由于快速的城市化,中国房地产市场在过去几十年里一直蓬勃发展。西安作为陕西省的省会城市,也已成为房地产市场快速发展的城市之一;高层公寓主导着房地产市场,以满足不断增长的城市人口的需求。城市的不断建设导致了地理信息在垂直维度的显著空间变化。然而,垂直维度中地理信息的变化难以通过当前基于二维的房地产估价方法精准体现到房地产价格的变化中。因此,将三维影响因子和三维建模引入房产估价具有一定的现实意义。本文综合采用了定性和定量方法,用于评估基于小区尺度使用遥感数据进行房地产估价的二维和三维方法。采用半结构化专家访谈、焦点小组和问卷调查来了解房地产公司的定价政策、西安房地产市场三维建模的现状、以及买家对高层住宅的偏好。二维方法应用了OLS(Ordinary least squares)和GWR(Geographically weighted regression)来运行2D模型。三维方法运用软件CityEngine进行可视化和量化来构建高层公寓楼的三维模型,以及进行三维分析。最后,通过模型结果的比较来评估二维和三维方法的优劣。主要结论如下:(1)房价定价策略无固定模式,西安市三维建模仍有待进一步发展根据对半结构化专家访谈和焦点小组访谈内容进行定性分析,结果显示,西安市政府主要采用市场比较法,房地产开发商常采用成本法来分析房地产价格,且没有固定的模式来界定房价。针对西安市三维建模现状进行分析,表明三维建模在房地产市场中的应用层次仍较低,应用范围比较局限。(2)问卷中不同年龄段的受访者对高层住宅的喜好不同根据对问卷调查的定量分析显示了购买者偏好的不同方面,并将其作为房地产估价中二维和三维影响因子的选择标准。结果显示,近一半的受访者选择居住在中层楼层。大多数人选择了“南-北”朝向。关于周边环境和房地产的物理属性,“公共安全”、“朝向”、“少噪声”是最受欢迎的三个因子,而得分最低的三个是“体育设施”、“娱乐设施”和“文化设施”。人们更喜欢看到窗外的绿地和水,小区周围大量建筑物和临街不受欢迎。(3)包含二维影响因子的特征价格模型无法解释样本中西安市第一手房地产价格的变化模型回归结果表明,GWR的表现优于OLS,因此选择GWR进行详细分析。回归结果表明,工厂密度,归一化植被指数(NDVI),离中心商务区(CBD)距离,离饭店距离和离地铁距离是影响房价的五个重要因素。然而,与其他研究不同,由于两个模型都具有较低的R~2,本文无法概括其二维模型。西安市政府制定的限购和限价政策对第一手房地产价格的影响可能使得其变化较为平稳,无法显示出各二维因子对房地产价格的影响。(4)三维建模方法比二维方法能够更好地阐释房地产价格的变化三维方法包括景色、天空视角因子(SVF)、光照和朝向等四个指标。通过回归模型得证,SVF、光照和朝向是影响房价的三个重要因素。留一交叉验证的结果证明,预测价格与实际价格之间的误差百分比为9.76%。通过二维和三维的回归统计数据表明,三维方法可以更好地阐释基于小区尺度上的高层住宅价格变化,三维方法中的R~2为0.451,而二维方法中GWR的R~2为0.217。本文使用软件CityEngine成功分析和量化了三维影响因子,通过图形和视频以显示垂直维度中的地理信息变化。