三维绿量（Living Vegetation Volume,LVV）作为一种新兴的生态量化指标,它能反映测区内的绿化效果随空间分布的变化,并且能更直接地与生物量等其他生态指标产生密切联系,正被广泛运用于城市生态环境评估与城市规划之中;与此同时,三维点云数据被广泛运用于遥感与测绘领域,但较少直接应用在城市区域的植被三维绿量估算中。在城市植被三维点云数据的获取来源中,随着无人机遥感技术以及三维重建技术日趋成熟,运用无人机遥感图像开展实景三维重建技术正在快速兴起,这一交叉研究领域为城市区域三维绿量估算提供了一种响应更快,成本更低,地物信息更丰富的数据采集手段。然而,通过调研,相关研究存在如下问题:（1）现有的三维绿量量化模型方法主要基于单一树种生长参数的测算,应对不同类型的树种需要多组不同的模型参数,难以做到测算模型的通用性;（2）现有的三维绿量量化模型方法主要基于单株建模,无法应用于区域范围内树种繁多、林层结构复杂等状况,不适合城市区域大范围应用;（3）现有的基于无人机遥感影像的三维重建耗时过长,效率较低,并且由于植被等地物的纹理信息复杂,以及无人机遥感的摄影视角受限,共同造成了三维重建过程中植被重建效果较差,缺少林下信息,造成直接基于三维点云数据进行城市区域三维绿量测算较为困难。本研究针对上述问题,研究并设计了基于无人机遥感快速三维重建的区域植被三维绿量的估算模型和量化方法,主要研究与原创性工作包括:（1）使用采集视角更全面的无人机倾斜摄影测量,研究三维重建算法原理,优化算法流程,分别对开源三维重建算法设计多核加速的优化方案,对商用软件构建基于并行计算集群的构建方案,共同形成基于无人机遥感的三维点云快速重建技术,并在实际三维重建中达到6.88:1的加速比,得到研究区域三维点云;（2）对于生成的区域重建点云,在进行基于三维点云的三维绿量测算之前需要进行预处理,以提取研究区的植被信息。为此,实现基于深度学习和半自动化的植被点云提取方式,并在多种点云数据集上进行对比实验,以确定不同提取方法在进行植被点云精确提取时的适用场景;（3）针对场景中植被类型差异较大、分布复杂的特点,提出基于体元模型的点云建模方法和基于八叉树的点云空间组织与搜索方法,进而设计通过体元空间累加得到区域植株的三维绿量建模与测算方法。在此基础上,深入分析该测算模型中存在的问题,结合三维重建点云自身的固有特性和模型通用性的需求,进一步提出了扫描线填充优化的三维绿量测算改进方法,在对单株和区域绿量测算上分别达到2.6%,6.8%的误差率,相比传统方法达到了200:1的加速比;（4）选取合适场地开展实验,通过实地测量冠高、冠径等传统测树因子作为评价指标,使用传统方法实测精确三维绿量,对本研究提出的方法的测算结果进行对比验证;并以样方为单位,测算各试验区内各测区的局部三维绿量值,根据测算结果生成测区的三维绿量空间分布专题图。实验结果表明,本研究提出的基于无人机遥感的快速三维重建的城市区域三维绿量测算方法与传统方法相比,效率提升明显,且测算精度较高;同时,本方法能够同时适用于单株和多株植被的情景,实现了对城市区域中多种类型植被的三维绿量高效率,高精度的测算。