The process of extracting buildings from remotely sensed data is essential for various applications such as 3D building modeling, city planning, disaster evaluation, and updating digital maps and GIS databases. The primary focus of this study is to examine how well multi-spectral lidar can extract individual buildings in dense urban environments. Recently developed remote sensing technologies include multi-spectral lidar. The primary lidar only uses one wavelength (NIR), while this newer gadget combines three wavelengths (NIR, MID, and Green) for more comprehensive data. This study evaluated multi-spectral lidar's effectiveness in extracting buildings from metropolitan regions under two different scenarios. The first scenario, which is a simplification of the single-wavelength lidar, utilized the initial return from the NIR alone. Since each wavelength of multispectral lidar contains four numbers of returns, they were combined to form a single dataset for the second scenario. The data underwent a filtration process to distinguish between ground and non-ground points, enhancing the building extraction's efficacy in both scenarios. The two scenarios in the CANUPO algorithm were executed using open-source software cloud-compare. This method utilizes multiscale dimensions to attain high-quality results while ensuring ground objects' safety. Eigenvalues were computed for all data points using varying scales ranging from 10m to 100m. The findings indicate that the second scenario, utilizing the spectral diversity of multispectral lidar for more efficient extraction of building points compared to the first scenario, resulted in a 95% improvement in balanced accuracy.   عملية استخراج المباني من بيانات الاستشعار عن بعد ضرورية للعديد من التطبيقات مثل نمذجة المباني ثلاثية الأبعاد ، وتخطيط المدن ، وتقييم الكوارث ، وتحديث الخرائط الرقمية وقواعد بيانات نظم المعلومات الجغرافية. ينصب التركيز الأساسي لهذه الدراسة على دراسة مدى قدرة الليدار متعدد الأطياف على استخراج المباني الفردية من البيئات الحضرية الكثيفة. تشتمل تقنيات الاستشعار عن بعد المطورة حديثًا على الليدار متعدد الأطياف. يستخدم الليدار الأساسي طولًا موجيًا واحدًا فقط (NIR) ، بينما تجمع هذه الأداة الأحدث ثلاثة أطوال موجية (NIR و MID والأخضر) للحصول على بيانات أكثر شمولاً. قيمت هذه الدراسة فعالية الليدار متعدد الأطياف في استخراج المباني من المناطق الحضرية في إطار سيناريوهين مختلفين. استخدم السيناريو الأول ، وهو تبسيط ليدار أحادي الطول الموجي ، العائد الأولي من NIR وحده. نظرًا لأن كل طول موجي لليدار متعدد الأطياف يحتوي على أربعة أعداد من المرتجعات ، فقد تم دمجها لتشكيل مجموعة بيانات واحدة للسيناريو الثاني. خضعت البيانات لعملية تنقيه للتمييز بين النقاط الأرضية وغير الأرضية ، وبالتالي تعزيز فعالية استخراج المباني في كلا السيناريوهين. تم تنفيذ السيناريوهين في خوارزمية CANUPO  المتوفره في برنامج مجاني مفتوح المصدر. تستخدم هذه الطريقة أبعادًا متعددة النطاقات لتحقيق نتائج عالية الجوده. تم حساب القيم الذاتية لجميع نقاط البيانات باستخدام مقاييس ثبات مختلفة تتراوح من 10m إلى 100m. تشير النتائج إلى أن السيناريو الثاني ، باستخدام التنوع الطيفي لليدار متعدد الأطياف لاستخراج نقاط بناء أكثر كفاءة مقارنةً بالسيناريو الأول ، أدى إلى تحسن بنسبة 95٪ في الدقة الكلية (OA).