劉煒 趙爾平 雒偉群 劉愛華

（西藏民族大學(xué) 西藏光信息處理與可視化技術(shù)重點實驗室，陜西 咸陽 712082）

0 引言

三維綠量(Living Vegetation Volume,LVV)是指地表生長植物的莖、葉所占有的空間體積，單位為立方米(m3)。相較于以平方米(m2)為量綱的二維綠量指數(shù)，三維綠量從立體空間的角度評定植被空間結(jié)構(gòu)差異和生態(tài)功能水平高低，因而能夠更準確的反映城市綠色景觀格局變化及其在緩解熱島效應(yīng)、凈化大氣、釋氧固碳、水土保持、維持生物多樣性等方面功能作用［1］。

近幾年，我國學(xué)者利用遙感技術(shù)或三維激光雷達掃描技術(shù)，在北京、上海、沈陽、武漢、福州等城市針對城市三維綠量測算開展了大量研究工作。其中，馮仲科［2-3］、劉常富［4-5］、姚崇懷［6］等的研究工作具有代表性。在國外，基于三維激光雷達掃描技術(shù)制作樹冠三維模型提取測樹因子，進而建立估算單木三維綠量的方法已被推廣使用［7-8］。然而采用傳統(tǒng)的人工測量方法，大面積測算三維綠量的工作包含多個環(huán)節(jié)，步驟復(fù)雜，精度有限。鑒于此，本文提出了結(jié)合高分遙感圖像和地基三維激光雷達掃描數(shù)據(jù)，采用平面量推算立體量的方法測算城市三維綠量。

該方法首先在樣地按樹種類型不同進行分類，如分成針葉林地、闊葉林地和混交林地等，再基于實測的測樹因子（冠幅、冠徑、冠高、冠下高）得到各樹種樣地的實測三維綠量數(shù)值，將其作為因變量；然后對城市遙感圖像進行景觀分類并提取不同樹種類型的空間覆蓋面積和植被指數(shù)，如歸一化差值植被指數(shù)（NDVI）等，將植被指數(shù)等因子作為解釋變量；之后利用多元回歸分析建立不同樹種的三維綠量的遙感估算模型；最后結(jié)合各樹種類型的分布面積，匯總得到研究區(qū)三維綠量總值。

由于三維激光雷達掃描獲取技術(shù)能夠更加快速、準確的采集測樹因子，因此可以考慮在采用平面量推算立體量的方法時，采用三維激光雷達掃描的方法替代常規(guī)測量工作。使用三維激光雷達對單株樹木進行不同方向的掃描，獲取整株樹木的完整點云數(shù)據(jù)，然后在計算機上將植株原型直接轉(zhuǎn)換到三維數(shù)字模型，再通過相關(guān)軟件提取冠幅、冠徑、樹高、胸徑等測樹因子指標。如此可大幅減少外業(yè)采集樣本數(shù)據(jù)時間，并且測算結(jié)果受人為因素干擾小，時效性強［9-10］。

自2016年以來，我國很多城市都積極響應(yīng)國家創(chuàng)建“森林城市”的號召，持續(xù)推進多期大尺度城市森林景觀建設(shè)，拉薩、西寧、重慶、蘭州陸續(xù)展開了打造“國家級環(huán)城生態(tài)公園”“西部特色山水城市”“森林進城、森林圍城”等生態(tài)景觀建設(shè)工程。采用本文提出的基于高分遙感圖像和地基三維激光雷達掃描數(shù)據(jù)，利用平面量推算立體量的方法快速、準確、大面積測算城市三維綠量，對于準確評價綠色景觀生態(tài)效益，科學(xué)提升城市生態(tài)系統(tǒng)服務(wù)價值，避免當前部分粗放式生態(tài)景觀建設(shè)改造活動具有重要借鑒意義。

