行道树在城市绿化与园林绿化中起着重要的作用。行道树在建设城市园林是重要环节,对于城市的市容市貌有重要影响,所以行道树树种的选择在城市园林中是重中之重。传统的行道树树种调查采用人工实地调查的方法,该调查方法费时费力,调查效率低下,较难满足行道树树种调查的要求。地基激光雷达扫描技术作为较新的技术,在树种分类中已有较为广的应用,该技术可以快速高效获取各项森林参数,进而实现对树种的识别。但地基激光雷达扫描技术存在仪器价格昂贵,且比较笨重,搬运不方便,在实际操作中,需要多次移站的操作,导致人力成本增加。随着技术的发展,特别是无人机技术和摄影测量技术的进步,基于无人机的倾斜摄影测量技术在农业、工业、建筑业中应用的越来越广,林业工作者们也开始将该技术引入森林资源的调查中,并就如何利用无人机提取森林参数及如何快速进行森林资源调查进行了研究。但无人机倾斜摄影测量技术在实际中的应用还是主要集中在城市建筑物的测绘,在林业中的应用还比较有限,特别是在行道树树种分类领域的应用。所以有必要对无人机倾斜摄影测量技术在行道树树种分类中的可行性进行研究,并探索实现该技术的技术路线和操作流程。本文基于无人机倾斜摄影测量技术,使用大疆Phantom4 RTK无人机获取目标道路行道树倾斜摄影照片。该型号无人机携带的网络RTK功能在小范围测量中可以省略设置控制点的工作,在减少外业的工作量的同时保证获取数据的定位精度。利用Pix4Dmapper软件对获取的倾斜摄影测量照片进行处理,生成目标道路的三维点云,采用人工手动提取的方式获取单棵行道树的点云,并输出为XYZ格式的三维点云数据。使用基于Python语言编写的代码从三维点云数据中提取单木测树因子。与实测相比,树高提取准确度90.82%,东西冠幅提取准确度83.46%,南北冠幅提取准确度83.89%。基于提取的单木测树因子,使用机器学习的方法,进行行道树树种分类研究。发现在本研究中,KNN、随机森林、支持向量机、BP神经网络四种方法对树种分类的准确率较高,分别为84%、82%、78%、76%,可以较好地实现对行道树树种的识别。