群落分类方法以植物区系的分析为基础。分类的基本单位是群丛，认为群丛是具有一定植物区系组成的群落,其植物种类成分表现出一致的外貌,且生境条件一致。作为基本单位的群丛，如同植物种类，可组合为更高的系统单位，也可再分为较低的单位。其从高至低的顺序为：植被区、群纲、群目、群属、群丛、亚群丛、变型、群相。
分类单位用鉴别种（包括特征种、区别种和恒有伴生种）来确定。凡是确限度大的种类都可按特征种及恒有伴生种确定群丛。群丛以上的单位，通过群落系数计算确定群丛间种类亲缘关系而进行归并。群丛以下的单位，依据区别种（伴生植物中存在度大、多度、盖度显著的种类）进行细分。
法瑞学派是最早将统计方法应用于群落研究的，如群丛归并中群落系数的统计、群落动态中的分层频度法等。20世纪40年代以后，数值分类的方法及排序逐渐发展，并得到广泛应用。 以植被动态规律 -演替和演替系列为其基本观点进行植被的分类。演替的顶极是分类系统中的基本单位 -群系。群系则以优势种的生活型表征地区的气候。群系的下一级为群丛。凡外貌、生态结构和种类成分相似的群落，属于一个群丛，通常有2～3个优势种。如只有一个种占优势，则划为单优群丛。群丛以下为群丛相，是群丛的地理变形，具有群丛中的两个或几个优势种，但不是群丛中的一切优势种。群丛相下面还可分为组合，由一个或几个次优势种所构成。在季节分明的气候下或郁闭的森林中还可细分为季相组合及成层组合。 英美学派中的一个重要分支威斯康辛学派在植被连续性与非连续性问题上不同于上述；但仍使用了顶极的概念及分类单位的优势度指标，并对调查数据的处理分析应用多种数量分类方法。如50年代中由美国的J.T.柯蒂斯等人创立的连续带分析，J.R.布雷和柯蒂斯的极点排序法，惠特克和C.L.劳克斯的梯度分析以及D.W.古多尔首次应用的主分量分析等。这些方法目前已在许多国家的植被工作中应用，并迅速发展。
生态学派 强调林分和生境的相互统一。生境的变化比林分要缓慢得多。二者的相互作用决定着林分的组成、结构、生产力和林分特性等；生境条件的量变引起森林及其组成和生产力的质变。这一学派把林型看作是立地条件的一种指标，即同一立地条件内，森林的差异主要受土壤因素的影响，可能有几个林型。分类系统为立地条件类型（森林植物条件类型），分类的基本单位是土壤养分、水分条件相似地段的总称。按土壤的 4个营养级和 6个湿度级组成24个立地条件类型（见表）。在同一类型中又根据森林植物条件的明显差异，进一步划分为亚型、变异型和形态型。亚型表示一类型内所含某一因子积累近于某一相邻类型的程度，是过渡型。变异型表示某些无直接影响的因子含量的变化，如土壤反应、石灰性和盐渍化等。形态型表示地形、土壤机械组成及石砾含量等。
林型是立地条件类型的下一级单位，在相同土壤水肥条件下，因气候不同而形成不同林型。气候相似的有林和无林地段合称为一个林型，是立地条件类型的气候变型。林分型为林型的下一级单位，即在相同土壤水肥和气候条件下， 优势树种相似的林分组成一个林分型。林分型可按年龄、郁闭度、组成变化（超过4/10）和生产力的不同而划分。
对于无林地，可划分为草本型。
这个学派的分类方法不仅用于森林 （包括天然林、次生林和人工林）,也把无林地区作为林型来研究。 从1954年开始先后在大兴安岭、小兴安岭、长白山、云南西北部、四川西部、阿尔泰山、天山、秦岭及江西、湖南、海南岛等地的天然林区、亚热带的人工杉木林区和华北石质山区宜林地进行了林型的研究和划分。对天然林基本上采用生物地理学派分类方法,对人工林基本采用生态学派分类方法,对宜林荒山、荒地则按生态学派立地条件类型划分。在实施时又根据实际情况灵活掌握，以反映自然面貌。因而不同地区出现不同的分类系统和方法。如在西南高山天然针叶林区不是建群树种而是其他层片占优势地位时，设立“林型环”代替群系为更高一级分类单位，如箭竹针叶林（林型环）-箭竹冷杉林(林型组)-杜鹃箭竹冷杉林(林型)等。在热带、亚热带雨林和季雨林，考虑到地形及土壤的主导作用,设立“地形级”代替群系。在同一地形级内,土壤、植被、生产力大致相同。而林型则采用以优势木和亚优势木组成的“生物生态组”（即生态特性相近的树种）作为划分的重要标志,如弹弓藤+印度藤竹-陆均松+石栎林林型等。人工林划分还在林型下面设“栽培型”以表明经营措施的不同，如厚层红色粘土杉木林(林型) -中密度抚育型等。在宜林荒山、荒地如华北石质山区先划分区，区下再划立地条件类型。此外，还有主导因子法、立地指数法等的林型分类。70年代后期，数值分类及排序等方法开始在许多地区的植被特别是森林分类的研究中得到广泛应用。
目前，森林类型的划分和描述对生产实践的指导意义仍感不足。因此进一步探索能适用于各种森林植被的理论和方法正是世界林学界的努力方向。由于森林生态系统的概念已为广大林业工作者所接受，按系统理论分类将有可能导致研究工作的继续深入。数理统计和电子计算机应用的普及推广，则会大大推动数值分类的发展。
