农业生产受地理条件和气象因素的影响，具有动态性、不确定性、时间性、空间性等复杂的特点。传统的技术手段无法正确及时掌握农情，导致农业生产长期处于信息化落后被动的局面。计算机相关技术是实现农业信息化可持续发展的有效途径。随着社会的进步和信息技术的发展，传统的农业数据处理手段已经无法满足农业信息化、数字化的发展，3S技术、人工智能和数据挖掘等先进计算机相关技术的出现，拓宽了人类的视觉和触觉，为人类提供了新的观测事物手段。我国主要粮食种植作物之一是玉米，它也是东北地区的主要种植作物，玉米生产在整个粮食生产中地位十分重要。了解玉米种植情况及产量，对于玉米生产过程的产量预测，土壤养分评价和精准施肥都具有重要意义。运用信息技术手段，对农业知识进行处理决策，及时了解土壤养分含量、肥力等级和粮食预期产量等重要农情一直是研究的热点。本文以农业信息化为导向，针对玉米生产过程中耕地地力情况，以最为关心的玉米产量为研究对象，利用GPS和GIS技术，结合时序序列算法、空间聚类分析和时间与空间相结合的数据挖掘技术，在掌握一定信息的情况下，进行土壤养分含量与产量之间的相关性，土壤肥力等级的划分，玉米产量预测等研究工作，探索玉米产量预测的新方法。在本文的研究中，首先分析了作物产量构成的相关研究、国内外农业信息化研究进展、精准农业国内外发展的情况、土壤养分的时空变异以及作物产量时空相关性的国内外研究动态；然后表明了本文主要的研究内容、目的、意义和相关工作；介绍了时间序列、空间模糊聚类分析、相关性分析和神经网络等数据挖掘理论和方法。在吉林农业大学信息技术学院所承担的国家863高科技“玉米精准作业系统研究与应用”项目的支持下，以吉林省榆树市弓棚镇的农田为实验区域，进行了以下研究工作：（1）数据收集整理，收集整理玉米种植区的土壤养分数据、实验期间玉米产量数据，查阅吉林省年鉴数据库获取得从1990-2010年榆树市玉米产量数据，为建立土壤养分评价模型、土壤养分与玉米产量相关性分析和玉米产量预测模型等工作提供基础数据。（2）针对土壤养分数据空间性特点，分析了土壤养分空间变异性、土壤养分与产量的相关性，讨论了土壤养分空间变异对产量的影响。（3）根据土壤养分变异与玉米产量的相关性研究吉林省黑土区耕地地力评价。针对研究对象的区域空间特性，在解决玉米精准施肥的区域问题上，采用空间模糊聚类算法进行土壤养分评价。首先利用利用八连通法对研究区域进行空间性分析，并将分析结果应用于空间模糊聚类分析中，进行土壤养分分类模型的建立。这种方法应用于土壤养分评价，即考虑了土壤养分数据的属性问题，又顾全了土壤养分数据具有区域空间性的特点，适用于精准农业中的土壤养分评价。借助GIS分析的结果可以直观地了解整个区域的耕地地力情况，可为农作物的施肥和管理提供理论依据。（4）玉米产量预测是精准农业实施过程的重要环节，传统的统计方法没有考虑玉米产量的时间相关性，本文从时间方面预测了玉米产量。以连续20年玉米产量为处理对象，根据时间序列算法的研究过程，构建了玉米产量的时间序列模型，从时间角度上分析了玉米产量的变化趋势，以及进行相关预测。实验结果表明应用ARIMA模型预测的玉米产量与实际值拟合效果很好,说明用时序算法可以对玉米产量的未来趋势进行较好地预测。这为摸清玉米产量的短期趋势提供了新的思路和方法。(5)在土壤养分空间变异和玉米产量时间预测的基础上，探索将时间和空间进行拟合，从时空角度进行玉米产量的预测。本文提出了一个基于数据挖掘的玉米产量时空相关性研究方法，利用时间序列方法构建玉米产量的时间子预测；借助于BP神经网络算法的学习特性，学习出种植区域相邻地块土壤养分对玉米产量的影响，进而构建出玉米产量的空间子预测；结合线性回归融合时间子预测和空间子预测生成最终的预测模型。本文是基于数据挖掘的土壤养分与玉米产量的时空相关性的研究，根据土壤养分和玉米产量都存在着一定的空间变异与时间变异特性，将数据挖掘方法与土壤养分评价、时空变异以及其玉米产量的相关性进行有效的集成。该研究方法的提出可以为土壤养分评价、精准施肥和产量预测等工作，提供理论依据。