1 實驗設(shè)計與方法

結(jié)合高分遙感圖像數(shù)據(jù)和地基三維激光雷達掃描數(shù)據(jù)測算三維綠量，具體工作內(nèi)容包括以下8個方面：（1）采集城市園林綠地系統(tǒng)規(guī)劃建設(shè)圖件、高分遙感圖像、統(tǒng)計資料。（2）為配合地基三維激光雷達掃描系統(tǒng)作業(yè)，以及后續(xù)遙感圖像處理，結(jié)合系統(tǒng)隨機抽樣和典型抽樣的方法，在研究區(qū)布設(shè)包含主要綠化樹種的闊葉林、針葉林、灌草叢的樣地。（3）在樣地對3個樹種類別的主要樹種每木檢尺冠幅、冠高、胸徑等測樹因子；測算單株立木的三維綠量值。（4）利用地基三維激光雷達掃描系統(tǒng)對每個樹種類別單株立木進行掃描，得到單木樹冠外部點云數(shù)據(jù)，依據(jù)點云數(shù)據(jù)逼近樹冠體積，得到各樹種類別單株立木的三維綠量掃描值。（5）用各樹種類別單株立木三維綠量的實測值校驗、修正三維激光雷達掃描值。（6）結(jié)合高分遙感圖像數(shù)據(jù)，抽取各樹種類別單株立木的光譜特征、GIS特征。以三維綠量激光雷達掃描值作為因變量，以光譜特征、GIS特征（高程、坡度、坡向）作為自變量，采用逐步回歸分析的方法，建立各樹種類別單株立木的三維綠量多元線性回歸方程。（7）結(jié)合地面實測三維綠量數(shù)據(jù)，對回歸方程進行驗證和精度評價。（8）依據(jù)每個樹種類別的專題圖譜，利用回歸方程推算研究區(qū)各樹種類別三維綠量，再統(tǒng)計出研究區(qū)全域三維綠量；繪制城市三維綠量等級分布圖，分析評價城市三維綠量空間格局。

1.1 樣地選取及樣木選擇

為確保樣本點(單棵樣木)具有代表性且在研究區(qū)均勻分布，配合地基三維激光雷達掃描系統(tǒng)作業(yè)，以及高分遙感圖像幾何精校正和分類精度驗證，收集整理研究區(qū)園林綠地系統(tǒng)規(guī)劃圖、植物志、植物圖鑒、園林植物配置表等圖件、統(tǒng)計調(diào)查資料；然后結(jié)合系統(tǒng)隨機抽樣和典型抽樣的方法，在研究區(qū)均勻布設(shè)包含主要樹種的闊葉林、針葉林、灌草叢樣地，并在樣地中選擇具有代表性的樣木。具體實施過程分為以下8步：（1）結(jié)合實地調(diào)研并分析研究區(qū)城市園林綠地系統(tǒng)規(guī)劃圖，勾繪研究區(qū)生態(tài)網(wǎng)絡(luò)線。（2）對于闊葉林、針葉林、灌草叢這3種類別，根據(jù)系統(tǒng)隨機抽樣理論，分別在生態(tài)網(wǎng)絡(luò)線上隨機布設(shè)各類別樣地。（3）對于位于生態(tài)網(wǎng)絡(luò)線上重要公園斑塊、綠地斑塊、林地斑塊、農(nóng)地斑塊，以及沿江綠廊、交通沿線綠廊中布設(shè)包含主要綠化樹種的樣地。（4）在區(qū)園林綠地系統(tǒng)規(guī)劃圖上標定每一塊樣地具體的經(jīng)緯度、高程、坡向、坡度；并勾繪斑塊邊界范圍，斑塊樣地可以設(shè)置為正方形，樣地面積為225m2；廊道樣地可以設(shè)置為長方形，樣地面積為500m2。（5）在每一塊研究樣地實地調(diào)查，觀測樣地是否包括各樹種類別的主要綠化樹種。選擇生長狀況良好，間隔稀疏，與周圍立木樹冠交叉重疊少、互相遮擋少的單株樹作為樣木。這有利于在業(yè)內(nèi)處理點云數(shù)據(jù)和建立三維綠量多元回歸方程。（6）確保樣木在生態(tài)網(wǎng)絡(luò)線上均勻分布且具有代表性。若不符合要求，記錄位置、編號說明原因；之后返回上述流程第（2）步，在生態(tài)網(wǎng)絡(luò)線上調(diào)整樣地，重新選擇樣木。（7）對于闊葉林、針葉林、灌草叢這3個樹種類別，每個類別至少選定150棵樣木作為總樣本數(shù)據(jù)集，然后按照訓(xùn)練樣本集、測試樣本集為70%:30% 的比例，從總樣本數(shù)據(jù)集中隨機抽取樣本點（單棵樣木）配置到訓(xùn)練樣本集、測試樣本集中。（8）每棵樣木確定后，在遙感圖像上標定使用激光雷達掃描儀掃描樣木的測站位置（每棵樣需3個測站，呈等邊三角形分布）；檢查每棵樣木的編號、經(jīng)緯度坐標及測站編號，確保正確無誤后導(dǎo)入GIS數(shù)據(jù)庫。

