目的: 分析立地因子对林分最粗优势木胸径生长的影响, 构建含立地类型混合效应的栎类天然林优势木胸径生长模型, 导出以最粗优势木胸径为指标的基于立地分级的立地质量评价模型, 为栎类天然林立地质量评价提供一种新方法。方法: 以湖南栎类天然林为研究对象, 基于51块样地实测数据, 采用数量化方法Ⅰ筛选对优势木胸径生长影响显著的立地因子, 将立地因子按照标准分级、组合, 构成初始立地类型; 通过R语言拟合栎类天然林优势木胸径与年龄的相关关系, 筛选最优基础模型, 将初始立地类型作为随机效应加入基础模型构建混合效应模型; 应用k-means聚类将影响效果相近或相同的初始立地类型聚类成立地类型组, 并将其作为随机效应加入最优基础模型构建含立地类型组的混合效应模型; 通过导算, 得到立地质量评价模型, 采用方差分析验证林分断面积与立地指数的显著关系。结果: 对优势木胸径生长影响显著的立地因子包括海拔、坡度、坡位和坡向, 显著性顺序为海拔>坡度>坡向>坡位; 选取4种常见的树木理论生长方程进行拟合, 模型确定系数(R2)均在0.7左右, 其中Richards模型的拟合效果最好, R2为0.731 8, 平均绝对误差(MAE)为5.442 6, 均方根误差(RMSE)为6.879 1, 表达式为D=a×[(1-exp(-c×AGE)]^b; 将筛选的4种显著性立地因子按照标准分级、组合构成初始立地类型, 加入基础模型构建含立地类型的混合效应模型, R2升至0.901 6; 应用k-means聚类将初始立地类型聚类成6个立地类型组, 作为随机效应加入基础模型, 最优模型表达式为Dj=aj×[1-exp(-c×AGE)]^b+ε, R2为0.926 9, 相比基础模型提高26.7%, 赤池信息量(AIC)和贝叶斯信息量(BIC)均有所减小。采用含立地类型组的混合效应模型导出最粗优势木胸径为指标的基于立地分级的湖南栎类天然林立地质量评价模型为SQEIM-DBH=aj×[1-exp(-0.03×AGE0])^$\left\{\frac{\ln D_j}{\ln a_j \times[1-\exp (-0.03 \times \mathrm{AGE})]}\right\}$+ε, 经林分断面积验证, 立地指数SQEIM-DBH与林分断面积显著相关。结论: 立地因子对湖南栎类天然林优势木胸径生长影响显著, 以最粗优势木胸径为指标评价栎类天然林立地质量、预估林地生产力在理论上具有可行性。