2.根據權利要求1所述的基于隨機森林算法的植被指數預測方法，其特征在于：所述以植被指數作為因變量，以全球陸地數據同化系統流域地表模型數據集和高程數據作為自變量，構建隨機森林模型的步驟包括：

在訓練數據集中隨機有放回抽取子集，每個子集生成一棵分類與回歸樹；

利用最優變量s_t和對應最優值s^*將t節點劃分為t_L和t_R兩棵子樹，令每棵子樹之間的樣本具有最大差異性：

Δi(s，t)＝i(t)-p_Li(t_L)-p_Ri(t_R)

其中，Δi(s，t)是t節點劃分后的精度，i(t_L)、i(t_R)分別是兩棵子樹t_L、t_R的精度，p_L、p_R分別是兩棵子樹t_L、t_R的精度的系數，分別是兩棵子樹t_L、t_R的樣本數量，i(t)是植被指數擬合模型精度量測函數：

N_t是節點t包含的樣本數，y_i是節點t中樣本i的植被指數輸入值，y是y集合算術平均值：

計算樣本在分類與回歸樹中傳播時所達到對應葉子節點的值，獲得單個分類與回歸樹的植被指數預測值；

將所有單個分類與回歸樹的預測結果進行平均，獲得植被指數預測值：

其中，f是植被指數預測值，N_tree是分類與回歸樹的數量，f_i(x)是每棵分類與回歸樹的植被指數預測值。