1.2 基于傳統(tǒng)測量工具采集樣木測樹因子

在夏季的7～8月間在研究區(qū)按照預(yù)設(shè)路線在樣地根據(jù)精準測樹原理進行立地調(diào)查和每木檢尺：使用全站儀、手持GPS、測距儀、3D 地面標識球、羅盤儀、胸徑卷尺、圍尺、測角規(guī)、數(shù)碼攝像機等工具，記錄數(shù)據(jù)采集樣地的經(jīng)緯度、海拔高程，樣地編號；測量樣地主要樹種的胸徑，冠高，東西、南北冠徑，冠下高以及樹高等測樹因子的數(shù)值；全角度錄像樣木樹冠形態(tài)；在內(nèi)業(yè)將所測數(shù)據(jù)及相關(guān)內(nèi)容作為樣點屬性導(dǎo)入GIS數(shù)據(jù)庫；在內(nèi)業(yè)依據(jù)所測數(shù)據(jù)計算主要樹種類別單棵樣木的三維綠量的實測值。

在上述工作中，每木檢尺樣木測樹因子是一個重要環(huán)節(jié)，具體實施可以分為5步：（1）設(shè)定樣地中心點，選擇樣地時需保證在外延8個方向上均為有林地，要求樣地坡度小且視野開闊。記錄樣地主要樹種、周側(cè)景觀、觀測日期以及測量小組成員。（2）確定外延角規(guī)點和樣地邊界，使用羅盤儀、皮尺確認樣地邊界以及外延8個方向的角規(guī)點。并用長繩圈定樣地的邊界。（3）每木檢尺，每個測量小組分配4～5名成員：其中2人配合使用全站儀測量樹高和第一枝高，1人操作全站儀另1人則移動棱鏡；另外2～3人配合移動棱鏡測量每棵樣木的東西冠徑、南北冠徑，以及測量樣木胸徑并設(shè)置標號。當林區(qū)不通視時，采用激光測高儀測量樣木樹高和樹胸徑。（4）測量樣地參數(shù)，使用羅盤儀、皮尺測量樣地坡度、坡向、坡位和植株密度、郁閉度。（5）內(nèi)業(yè)數(shù)據(jù)處理，在外業(yè)測量工作完成后對每個樣本點（單棵樣木）的數(shù)據(jù)進行整理歸檔，然后作為樣本點的屬性數(shù)據(jù)導(dǎo)入至GIS數(shù)據(jù)庫中。

1.3 基于LiDAR 點云數(shù)據(jù)采集樣木測樹因子

利用地基三維激光雷達掃描儀掃描樣木，采集測樹因子的實施過程可以分為5步：（1）已利用傳統(tǒng)測量工具采集了全部樣木的測樹因子，在研究區(qū)高分遙感圖像上標定每棵樣木和3個測站的位置，檢查確保每棵樣木的編號、方位坐標以及測站編號正確無誤，設(shè)定外業(yè)掃描樣木的路線。（2）在晴朗無風(fēng)，樹木枝條不晃動的天氣條件下，在樣地架設(shè)測站，利用地基三維激光雷達掃描儀對每棵樣木進行掃描。每單棵樹木掃描需要3個測站，3個測站呈等邊三角形分布，相互之間間隔夾角為120度（以待掃描樹為參考）。（3）在內(nèi)業(yè)對每棵樣木的原始點云數(shù)據(jù)依次進行去噪、匹配拼接、抽稀處理。（4）參照在外業(yè)掃描樣木時對樣木的全視角錄像，從點云數(shù)據(jù)中提取出樣木的三維點云斑塊，再通過旋轉(zhuǎn)、縮放等操作，對樣木三維點云斑塊進行立體化判讀檢查，去除點云斑塊中不屬于樹冠表面的數(shù)據(jù)點。（5）依據(jù)剩余的點云數(shù)據(jù)，提取單棵樣木的胸徑，冠高，東西冠徑、南北冠徑、冠下高以及樹高等測樹因子的數(shù)值。

