黄淮海北部夏玉米-冬小麦轮作区存在的耕层土壤退化、水肥利用率低、作物品质欠佳等主要问题,往往会通过配方施肥措施提升土壤肥力,改善土壤综合肥力质量。但是分散的田块管理模式与不同尺度上复杂的土壤养分空间分布,应用传统方法获取的大区域地块土壤养分空间分布信息,采样点的选取具有偶然性、局限性,不能准确反映大区域中相对较小单元土壤养分的含量状况,给精准农业的实施带来困难,正确全面的认识土壤养分空间变异性及其空间分布格局对精准农业、数字土壤制图的发展、合理的土壤养分管理分区及农产品的优质高产等具有重要意义。针对我国农场尺度与田块尺度土壤养分空间变异特征识别方法比较研究资料缺乏的现状,为获取较准确的土壤养分空间分布特征及养分管理分区,本文在黄淮海北部平原邢台市宁晋县白木村选取夏玉米收获期未收割的50m×50m田块尺度(取82个土样)与1000m×1000m(取108个土样)农场尺度耕地为两研究样区,应用普通克里金插值法和RBF人工神经网络插值法探究了两尺度研究样区土壤养分空间变异特征、土壤综合肥力质量情况以及两种空间插值方法的空间特征识别结果精度,为获取较精确的土壤养分空间分布特征,完成土壤养分管理分区,以及农田的精准施肥提供方法与数据支撑。得出的主要研究结果如下:(1)对耕地土壤各养分含量的空间变异特征分析,结果表明:研究样区土壤全氮、有机质、有效磷、速效钾含量分别在0.33～2.9 g·kg-1、8.39～20.59 g·kg-1、20.15～119.88 mg·kg-1、27～175.4 mg.kg-1,pH变化不大均表现为偏碱性。农场尺度土壤全氮、有机质与有效磷大致呈现以西北东南对称线含量较高向两边逐渐减少的空间分布趋势,速效钾空间分布格局呈现北部含量整体偏高,南部含量较低的空间分布特征。田块尺度土壤全氮、有机质、有效磷与速效钾呈现东北部地区含量较多,且整体向西南部递减的空间分布特征。两尺度研究样区表层土壤各养分块金基台比为0.448～0.746,表明土壤各养分在两尺度研究样区表现为中等程度空间变异。(2)应用普通克里金和RBF人工神经网络插值法探究两尺度土壤各养分含量的空间分布特征识别结果显示,基于普通克里金插值法的农场尺度研究样区土壤全氮、pH、有效磷与速效钾的最优半方差拟合模型为指数模型,而球状模型是土壤有机质的最优半方差拟合模型,田块尺度研究样区土壤各养分的最优半方差拟合模型均为指数模型。田块尺度研究样区土壤各养分含量空间分布特征的确定系数R2(0.755～0.877)均大于农场尺度研究样区土壤各养分空间分布特征的确定系数R2(0.705～0.837),基于RBF人工神经网络插值法的田块尺度研究样区的3个误差指标均小于农场尺度,空间特征识别结果图中土壤养分含量分布表达更加精确,这表明,土壤各养分的空间分布特征识别结果精度受到采样尺度的影响,田块尺度的空间特征识别结果精度优于农场尺度。(3)基于普通克里金插值法和RBF人工神经网络插值法对两尺度研究样区土壤各养分含量空间分布的识别结果进行精度评价,发现基于RBF人工神经网络插值法在同一尺度研究样区的土壤养分空间分布特征识别结果的各项误差均有所减小,在空间特征识别结果图中克服了普通克里金插值结果的“平滑效应”,对土壤养分含量分布表达更清晰,更加贴近土壤养分分布的实际情况,其空间特征识别结果精度更高,这表明在同一尺度研究样区,选用RBF人工神经网络插值法具有更好的土壤养分空间分布特征识别能力。对于取样规模较大的农场尺度研究样区,在进行土壤养分管理分区结果合理性评价时应用RBF人工神经网络插值法对土壤综合肥力质量空间分布的识别能力更高。(4)利用主成分分析法与k-均值聚类分析法,将农场尺度研究样区分为3个土壤养分管理分区,各个分区内的土壤养分含量均趋于同质性,各分区间的土壤全氮、有机质、速效钾差异呈现出显著性,pH值在分区3和分区1、2之间差异显著,土壤有效磷含量在分区1和分区2、分区3之间差异呈现显著性,土壤养分分区结果与土壤肥力质量的整体分布格局具有一致性,这表明,达到了合理养分管理分区的目的,可根据研究样区土壤综合肥力质量空间分布状况与土壤养分管理分区结果进行精准施肥。通过对黄淮海北部夏玉米-冬小麦轮作区的农场尺度的与田块尺度耕地土壤养分空间变异性及其空间分布特征研究,并进行不同插值法下的土壤养分空间分布特征识别结果结果精度研究,在拟合精度较高的插值法下进行研究样区内土壤综合肥力质量空间分布特征研究以及土壤养分管理分区研究,揭示了 RBF人工神经网络插值法拟合精度要高于普通克里金插值法,依据RBF人工神经网络插值法的土壤综合肥力质量空间分布图结合k-均值聚类分析法将农场尺度分为3个土壤养分管理分区,为精准农业的推广及实施,为可持续农业的发展提供数据参考和理论支撑。