空间变异理论是当今世界科技发展前沿关注的热点。本文针对土壤水盐空间变异性问题,以我国大型引黄灌区-内蒙古河套灌区内两个典型节水灌溉区域为例,探索并开拓水—土空间变异的新原理和新方法。本文的主要研究成果有:为了解决多数中小样本容量有限或受特异值影响而造成有偏分布,使得统计特征非正态分布,本文引入稳健地质统计学RGS的稳健克立格后仍具有明显平滑效应。对影响点分析的研究表明:影响点识别法与特异值识别法具有一致性,应在影响点分析的基础上寻求特异值。为此尝试把ANN的BP神经网络技术引入土壤水盐环境监测,为水土空间变异研究提供新方法。经过大量探索性研究,建立了土壤水盐估计的BP神经网络模型。结果表明:BP法可在一定程度上克服OK法的平滑效应,对原始数据没有参数及严格地采样分布要求,不涉及特异值的问题,简单而实用,但BP神经网络不具有统计分析的显著检验性功能。在国内初次引进非参数统计学(NPG)理论的主要方法—指示克立格(简写IK)法,进行了试验区内耕地、盐荒地夏灌前土壤水盐时空分布的模拟与估值。对指示阈值选择方法进行了探讨,获得的土壤水盐指示阈值可供参考。重点对IK法的指示克立格模型与参数进行了系统分析,发现水盐指示克立格平均概率与指示阈值、指示变异函数有密切关系,不宜选择中位数作为单一阈值,单从提高概率预测精度考虑,水分指示阈值应该尽量选择低于中位数的偏小阈值,盐分指示阈值应该尽量选择高于中位数的偏大阈值。IK法虽有独特的估计作用,仍有一定平滑效应,且指示概率的方差较大。同时首次将析取克立格(简写DK)法用于土壤水盐估计,对比了IK法、DK法与概率克立格PK法的概率估计功能。鉴于ANN不具有显著性统计分析功能,而IK法仍有平滑现象,文中探讨了指示克立格与BP神经网络技术的融合方法,按照基于(非参数)统计分析的神经网络思路,创新性地提出了人工神经指示克立格这一新技术。将人工指示克立格用于土壤水盐评价发现:人工神经指示克立格具有指示克立格和ANN的优点,对数据无统计假定,不涉及特异值识别与处理,但可以高度逼近线性与非线性函数,将特异值的影响限定在子区内,自然可减弱特异值的影响,平滑效应显著减弱,很好解决了非线性逼近问题,人工指示克立格可用于土壤水盐监测并推广到其他相关工作中。