在上述工作中，第（2）步對樣地樣木進行掃描是一個重要環(huán)節(jié)，需注意完成以下三點：第一,為配合后續(xù)處理內(nèi)業(yè)數(shù)據(jù)，在掃描單棵樣木前需用數(shù)碼攝像機對樣地周側(cè)環(huán)境、目標樹種進行全視角錄像，然后畫出目標樣木樹冠草圖，并標注序號和說明文字；第二，為確保點云數(shù)據(jù)的完整性和密集性，在樣木樹冠下方四周外側(cè)掃描時，讓掃描儀避開密集的樹枝遮擋，并以仰視的角度環(huán)繞植株掃描。可以架設(shè)多個測站以保證掃描數(shù)據(jù)的密集性；第三，為確保后期點云數(shù)據(jù)能夠被正確拼接，在對單棵樣木的掃描的過程中，必須保證相鄰兩個測站至少有3個共同標靶。

1.4 誤差分析與樣本篩選

基于樣木點云數(shù)據(jù)，可以提取出單棵樣木的胸徑，冠高，東西冠徑、南北冠徑、冠下高的數(shù)值，藉此計算樹冠體積，進而建立單木三維綠量的回歸方程。因此，為保證三維綠量的回歸方程的準確度，有必要將樣木測樹因子的實測值與基于點云數(shù)據(jù)的采集值進行對比分析；然后從三維激光雷達掃描儀使用、內(nèi)業(yè)點云數(shù)據(jù)處理、測樹因子提取這3個方面入手，查找出現(xiàn)偏差的原因，再做出相應(yīng)改進，重新采集樣木的各測樹因子的數(shù)值。具體實施過程可以分為4步：（1）把利用傳統(tǒng)測量工具所得樣木各項測樹因子數(shù)值作為實測值；把利用LiDAR 點云數(shù)據(jù)提取樣木各項測樹因子數(shù)值作為采集值。對每一棵樣木，計算每個測樹因子采集值與實測值之間的相對誤差（采集值-實測值）/實測值×100%），以及各測樹因子的平均相對誤差。（2）標識某項測樹因子相對誤差超過5% 的樣木；標識平均相對誤差超過5% 的測樹因子項。（3）從三維激光雷達掃描儀使用、內(nèi)業(yè)點云數(shù)據(jù)處理、測樹因子提取這3個方面入手，查找出現(xiàn)偏差的原因；做出針對性改進，對不合格數(shù)據(jù)的樣木重新進行掃描，重新采集各項測樹因子值。（4）再次計算測樹因子采集值與實測值之間的相對誤差，以及各測樹因子的平均相對誤差。若經(jīng)過多次掃描量測后，某棵樣木測樹因子值的相對誤差仍然超過5%，則剔除該樣木數(shù)據(jù)，以確保后續(xù)計算樹冠體積的精度。

1.5 單木三維綠量計算

采用AutoCAD 建模計算法測算樣木樹冠體積，算法流程分為4步：（1）截取三維激光雷達掃描儀獲得的點云數(shù)據(jù)，進行預(yù)處理，獲取單棵樹木的樹冠點云數(shù)據(jù)。去除第一主枝（或第一個分枝）以下的部分的點云數(shù)據(jù)。（2）對獲取單棵樹木的點云數(shù)據(jù)進行旋轉(zhuǎn)、縮放等操作，采用人機交互的方法進行立體化判讀檢查，除去點云中不屬于樹冠表面的點。（3）將點云數(shù)據(jù)導(dǎo)入軟件AutoCAD，再AutoCAD 在上加載軟件Point Clouds，利用Point Cluods使點云數(shù)據(jù)生成Mesh網(wǎng)格，然后得到適配線自動擬合出整個單木的樹冠三維模型。（4）在構(gòu)建出單木的樹冠三維模型之后，利用查詢命令選擇計算模型測算體積，則可獲得單木的三維綠量值。

