中国植被分类问题是备受生态学者关注的重点问题之一。本文选取中国境内出现的1079个群系为研究对象,通过计算群系间在水热空间上的重合来定义群系之间的连接,以热带、热带—亚热带、亚热带、温带—寒温带和高山、亚高山、高寒、永久冰雪带为研究单位,建立群系在气候空间上的共存网络,采用网络分析的方法对这五个温度带群系网络进行网络结构和功能分析,并且运用基于边中间度的社区发现算法、基于随机游走的网络社区发现算法、快速贪婪模块度最大化算法和基于主要特征向量的社区发现算法这四种社区发现算法以及本文所提出的一种基于渗透理论的社区发现算法对群系网络进行聚类,研究这些算法对中国植被类型群系分类的效果。主要结论如下:(1)构建的五个温度带群系网络连接紧密,网络中很少出现孤立群系,而且群系共存网络的加权度分布和连接边权值分布均呈一种幂率分布,说明了构建的网络中少数节点拥有大量的连接边,而大部分节点只有很少连接边,证明网络的无标度特性。(2)在热带中,在基于模块度最大化的聚类策略中,快速贪婪模块度最大化算法和基于主要特征向量的社区发现算法的准确率均最高,均达到67.24%;而在基于特定类的聚类策略中,基于边中间度的社区发现算法的准确率为最高的80.24%;而对于热带—亚热带、亚热带、温带—寒温带和高山、亚高山、高寒、永久冰雪带群系网络,在基于模块度最大化的聚类策略中,均为基于边中间度的社区发现算法的准确率最高,分类准确率分别达到77.98%、71.00%、79.17%和75.08%;而在基于特定类的聚类策略中,均为基于主要特征向量的社区发现算法的准确率最高,分类准确率均有所提升,分别达到87.42%、87.35%、95.06%和91.49%。(3)提出了一种基于渗透理论的社区发现算法,在热带和温带—寒温带中,基于渗透理论的社区发现算法的准确率分别达到79.77%和91.83%,与社区发现算法中最高的准确率相差无几;而在热带—亚热带、亚热带和高山、亚高山、高寒、永久冰雪带这三个温度带中,基于渗透理论的社团发现算法的准确率分别为81.70%、78.68%和82.88%则明显不如社团发现算法中最高的准确率,但也接近于准确率次高的结果。本文旨在利用网络科学中的方法研究中国植被分类这一古老问题,探索了利用水热两个维度的特征建立水热空间对植被分类的适用性,为以后的植被或者物种分类问题提供了新的思路,为生态学研究提供了新的参考,为认识生物多样性的自然规律和植被恢复提供了新的理论基础。