城市绿地是城市生态系统中最富有活力的生态系统,有固碳释氧、调节气候、涵养水源等功能,是衡量城市现代化水平的重要标志之一。前人的研究中多使用绿地面积、绿化覆盖率等二维指标来量化城市绿地的基本状况,但这些指标难以从三维空间结构的角度表达城市绿地的生态功能价值和环境效益。此外,多数学者获取绿地信息的方法主要基于传统的样方调查,存在人力和时间成本高等问题。因此,如何从三维绿化量的角度准确快速获取城市绿地信息,成为了城市绿地资源管理的重要课题,同时无人机激光雷达、无人机多光谱等新技术的出现也为城市绿地的研究提供了新思路。本文基于无人机（UAV,Unmanned Aerial Vehicle）激光雷达（Li DAR,Light Detection And Ranging）数据、无人机多光谱数据、Sentinel-2数据,结合野外实际调查数据,建立样地和银川市区两个尺度的绿量观测体系。样地尺度上,利用随机森林算法建立了单木水平上乔木、灌木的三维绿量模型和乔灌草的叶面积绿量模型,并估算了七个绿地样地的绿量。基于七个样地绿量空间分布图和Sentinel-2数据建立了银川市区尺度的三维绿量和叶面积绿量模型,对比了多元线性回归、支持向量机、随机森林、MLP多层感知机四种算法在城市绿量建模上的精度,并绘制银川市区绿量分布图。本文主要结论如下:（1）单木参数提取中,乔木和灌木单木分割正确率分别为89.9%、92.6%,召回率为98.4%、97.3%,可满足建模中单木识别的需要;基于Li DAR提取的乔木和灌木单木树高的平均绝对误差为2.296 m、0.544 m,单木树冠投影面积的平均绝对误差为15.851 m~2、1.980 m~2,单木参数提取结果较为可靠。（2）在样地尺度建模中,所建立单木水平上的乔木、灌木三维单木绿量模型和乔灌草单木叶面积绿量模型R~2均在0.85以上。其中,乔木和草本绿量模型的精度高于灌木。从绿量模型特征变量的重要性来看,乔木绿量中最重要的特征变量是乔木的平均高度,灌木绿量模型中重要的特征变量为OSAVI和LCI的平均值,草本叶面积绿量模型中重要性最高的特征变量为NDRE。（3）在银川市区尺度建模中,随机森林算法的精度最高,MLP多层感知机次之。使用随机森林算法的三维绿量模型和叶面积绿量模型的R~2分别为0.73和0.64;特征变量中,绿色波段（560 nm）对三维绿量模型较为重要,而红色波段（665 nm）则是建立叶面积绿量模型的重要波段。（4）基于三维绿量和叶面积绿量模型计算得出,2017年初夏银川市区的总三维绿量为3.42×10~8m~3,平均叶面积绿量为0.57;2021年初夏银川市区的总三维绿量为4.95×10~8m~3,平均叶面积绿量为0.94;2017到2021年银川市的绿量有明显的增加,城市绿地中绿量的变化主要受人为干扰的影响,如绿化整改或城市扩建。本文提出的方法不仅可简单、快捷和高效地计算样地尺度的绿量,部分代替传统的野外样方调查,也为准确快速获取区域尺度上的城市绿量提供了一种有效的途径和方法。