土壤理化性质普遍存在空间异质性。区域土壤养分数据的连续分布，是进行其空间特征分析的基础。在实际工作中因受各种条件的限制，只能根据代表性、经济性等原则布设采样点，从而导致样点数据的高度离散性。要获取研究区相对连续养分数据最有效手段就是对采样点进行插值，然而对于土地利用格局复杂、破碎化程度较高的区域，直接采用空间插值，往往因其精度较低与实际情况不符。因此，本文以石家庄城市边缘带为研究对象，在利用BP神经网络模型对空间插值点土壤养分进行预测的基础上，将地统计学原理与GIS技术相结合，研究了石家庄城市边缘带土壤表层(0-20cm)的有机质、全氮、速效磷以及速效钾四种土壤养分的空间变异性，探索了一种在采样点相对较少、土地利用类型复杂、景观异质性较高的区域内进行土壤特性研究的新方法。从而更加准确和直观地了解整个研究区域中各种土壤养分的空间分布规律。另外本文还对土壤养分空间特征与景观格局的相关性及土壤养分管理进行了研究。结果表明： BP神经网络模型能够智能地学习各个采样点的空间位置与该点各种土壤养分含量之间的映射关系。采用一个输入层、一个输出层和若干个隐含层的三层BP神经网络模型的平均决定系数为81.6％，平均拟合精度为94.68％。表明训练后的网络模型已经学习和掌握了各个样点空间位置与该处土壤养分含量之间高度复杂的非线性关系，并能较为准确地对不同地理位置上的土壤养分含量进行插值。利用BP网络模型进行插值弥补了由于样本数量少，数据离散程度高，直接利用地统计方法研究土壤养分空间分布特征造成的插值精度偏低的缺陷。 石家庄城市边缘带土壤有机质、全氮、速效磷属于中等变异，变异系数分别为18.24％、15.94％、22.14％，土壤速效钾属弱变异，变异系数为7.42％。预测后的土壤有机质、全氮、速效磷和速效钾变异函数的理论模型均符合球状模型，其决定系数R2分别为0.967、0.792、0.927、0.942。有机质、速效磷和速效钾具有强烈的空间相关性，块基比分别为0.12％、15.10％和9.63％。土壤全氮具有中等相关性，块基比为25.64％，主要是因施肥、耕作、田间管理水平等人为因素在一定程度上削弱了全氮的空间相关性。四种速效养分均具有明显的空间自相关格局，但它们的空间自相关的变化尺度具有一定的差异。有机质和全氮的变程比较接近，分别为502.6m和458.6m，速效磷和速效钾的变异尺度较小，分别为277.0m和385.1m。 从养分分布图看，石家庄城市边缘带有机质、全氮、速效磷和速效钾含量具有明显的斑块状分布特点，各种土壤养分高值区多分布在石家庄市西部和南部。四种养分含量均呈现从西向东、从南向北递减的趋势。通过引入土地景观格局指数和土壤养分综合得分两个指标，建立回归模型，并对土壤养分含量与土地利用格局进行了研究。结果显示：土地景观格局指数与土壤养分的主成分综合得分拟合模型为y=1.014×exp(x/1.794)+2152，两者之间存在明显的指数增长趋势。景观格局指数越高，土地利用类型相对复杂，土壤养分含量相应偏高，反之亦然。