典范对应分析方法（Canonical Correspondence Analysis,CCA）作为非线性排序方法的一种,凭借其能将响应变量（通常是物种丰度）的数据表（Y）与解释变量（通常是环境因素）的第二个数据表（X）相关联的特性,已经成为生态学家所热爱的工具。随着时代的发展,典范对应分析方法的功能不断增强,其应用领域也从生态学逐渐扩张到了非生态学领域。典范对应分析方法在众多领域都表现良好,但其仍然存在一个不足的地方:典范对应分析近似表达了物种对环境梯度的单峰响应,在算法过程中进行了物种丰度的卡方转换,但是它仍然假设X和由物种丰度Y加权生成的物种得分之间的关系是线性的。假设线性关系在大多数情况是不现实的,更常见的是非线性关系。但从现有阶段来看,国内外学者主要是对典范对应分析的领域加以创新,鲜有学者对算法本身加以改进,基于此,本文通过改进算法过程中的线性假设问题,提出一种非线性典范对应分析（Nolinear Canonical Correspondence Analysis,NCCA）方法。具体工作如下:首先,对典范对应分析方法基本原理进行阐述,针对典范对应分析方法的研究现状及非线性关系的研究现状进行具体讨论。其次,介绍了典范对应分析算法流程,并在其原有算法的基础上提出非线性典范对应分析方法,用以解决在典范对应分析时物种得分与环境因素之间存在非线性关系的问题,获得进行NCCA的预处理、计算基本步骤及排序图表示方法,针对提出的算法还制定了检验方法,同时还用模拟数据对该检验方法出错的可能性进行了分析,并针对典范对应分析逆问题进行了研究。最后,将本文提出的非线性对应分析算法应用到了狩猎蜘蛛分布、浙江省生态监测样地群落分布和郴州市农业机械化水平评估这三个具体场景的数据集,并加以分析和讨论。应用结果表明,非线性典范对应分析方法在对这些数据进行分析时,比原有算法更具优势,从而证明所提算法在解决典范对应分析时特种得分与环境因素之间存在非线性关系的问题是有效的。