针对土壤环境质量监测数据不符合正态分布或对数正太分布,经典统计学方法往往过高或过低估计现状和变化情况,本文提出了基于监测点空间分层加权的区域土壤环境质量统计推断方法,详细研究内容包括:(1)实验样本抽样设计。依据平均最短距离最小化准则,将北京市顺义区土壤环境质量监测点抽稀成采样密度分别为50、100、150、200、250、300、350、400空间分布均匀的实验样本;(2)研究方法对比分析。基于不同采样密度的样本点,分别采用经典统计方法、非参数统计方法和空间分层加权方法,采用交叉检验的方式验证比较不同方法的准确性、稳定性和效能,并研究知识层错划的影响机制;(3)软件研发。基于python开发区域土壤环境质量估计系统软件,包含描述性统计、空间分布特征检验和统计推断等数据分析处理模块和数据读取、图表制图、图形用户界面等辅助支撑模块。结果表明:(1)相较于传统统计方法和非参数统计方法,空间分层加权方法受采样密度变化影响不大,组间波动可以降低30.8%和29.7%,稳定性更强,稀疏样本下统计推断结果的均方误差减小39.61%和38.41%,准确性更高;(2)空间分层错划会导致估计结果波动。通常情况下,高值区监测点低划会导致估计结果偏低,低值区监测点高划会导致估计结果偏高,当研究区域即为评价单元且采用知识层点位数占比计算权重时,知识层错划不会影响估计结果;(3)区域土壤环境质量软件集成了土壤环境质量估计的常用算法,支持批量处理,可服务于土壤重金属研究领域,有效提升土壤环境质量研究的工作效率。