森林健康评价是林业研究的新兴领域,科学合理的森林健康评价对于有效保护森林资源,提高森林经营水平等方面都具有重要的意义。本论文以浙江省淳安县为研究区域,基于淳安县2017年森林资源二类调查数据和年度监测一类清查样地数据,选择乔木林地的一类样地和二类小班作为研究对象,以一类样地的相关指标构建森林健康评价指标体系并得出健康理论值,以二类小班数据构建神经网络模型模拟学习验证,最终完成较好的基于广义神经网络的森林健康评价模型构建。具体的内容和结论如下:(1)在查阅国内外森林健康评价研究文献的基础上,从淳安县的735个森林资源一类清查样地中,筛选符合要求的404个一类清查乔木林样地数据作为研究样本,根据样地的属性,采用专家咨询和层次分析法(AHP),从生产力、组织结构、立地条件和管理指标4个层次,分析选取相关性强的22个指标作为森林健康评价的指标,计算各指标权重值,确定指标归一化数据处理标准,建立森林健康评价指标体系。(2)利用已建立森林健康评价指标体系,对404个森林资源一类清查的乔木林样地进行评价,计算得出各个样地的森林健康指数和森林健康等级:森林健康指数区间为0.46-0.84;划定的森林健康等级结果为:健康47个,占11.63%;亚健康207个,占51.24%;中健康130个,占32.18%;不健康20个,占4.95%。建立一类样地与二类小班的关联性,将一类样地的森林健康评价结果赋值给对应的森林资源调查二类小班,从而获取二类小班的森林健康理论值。(3)利用广义回归神经网络方法,基于赋予森林健康理论值的二类小班调查数据,选取1 8个数量较多的指标与10个数量较少且较易获取的指标分别建立模型,进行学习训练与预测验证实验,404个二类小班样本中的324个样本作为学习训练样本,其余80个样本作为验证样本。结果显示,10个指标体系下模型预测评价的平均相对误差为0.0710,18个指标体系下模型预测评价的平均相对误差为0.0721,完成构建较易获取、相关性较高和数据精度保障较为理想的10个指标的基于广义回归神经网络的森林健康评价模型。