土壤分类对土壤科学的发展具有引领作用。剖面内各层次是研究土壤分类的基础,通过原位发生层划分采样和实验室诊断层与诊断特性理化分析鉴别,能够对土壤进行分类。而传统的发生层划分是一种定性划分方法,依赖调查人员的主观经验知识,缺乏定量划分标准,难以得到一致的分层结果。实验室理化分析耗时耗力,且对土壤样品有较高要求,无法满足快速高效识别土壤诊断层的现实需求。因此,本文基于快速获取的土壤属性数据,开展土壤数值分类研究,尝试定量划分和识别土壤层次。基于便携式X射线荧光光谱（PXRF）的多元素同步测定技术,通过在湖北省武穴市原位测定的土壤剖面数据,使用等面积二次平滑样条函数和模糊C均值聚类,研究基于元素含量差异划分土壤发生层的准确性;通过对江西省和湖北省武穴市土壤诊断层数据的测定,使用随机森林、决策树和支持向量机算法,对不同诊断层分别建模并进行精度评价,研究PXRF数据识别土壤诊断层的能力。得到的主要结论如下:（1）对土壤剖面原位发生层划分。通过对土壤深度函数进行聚类分析,能够实现对土壤发生层边界的定量划分,且随着聚类类别的增加,能够获得更加精准的分层结果。以土壤剖面发生层个数作为聚类类别时,基于元素含量差异与基于形态学特征差异的分层结果具备较好的一致性,对土壤层次采样的准确度能够达到89.5%。通过计算模糊聚类的数字梯度值,基于变化峰值的最大值,可以定量描述形态学层次过渡的明显度特征;基于分层位置的变化范围,可以作为建立缓冲区的依据,评价分层准确度。就结果而言,30处分层位置中,有18处位于缓冲区内,7处与缓冲区深度差异在5 cm范围内。在土壤类型中,潮湿雏形土较水耕人为土的分层准确度更高;在土壤剖面内,受人类影响较小的A、B层过渡处及B层内部获得了更好的分层结果。（2）对单个土壤诊断层识别。通过特征因子筛选,使用随机森林、决策树和支持向量机算法,分别构建每种诊断层的分类模型。在诊断表层和诊断表下层的识别中,随机森林获得了最高的精度,能够较好的识别诊断表下层,但对诊断表层的识别能力较弱。在诊断表层内部,支持向量机在单个诊断表层的分类中获得了最高精度,对各诊断表层的识别精度排序依次为暗沃、暗瘠表层>水耕表层>淡薄表层;在诊断表下层内部,随机森林和支持向量机在单个诊断表下层的分类中获得了相同的精度,对各诊断表下层的识别精度排序依次为低活性富铁层>水耕氧化还原层>黏化层>雏形层。（3）对多个诊断表层和诊断表下层识别。在诊断表层的多类分类中,支持向量机获得了最高精度,总精度为79.9%,Kappa系数为0.54,能够实现对暗沃、暗瘠表层和水耕表层的相互区分。在诊断表下层的多标签分类中,支持向量机获得了最高精度,总精度为50.6%,汉明损失为0.19,对水耕氧化还原层和低活性富铁层的识别效果较好。就诊断层而言,PXRF对与元素含量有关的诊断层具备更好的识别能力,相比于诊断表层,诊断表下层的标签更加复杂,分类指标更多样化,因此分类精度相对较低。