空间预测是一种获得有机质空间局部细节的重要方法,其准确性对于农田合理管理有着重要意义。本研究通过对比不同的土壤有机质空间制图方法以获得更优的预测精度,在预测的同时揭示环境协变量的空间非平稳性特征及不同环境协变量关系的空间尺度。选取山西省高平市作为研究区,对比普通克里金（OK）、多元线性回归（MLR）、回归克里金（RK）、地理加权回归（GWR）、地理加权回归克里金（GWRK）、多重尺度地理加权回归（MGWR）、多重尺度地理加权回归克里金（MGWRK）7种不同方法对土壤有机质的预测能力和效果,并探究影响因子对有机质在空间中的影响程度和空间尺度。MGWRK是一种多重尺度地理加权回归（MGWR）与普通克里金方法相结合的方法。研究选取海拔、坡度、坡向、平面曲率、地形指数、地形粗糙指数、地形湿度指数、植被年净初级生产力、年总蒸散量、年平均NDVI、年均降水量和年平均温度共12项指标参与预测建模。在多元线性回归建模中,模型统计学意义显著,并且通过了多重共线性检验。研究可获得以下结果:1.研究区土壤有机质整体呈现东高西低的趋势,具体表现为西部条带状区域土壤有机质偏低,东部大部分区域均呈现高值聚集,在研究区海拔最低处（中部区域）有机质达到最高水平。2.MGWR模型残差的空间分布相对于其它两种模型残差的空间分布显得“碎斑化”现象更加严重,高低值交错现象明显。从值域上来看,MGWR模型有效降低了MLR模型和GWR模型的残差水平。3.对比不同模型的制图结果可以发现RK、GWRK和MGWRK三种方法的土壤制图效果相当,而MLR模型的空间预测效果是最差的,失真程度也是七种模型里最大的。4.Radius指标由大到小依次为:MLR模型>GWR模型>MGWR模型>MGWRK模型>RK模型>OK模型>GWRK模型,从Radius指标来看,GWRK模型的空间预测精度是最优的,而MLR模型的空间预测精度是最差的。5.MGWR模型对于环境协变量与有机质之间关系的描述要比GWR模型更加贴合实际,更准确,MGWR对于空间非平稳性特征的描述能力和准确性要优于GWR模型。MGWR模型降低了GWR模型的残差水平,GWRK模型是所有模型中空间预测精度最高的,MGWRK的空间预测精度分别达到了GWRK的83.58%、OK的93.88%、RK的94.63%,MGWR模型在环境协变量的空间非平稳性特征方面表现优于GWR模型。