在现代计算机信息技术的发展前提下，农业现代化水平在不断地提高，农业领域的数据也在爆炸式增长，逐渐形成数据类型多样、动态、复杂的农业大数据。土壤养分数据作为农业大数据的重要内容，分析土壤养分数据并结合数据挖掘算法探索分析土壤中的养分状况，有利于对土壤养分管理。　　本文以安徽省明光市作为研究区域，收集其自2005年到2015年测土配方施肥土壤养分采样点数据，在ARCGIS中转化成点，并与耕地管理单元相叠加，建立属性库。在Hadoop云平台上结合IDE编程软件Eclipse实现MapReduce机制，对土壤养分属性数据进行预处理，为土壤养分数据挖掘做数据仓库准备。使用聚类分析算法模糊C并在其基础上进行属性加权分析。研究结果表明:　　(1)在Linux操作系统上搭建Hadoop云平台。在IDE编程软件Eclipse基础上，应用MapReduce分布式数据处理机制对土壤养分数据进行数据预处理，定义map函数处理Key-Value对并生成中间键值对，对同一数据集每个目标进行并行操作。在此阶段提取处理后的土壤养分键值对数据，并以文本形式导出为土壤养分模糊C算法作数据支持。　　(2)使用典型的聚类算法模糊C对安徽省明光市2005年到2015年土壤养分数据进行分析，在幂指数不变的情况下，使用目标函数进行数据集优化并建立模糊矩阵，再进行分别对土壤养分元素全氮、有效磷、速效钾进行聚类划分。在传统模糊C算法基础，应用层次分析法对各土壤养分元素进行权重求取，并进行加权模糊C算法分析。对预处理的土壤养分数据进行加权模糊C算法分析后，目标函数值降低了约百分之三十，聚类效果得到提升。　　(3)土壤养分数据在经过未加权后的模糊C算法分析后，与空间变异属性加权的模糊C算法分类结果对比，后者较前者的分类结果数相似度明显加强，土壤养分数据类别相似度随年份逐渐靠近，说明安徽省明光市土壤养分空间变异性减小，年度土壤养分差异减少，经过多年科学施肥指导，耕地养分状况得到改善，为农业工作者分析近几年来土壤养分状况作参考，为耕地施肥区域管理作依据。另外说明在众多聚类算法中，模糊C算法有利于土壤养分趋势状况评价，为进一步算法改进做指导。　　本研究对土壤养分数据进行分析处理，对评价和预测安徽省明光市土壤养分状况具有重要作用，对土壤养分数据以及其他类别的大规模数据数据挖掘具有参考价值，并对农业可持续发展具有重要意义。