本数据为结合野外调查的植被类型数据；环境因子数据来源于气候、土壤、地形、植被类型等数据为驱动，采用机器学习方法进行模型构建。数据格式为GeoTIFF，空间分辨率约30 m，投影为WGS_1984_Albers。
原始数据：野外调查的植被类型数据；
环境变量数据：选取了地形、植被、气候及土壤四大类环境变量作为预测因子。
数据预处理：对上述所有多源栅格数据进行空间配准与标准化处理。统一投影坐标系为 WGS_1984_Albers，将空间范围裁剪至研究区边界，并采用重采样技术将所有变量的空间分辨率统一降尺度至30 m，格式统一为GeoTIFF，确保多源数据在空间上的严格匹配。利用ArcGIS的多值提取至点（Extract Multi-Values to Points）功能，提取每个样本点对应的环境变量数值，构建“样本-环境特征”高维数据集。
随机森林模型构建：采用分层随机抽样法（Stratified Random Sampling），将数据集划分为训练集（70%）和测试集（30%）。基于Python环境下的scikit-learn机器学习库构建随机森林分类模型。
计算混淆矩阵、总体准确率（Overall Accuracy）、精确率（Precision）、召回率（Recall）、F1-Score及Kappa系数。结果显示，模型具有较高的一致性。
| # | 编号 | 名称 | 类型 |
| 1 | 2022FY100700 | 东北高纬度多年冻土本底及冻融灾害调查 | 基础资源调查项目 |
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
CSTR:11738.11.NCDC.NIEER.DB7254.2026
10.12072/ncdc.nieer.db7254.2026
