遥感影像数据光谱特征，植被指数特征，纹理特征，树高特征，提取好后，利用随机森林分类代码

以下是使用Python中的scikit-learn库实现随机森林分类的代码，假设已经提取好了遥感影像数据的光谱特征、植被指数特征、纹理特征和树高特征，分别存储在X中，对应的分类标签存储在y中。

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split

# 将数据集拆分为训练集和测试集，其中测试集占20%
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义随机森林分类器
rf_clf = RandomForestClassifier(n_estimators=100, random_state=42)

# 训练分类器
rf_clf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = rf_clf.predict(X_test)

# 计算准确率
accuracy = rf_clf.score(X_test, y_test)

print("随机森林分类器的准确率为：", accuracy)

其中，`n_estimators`参数指定了随机森林中决策树的数量，`random_state`参数指定了随机数种子，可以保证每次运行结果相同。最后输出的准确率即为分类器在测试集上的准确率。