1.6 單木三維綠量遙感回歸方程構(gòu)建

從高分遙感圖像上提取出闊葉林地、針葉林地、灌草叢的空間分布信息，然后利用掩膜運算等操作分別制作這三個類別的專題信息圖?；趯ｎ}信息圖為各類別樣木提取光譜特征，用于構(gòu)建單木三維綠量的遙感回歸方程；在確立各類別單木三維綠量的回歸方程后，利用專題信息圖測算本類別全域三維綠量。具體實施過程可以分為6步：（1）對樣地進行實地調(diào)查，利用全站儀測定每塊樣地測量點的經(jīng)緯度坐標，將離散分在遙感圖像上的測量點作為地面控制點，對高分遙感圖像的所有波段進行幾何精校正。（2）將高分遙感圖像的全色波段和多光譜波段進行像素級融合，融合后的圖像空間分辨率為2m。（3）對同期多景相鄰融合后的圖像進行拼接，得到研究區(qū)全域遙感多波段圖像。（4）結(jié)合實地調(diào)查在遙感圖像上為非植被地類（水體、不透水面、砂石地，其它非植被類）、植被地類(闊葉林地、針葉林地、灌草叢)建立解譯標志；結(jié)合分層分類和基于支持向量機的監(jiān)督分類方法識別以上各個地類；基于分類結(jié)果提取出各植被地類的空間分布信息圖像，分別設(shè)置為一個圖層。（5）采用人機交互目視判讀的方法檢查分類結(jié)果；制作誤差混淆矩陣，計算分類圖像的制圖精度、用戶精度、總體精度、Kappa系數(shù)進行定量評價，檢驗空間分布信息圖像對各植被類型的識別精度。檢驗合格則統(tǒng)計各植被地類的面積；若不合格返回第（4）步，重新進行圖像分類。（6）依據(jù)植被分類結(jié)果，對全域高分遙感圖像進行掩膜運算、符號注記、配置圖面要素等處理，生成3個樹種類別空間分布信息圖像，并作為3個特征波段圖像加入融合后的遙感圖像中。為下一步的為提取建模特征圖像做準備。

1.7 單木三維綠量回歸方程構(gòu)建

對闊葉樹、針葉樹、灌草叢這3個類別，從高分遙感圖像確定各自全部樣本點（每棵樣木）的光譜特征；獲取研究區(qū)的數(shù)字地面模型（digital elevation model，DEM），從DEM圖像上提取同名像點的GIS特征（高程、坡度、坡向）。對于每個樹種類別，按70%:30% 的比例，從各類別總樣本數(shù)據(jù)集中隨機抽取樣點配置到訓(xùn)練樣本集和測試樣本集；以訓(xùn)練樣本集中樣本點的光譜特征、GIS特征作為自變量；三維綠量實測值作為因變量，利用逐步回歸的方法進行分析，擬合得到每個樹種類別單木三維綠量的回歸方程；通過相關(guān)系數(shù)與F 值檢驗評估模型精度；基于測試樣本集評價回歸方程的預(yù)測精度。具體實施過程可以分為7步：（1）對3個樹種類別，在高分遙感圖像上分別確定各類別每棵樣木（樣本點）的經(jīng)緯度坐標，對樣本點像元進行緩沖區(qū)處理（以坐標點為圓心,以樣木冠徑值的1/2為半徑），然后分別提取樣本點緩沖區(qū)內(nèi)的遙感圖像像元的近紅外波段、紅波段、綠波段的灰度值；再對近紅外波段、紅波段灰度值進行運算，進一步得到樣本點緩沖區(qū)像元的歸一化差值植被指數(shù)（NDVI-Normalized Difference Vegetation Index）、比值植被指數(shù)（RVI-Ratio Vegetation Index）、改進型土壤調(diào)節(jié)植被指數(shù)（MSAVI-Modified Soil Adjusted Vegetation Index）；從DEM圖像上提取同名像點的高程、坡度、坡向。每個樣本點的以上9項數(shù)值作為對應(yīng)單棵樣木的遙感/GIS特征。（2）在每個樹種類別會議訓(xùn)練樣本集內(nèi)，將樣本點以上9個光譜特征和GIS特征值設(shè)為各自類別的自變量；將已獲取了每個類別樣本點的三維綠量實測值，設(shè)為各自樹種類別的因變量。（3）對3個樹種類別，分別利用各自測試樣本集，對因變量和與其對應(yīng)的9個自變量進行相關(guān)分析，計算Pearson簡單相關(guān)系數(shù)，根據(jù)相關(guān)系數(shù)值去除與因變量無強線性關(guān)系的自變量。（4）采對3個樹種類別，都利用逐步回歸分析的方法篩選并去除引起多重共線性的自變量，擬合本類別單木三維綠量的回歸方程：對每個類別，首先用因變量對每一個自變量做線性回歸；然后以對因變量貢獻最大的自變量所對應(yīng)的回歸方程作為基礎(chǔ)，逐次引入其余自變量。每引入一個新自變量進行F 檢驗，對已選入回歸模型的原變量逐一進行t檢驗，去除經(jīng)t檢驗認為不顯著的原自變量（設(shè)定相伴概率值Sig0.05時，將自變量引入回歸方程；Sig0.10時將自變量從回歸方程中去除），以確保當前自變量集中每一個變量都為顯著自變量；將迭代過程執(zhí)行若干步后確保既無顯著自變量被選入回歸方程，也無不顯著自變量從回歸方程被去除。至此保留在回歸模型中的自變量既重要又相互之間無嚴重多重共線性。由此方法得到3個樹種類別單木三維綠量的回歸方程。（5）通過相關(guān)系數(shù)與F 值檢驗評估模型精度：對每個樹種類別，利用測試樣本集數(shù)據(jù)和回歸估算數(shù)據(jù)，計算回歸方程的相關(guān)系數(shù)并在方差分析的基礎(chǔ)上利用F 檢驗，對回歸方程進行顯著性檢驗。考查回歸方程整體上是否能夠通過P 值在0.05置信水平或P 值在0.01置信水平的顯著性檢驗；評價回歸標準殘差直方圖是否服從正態(tài)分布。（6）對3個類別的回歸方程，進一步評價回歸方程的預(yù)測精度：計算三維綠量實測值與回歸方程三維綠量估算值之間的均方根誤差；然后計算0.05置信水平和0.01置信水平下的絕對誤差限和相對誤差限；再基于相對誤差限計算得到回歸方程的預(yù)測精度。（7）對闊葉樹、針葉樹、灌草叢這3個類別，檢查各類別回歸方程的預(yù)測精度是否大于85%.若某一樹種類別回歸方程的預(yù)測精度小于85%，分析建模過程疏漏之處查找原因，然后返回第（1）步重新設(shè)置訓(xùn)練樣本集、測試樣本集構(gòu)建回歸方程。

