为实现“数字土壤”优化管理,根据有限的采样点数据进行土壤属性空间分布预测具有重要意义,而如何提高其预测精度是土壤学研究的热点问题之一。在参考国内外关于土壤属性空间分布预测、土壤硒分布特征及影响因素研究成果的基础上,本文以南京市溧水区表土全硒含量为例,以ArcGIS、MATLAB等技术为支撑,以土壤采样点全硒含量数据、地形植被数据、土壤类型数据为基础,运用神经网络模型及地统计学等分析方法,开展研究区表土全硒含量分布特征及环境变量对其的影响研究;并在此基础上,融合定量环境变量和定性辅助变量,利用RBF神经网络结合地统计分析进行表土全硒含量的空间分布预测;并以仅基于地统计分析中的普通克里金法为参照方法,对其进行精度对比评价。以期为区域土壤资源优化利用及“精准农业”提供参考。主要研究成果如下:(1)对研究区表土全硒含量进行描述性统计分析,并借助地统计学分析方法及Moran’s I指数对其进行空间自相关分析,研究其空间分布特征。结果表明,研究区表土全硒含量在0.037～0.914mg/kg范围内,均值0.238mg/kg,变异程度较强,空间自相关性较弱。(2)通过秩相关分析研究定量环境变量对表土全硒含量的影响,结果表明,地势越高、坡度越大,土壤含水量越低,植被盖度越小,表土硒含量越大;通过统计不同土壤类型中的全硒含量分布,并运用方差分析对其差异进行检验,得出结论:研究区表土全硒含量在不同土壤类型中呈极显著差异(P<0.01),土壤类型对硒含量具有不可忽视的重要影响。(3)基于研究区表土全硒含量的空间自相关和异相关特征,融合定量环境变量和定性辅助变量,以RBF神经网络模型为工具,利用RBF神经网络结合地统计分析进行表土全硒含量的空间分布预测;并以仅基于地统计分析中的普通克里金空间预测法为参照方法。预测结果与研究区表土全硒空间分布特征及环境变量对表土全硒含量的影响结论相契合。(4)对两种空间分布预测方法所得结果进行精度评价,发现基于RBF神经网络结合地统计学分析的预测法与仅基于地统计学的预测法相比,其拟合能力更高、各项误差更小,表明其具有更好预测能力,能够减小克里金法的平滑效应;其预测结果能体现表土全硒含量随地形等变化的细节信息,更贴近复杂的实际情况。