中国是一个农业大国，如何提高粮食产量一直是备受关注的问题，耕地地力的高低直接影响作物的生长发育、产量和品质，肥沃的土地是确保农业可持续发展的重要物质基础。传统耕种中，人们把一定区域的土地划分为一块，使用整块地土壤养分的均值来代表整个农田土壤的养分状况，然后对整块土地使用单一的施肥量进行均匀施肥，然而田间土壤、作物的特性都不是均一的，是随着时间、空间变化的，使用单一的肥量配置既达不到按需施肥的要求，更有可能造成资源浪费和环境污染。于是精准施肥应运而生，精准施肥是指根据土壤养分变化将土地分为不同的管理区，对于每一个管理区使用其特定的施肥方案，目标是在降低消耗、保护环境的前提下，获得最佳的收成。传统的变量施肥主要通过网格采样法获取信息，然而该方法成本高、不实用，近年来，许多学者开始研究按照土壤养分的变异性和空间位置将同一地块划分成不同的相对均质的区域进行管理，即土壤养分管理分区。科学合理的土壤养分管理分区技术是实施精准农业变量施肥的高效手段，并成为国内外精准农业研究的热点[56]。随着当今世界科技的飞速发展，有越来越多的新技术和新方法应用于管理区划分中，国内外管理区划分方法主要有经验法、GIS软件提供的分类方法、统计学方法等。同时也有学者将数据挖掘技术引入到农田管理区划分中，使用各种数据挖掘算法解决管理区分类问题，如k均值聚类算法、模糊c均值聚类算法、加权模糊聚类算法、粒子群优化算法以及改进的蚁群聚类算法[8]，决策树分类法等。本文研究的就是决策树算法在农田管理区划分中的应用，现将本文的主要工作和研究结论列出：（1）分别使用决策树算法中的ID3算法和C4.5算法对农安县地力数据进行管理区划分，通过实验结果证明无论是ID3算法还是C4.5算法都能够对农安县管理区划分起到指导作用，而且C4.5算法将土壤养分数据作为连续数据处理，更加准确的分析出了各管理分区土壤的主要特点，能达到精准划分管理区的目标。（2）本文在比较ID3算法和C4.5算法的研究基础上，提出了边界敏感C4.5算法，边界敏感C4.5算法是C4.5算法的改进算法，传统的C4.5算法仅依靠信息增益率选择决策点，分类依据单一，容易受类别中样本个数的影响。边界敏感C4.5算法将样本的空间结构信息引入到分类过程中，解决了C4.5算法分类依据单一、易受类别样本个数影响的缺点。（3）将边界敏感C4.5算法分别在平衡数据和失衡数据上进行试验。证明边界敏感C4.5算法的这种分类机制有效的减少了因数据失衡所造成的分类精度损失，和空间结构信息的引入使其具有处理失衡数据的能力。（4）将边界敏感C4.5算法对农安县地力数据进行了管理区划分，并将所得到实验结果分别与专家划分结果和C4.5算法实验结果进行对比，证明边界敏感C4.5算法能够对农安县管理区划分起到指导作用，并且能进一步提高C4.5算法的分类精度。