中国的森林生态系统长期定位观测站(简称森林生态站)近几十年积累了非常庞大的时空数据。近年来,国内外在生态站数据挖掘方面的研究多为基于抽样的、小规模数据量的时序数据统计与空间分析。将生态站海量数据进行聚类等的分析处理,对于进一步推动“数字林业”的发展有着十分重要的意义。本文首先介绍了森林生态站数据聚类的现状和意义,并叙述了目前大数据分析的原理以及常用手法。之后构建了基于大数据处理的森林生态站数据聚类系统,并且对划分聚类、基于树结构中结点覆盖关系的层次聚类以及Hadoop分布式系统的相关知识和原理进行了详细描述,并解释了为什么旧的层次聚类算法不适合用在分布式集群。然后基于以上分析,提出了一种新的、基于分布式的层次聚类算法DHCSA,并应用于数据分析和处理的系统中。在此之后,介绍了森林生态站数据聚类系统的相关功能。本文的创新点之处在于：DHCSA算法不仅能够大大减少运算的时间,并且优于传统的剪枝方式——新聚类算法不仅能运用在单机,而且可以运用在分布式集群上。论文的最后,对研究中存在的问题进行了总结,对后续工作进行了展望。