森林资源小班数据具有体量大、因子关系复杂、数据类型多等特点,包含了地类、林种、起源、森林类别、土地权属、土壤类型、交通区位、事权等级等众多因子,这些因子有分类变量也有连续变量。如何快速提取相关性强的因子组合并挖掘因子间的相关关系,是对森林资源小班数据进行浓缩、重点观察数据的有效方式,并以此提取出森林资源小班数据中有价值的信息以及深层次的规律和知识。本文基于数据挖掘理论技术和卡方检验方法,通过分析森林资源小班数据的因子相关性,以发现相关性强的因子组合;通过判断分类变量的相关性指标并进一步分析强因子组合,挖掘出这些因子组合下因子成员的强相关关系。本文主要研究内容如下:(1)森林资源小班数据因子相关性内涵研究。通过分析森林资源小班数据及因子间的关系、相关性程度评判标准、相关性分析应用特点等方面,阐述森林资源小班数据因子的相关性内涵,同时为基于卡方检验的小班因子相关性分析奠定基础。(2)基于卡方检验的因子相关性建模。基于卡方检验相关分析的算法,通过数据规范化、建模流程、相关性分析计算等建模环节的描述,完成了对森林资源小班数据的建模。(3)基于卡方经验的相关性分析实验与分析。基于此前的因子相关性内涵研究和因子相关性建模,利用辽宁省的森林资源小班数据,提取出其中相关性强的因子成员和因子组合,并将其应用在森林资源管理中的统计报表优化、造林作业设计和采伐作业设计中,发现其中潜在的有价值的知识。