos resultados sugieren que el método propuesto puede producir un conjunto de covariables de alta calidad y lograr un mejor rendimiento que el de los bosques aleatorios o el enfoque basado en similitud por separado.