La rápida urbanización influye en el desarrollo de la infraestructura verde (IV) en las ciudades. El gobierno planea optimizar la IV en áreas urbanas, lo que requiere comprender las tendencias espaciotemporales de la IV en estas áreas y las fuerzas impulsoras que influyen en su patrón. Los métodos tradicionales basados en SIG, utilizados para determinar el potencial de vegetación de terrenos vacantes en áreas urbanas, son incapaces de predecir escenarios futuros basados en la tendencia pasada. Por lo tanto, proponemos una técnica de conjunto heterogénea para determinar el patrón espacial del desarrollo de la IV en Jinan, China, basada en factores biofísicos y socioeconómicos. Se seleccionan redes neuronales artificiales (RNA) y bosques aleatorios (BA) como aprendices base, mientras que la máquina de soporte vectorial (MSV) se utiliza como clasificador meta. Los resultados mostraron que el modelo de apilamiento ANN-BA-MSV logró la mejor precisión de prueba (AUC 0.941) en comparación con los algoritmos individuales ANN, BA y MSV. La temperatura de la superficie terrestre, la distancia a cuerpos de agua, la densidad de población y la lluvia se encontraron como los factores más influyentes en la conversión de terrenos vacantes a IV en Jinan.