【摘要】【目的】探索树高-胸径模型构建新方法，将分位数回归与非线性混合效应法相结合应用于树高-胸径模型构建，以此提高模型的拟合精度。【方法】利用2018年福建省将乐国有林场30 m×30 m固定样地1 306株杉木的实测树高、胸径数据，从4个树高-胸径模型中筛选拟合效果最好的为基础模型，基于基础模型分别采用非线性混合效应、分位数回归以及非线性分位数混合效应构建树高-胸径模型。采用评价指标均方根误差（RMSE）、调整后决定系数（Ra~2_(dj)）和均方差（MSE），对各模型的拟合结果进行评价比较，采用赤池信息准则（AIC）、贝叶斯信息准则（BIC）以及对数似然函数值（Loglik）比较各最优模型的拟合精度和预测精度。【结果】根据评价指标对比显示，Logistic模型为基础模型。非线性混合效应模型的拟合效果最优（AIC为3 953.986,BIC为3 988.199,Loglik为-1 969.993），非线性分位数混合效应模型（AIC为3 979.418,BIC为4 028.293,Loglik为-1 979.709）次之。模型拟合效果排序为非线性混合效应模型>非线性分位数混合效应模型>基础模型>分位数回归模型。比较各模型的残差图可知各模型均不存在异方差现象，预测效果排序为非线性混合效应模型>非线性分位数混合效应模型>基础模型>分位数回归模型。【结论】本研究将分位数回归与非线性混合效应法相结合，该方法对分组数据结构中不同分位点个体间的差异与关联做出解释，提高了模型的稳定性以及拟合精度，将该方法应用到树高-胸径关系的研究上是一个可行的思路，为构建树高-胸径模型提供新方法。