由于人为采矿活动的影响,矿区复垦土壤性质发生了较大的变化。为实现矿区可持续土地管理和利用,需要对复垦土壤性质进行长期动态监测。土壤监测信息的质量依赖于土壤样点的采集,密集的采样网络耗时且昂贵。因此,有必要设计一种科学的采样方案,最大限度地提高结果的准确性,同时最大限度地减少开支。本文选取山西省平朔矿区安太堡排土场和安家岭排土场为研究区,以DEM与SPOT数据提取的地形、植被因子和2017年8月所采集的土壤样品的测定数据为基础,探讨土壤有机碳、容重、黏粒、粉粒、砂粒的空间变异规律及其与辅助因子的相关性,以人工神经网络预测均方根误差为目标函数,通过普通模拟退火和改进的模拟退火方法针对每种土壤属性的样点布设进行了单独的优化,并综合各土壤属性进行了采样点优化。结果表明:(1)土壤有机碳较其他土壤属性显示出较高的变异性,由于复垦时间较长,安太堡南排土壤有机碳含量相对较高;(2)与一般模拟退火算法相比,改进的模拟退火算法减少了样本数量,提高了空间相关性,并且通过改进的模拟退火优化的样点显示出更精确的预测;(3)通过统计学计算方法得出的样点个数大多大于改进模拟退火,且未考虑空间相关性,因此,改进模拟退火较统计学方法更优;(4)通过改进模拟退火优化后的样点大多分布在边缘地区,在排土场中部适当填充,在地形变化较大的地区,样点分布较多。由于安太堡南排复垦时间较长,空间变异性较大,所以需要更多的样点反映土壤信息。联合所有属性进行优化后的样点分布类似于有机碳的样点分布,同时考虑到其它土壤属性的一些样点,在分布稀疏的地方增加了样点,部分样点在其临近部位进行了移位,样点分布呈现均匀状态。本研究可为复垦土壤性质监测和数字制图,可持续土地管理和利用的优化设计提供理论依据。