1.8 制作單位面積三維綠量等級分布圖

制作單位面積三維綠量等級分布圖的實施過程可以分為3步：（1）已分別制作出了闊葉樹、針葉樹、灌草叢這3個類別的空間分布信息圖像?；诟黝悇e空間分布信息圖，對參與各回歸方程的每個自變量圖像（如NDVI圖像、高程圖像）進行掩膜運算；對每個類別，將所有自變量圖像作為特征波段，并與本類別遙感專題信息圖組合在一起構(gòu)成專題圖譜。至此，闊葉樹、針葉樹、灌草叢這3個類別均形成了與回歸方程對應(yīng)的專題圖譜。（2）對各樹種類別，從專題圖譜上提取每個數(shù)據(jù)點（單顆樹木）的各個自變量的數(shù)值，將其輸入回歸方程，計算得到該點的三維綠量的測算值；根據(jù)測算結(jié)果制作本類別三維綠量專題信息圖。然后加入到本類別專題圖譜中。（3）綜合3個樹種類別三維綠量專題信息圖，統(tǒng)計整個研究區(qū)三維綠量值。制作研究區(qū)單位面積三維綠量等級分布圖。

2 結(jié)論

相較于以平方米為量綱的二維綠量指數(shù)，三維綠量從立體空間的角度評定植被空間結(jié)構(gòu)差異和生態(tài)功能水平高低，因而能夠更準確的反映城市綠色景觀格局變化。然而，采用傳統(tǒng)的人工測量方法，大面積測算三維綠量的工作環(huán)節(jié)多，步驟復(fù)雜，精度有限。為此，本文提出了基于高分遙感圖像和地基三維激光雷達掃描數(shù)據(jù)，采用平面量推算立體量的方法測算城市三維綠量。該方法首先利用地基三維激光掃描點云數(shù)據(jù)建立樣本點單木三維模型，再利用模型提取單木三維綠量；然后利用高分遙感圖像和DEM圖像獲取樣本點的光譜特征和GIS特征作為自變量；之后利用逐步回歸分析的方法篩選并去除引起多重共線性的自變量，擬合單木三維綠量的回歸方程；最后結(jié)合不同植被類別的空間分布信息遙感圖像，推算出研究區(qū)全域的三維綠量總值。該方法對于快速測算城市三維綠量提供了一個新的思路，可為準確定量評價城市綠色景觀生態(tài)效益提供理論依據(jù)和技術(shù)支持。