一类生态学方法，即对植物群落（及其环境）的观测数据进行数学分析以求揭示其内在的生态学规律。植物群落，不同于生物群落，只包括一定地区内的植物，不包括动物和微生物，而在具体研究时更常集中于某些重点考察的生活型。但在植物群落分析中，特别是在排序研究中，环境因子也是主要研究内容，这所谓的环境因子也可以包括动物和微生物在内。植物群落分析方法，以从自然植物群落的统计学样本中测取得的群落属性与环境变化的定量数据为基础，应用数学原理和计算技术，对大量数据进行两种方法途径的综合：一种是把每个群落抽样单元，按其属性的相似性或相异性，聚合或划分为许多组群（分类单元），这称为群落的数值分类。另一种是把每个群落抽样实体视为点，在生境梯度或群落属性梯度的□维坐标空间中，序化地标记出来，这称为群落排序。数值分类和排序是定量地客观地对群落进行分类，揭示植物群落类型及其组成种群与环境相互关系的新技术。由于电子计算机的普遍应用，这些数值方法正在迅速发展，不断完善。
1、植物群落抽样：考察植物群落，选择出可代表该群落整体并具有一致性的一定区限，叫做群落样地。在样地内，为测计群落各项属性，如种类组成、生活型、种群数量特征、及环境因子特征可设置一定面积、形状或数量的小区(样方)，这是常用的一种群落抽样方法。为了进行植物群落分析，要采取客观抽样法，即概率抽样。可以按具体情况在随机抽样、系统（规则）抽样、或分层抽样三者中择取一种。
2、样方抽样：样方面积与形状，原则上希望取最小表观面积,最适的形状。温带乔木群落最小面积一般为100～400平方米，热带森林更大些约1000～2000平方米；灌木群落约4～16平方米，草本群落1～4平方米，形状多采用正方，也可视具体需要和种的分布格局、微地貌不同，取圆形或长条。样方数目多少，从统计学的要求，要有30～50个为好，如是分层抽样,则每个层区中要有6～10个。群落性态变异大时，数目要多些，反之可以减少。
3、无样方抽样：也叫威斯康星学派的点样法。是在群落样地内按随机或规则抽样，配置一定数目（通常是50～100个）样点。再以点为中心，按最近单株法、最近邻体法，随机对法、或中点四分法,记录每株乔木学名，测量株距(□)、胸径(图1无样方的点样抽样示意)，集合□次测定的株距□，计算出乔木的平均株距：□。由□可算出每株乔木占有地表的平均面积：□，□是校正系数，上述4种无样方抽样方法的校正系数□，依次为□＝2，□＝1.87，□＝0.8，□＝1。从乔木单株平均面积□，可计算单位样地面积的乔木密度：□＝1/(□□)□＝1/□。同时，在每个样点上做灌木和草本记名小样方，根据乔木、灌木、草本种类的分布，可计算各个种的频度。
样方抽样和中心点抽样，分别适合于不同的对象、地区和目的。平坦地区的大面积森林适合用中心点取样，陡峭的山区森林适合用样方抽样。森林草地与荒漠植被则两种抽样都可适用。
4、原始数据的处理：抽样调查取得的各项群落属性的观测数据，由于属性的数据类型不同，量纲不一，数值大小悬殊，而各种分析方法对原始数据又各有一定要求，所以对原始数据要进行适当处理。首先要求类型统一，即把二元数据转化成数量数据，或者反之，因多数方法只适合于分析同一类型的数据。其次，要对原始数据的数值进行转换，即将原来数值□，转换成□(只取正根)，或其对数、倒数，或角度、概率等，以求更合理地体现它们的数量关系，使其具有一定的分布形式(如正态分布)，或一定的数据结构（如线性结构）。第三，将原始数据标准化或中心化。原始数据的标准化，即用属性或实体的总和、或最大值、或极差、或模来除该属性的某个数据，实际上是把某个数值标准化为属性总和的比值，取值在0与1之间。例如群落分析中将种群绝对多度换算为相对多度。
样方数据经标准化后，其几何意义是各样方点都从原来位置沿径向投影到单位弦上，成为线性序列（图2对样方用总和标准化的二维图形）。中心化主要是用平均值或离差来标准化各个原始数据。例如，平均值中心化是从属性或样方的各个原始数据中分别减去其平均值。中心化的几何意义在使坐标原点移到样方点的形心，由此给数值运算带来很大方便，第四，原始数据的缩减，指去掉一些代表性不好或数据不完整的样方，或者删去各样方中仅出现一次的孤种、或罕见种、或者生态学意义不大的常见种。缩减种数应当适当，不应影响研究结果。
5、原始数据综合表和数据矩阵：一般的群落调查，包括□个样方，□个种的数据，可列成□列，□行的数据表：样方1去掉表头，将表中数据用大括号括起来，就成了原始数据矩阵□，其中□□(□＝1，2，3,…，□；□＝1，2，3，…，□)表示第□个样方、第□个种的原始数据。矩阵有□行，□列，第一行是同一物种。在□个样方中的数据，称为行向量。矩阵中每个数据，称为元素，其值可以是二元(定性)的，或数量（定量）的，但通常只取一种形式。
6、数值分类技术：是直接以样地内种的分布或种类组成的相对相似性数据为基础的群落分类方法。两个样地的相对相似性数值，叫做相似系数，相似与相异在数学上是互补的概念，两者都同样可表述两个样地相似的程度。相似系数的计算方法虽很多，但基本上可归为2大类：一类是计算两个样地的群落种类组成成分的相似或相异程度，如匹配系数，关联系数等；另一类是计算两个样地中共有种的数量数据的相似或相异程度，如各种距离系数。
7、匹配系数与关联系数：依据数据矩阵中两个列（样地）的属性(种)的二元数据“存在”与“不存在”，可构成2×2列联表：样方2
□是两个样地都存在的共有种的数目；□是都不存在的种数；□是样方1存在、样方2不存在的种数；□是样方2存在、样方1不存在的种数。据2×2列联表，可选以下任一公式，计算两个样地群落的相似性。
匹配系数的常用计算公式，有P.雅卡德(1901)的公式(1.1)和J.切卡诺夫斯基(1913)的公式(1.2)，这两个公式取值均在[0，1]的区间内。当□＝0时，取值为0，表示完全相异；当□＝□（总的种数）时，取值为1，表示完全相似。1-相似系数＝相异系数。
