森林是地球上最大的陆地生态系统,在全球生物圈中具有举足轻重的地位。全国森林资源信息的获取主要是依据全国森林资源与生态状况综合监测体系,国家森林资源连续清查是这一体系的重要组成部分,连清样地数据对于全国尺度的林业研究有着重要意义。本文利用全国森林连清样地抽样数据,应用单因素方差分析、逐步回归分析、偏相关分析和深度学习方法,将树木生长数据结合各区域经纬度、海拔、气温、降雨量以及各样地坡度、坡向、坡位、土壤厚度对我国面积占比最大的10个乔木树种(组)进行研究,分别是栎类、马尾松、杉木、桦木、落叶松、杨树、云南松、云杉、柏木、冷杉,可判断和预测树木在某种立地和气候条件下生长的适宜性及树木未来生长状况,对造林规划等提供参考。本文主要完成了如下研究:(1)利用单因素方差分析获取10个树种在不同环境因子下的分布和生长规律,得到各树种在各因子中的最优生长状况;(2)利用逐步回归分析方法对上述10个主要树种分别建立逐步回归方程,利用标准化系数判断环境因子对树木生长量的影响,获得每个树种的影响因子重要性排序以及影响最大的因子;(3)利用偏相关分析法,得到环境因子与10个主要树种生长量的偏相关系数,发现各因子与树木生长的净相关关系,并与其Pearson相关系数作对比,两者差异较大;(4)利用深度学习框架构建的全连接神经网络,结合环境因子对全国10个主导树种的胸径生长进行预测,获得较高精度,表明该方法在树木生长预测中具有可行性。