تتيح تقنية الليدار الجديدة إنشاء نماذج ثلاثية الأبعاد على مستوى «الشجرة الفردية»، وهي قادرة على اختراق تيجان الغابات وإجراء تجزئة تلقائية للأشجار الفردية (بدقة تزيد عن ٩٥٪)، مع استخلاص ارتفاع الشجرة وقطر الجذع عند ارتفاع الصدر (DBH) والحجم بدقة عالية، مما يعزِّز كفاءة جرد الغابات بشكل كبير. ومع ذلك، فإن هذه التقدُّم هو نتيجة تطور تكاملي عبر منصات متعددة (جوية/قابلة للحمل على الظهر/يدوية) وخوارزميات الذكاء الاصطناعي، وليس مجرد تقدُّم تكنولوجي معزول تم الكشف عنه حصريًّا في مايو ٢٠٢٦.

القدرة على الاختراق وتجزئة الأشجار الفردية:

حالي أنظمة الليدار متعددة الانعكاسات مثل طائرات DJI Zenmuse L3 وCHCNAV RS30، مقترنة بـ خوارزميات تصنيف سحب النقاط (استنادًا إلى عدد الانعكاسات، وشدة الإشارات، والتجميع المكاني)، للتمييز بفعالية بين نقاط التاج والجذع والأرض. نماذج تجزئة الكيانات المدعومة بالذكاء الاصطناعي (مثل PointNet++، أو الشبكات العصبية التلافيفية ثلاثية الأبعاد 3D CNNs، أو أحدث معمارية المحولات Transformer) حققت نتيجة F1 تزيد عن ٠٫٩٥ (أي ما يعادل دقة تفوق ٩٥٪) في التعرف على الأشجار الفردية ضمن المساحات المُغطّاة كثيفًا بالتاج في الأبحاث التي أُجريت خلال الفترة ٢٠٢٥–٢٠٢٦.

استخراج المعاملات تلقائيًّا:

يتم اشتقاق ارتفاع الشجرة (الخطأ <٥٪) وقطر الجذع عند ارتفاع الصدر (DBH، الخطأ ±٣–٥٪) من خلال ملاءمة نموذج أسطواني لسحابة نقاط الجذع أو باستخدام طرق المربعات الصغرى . ويُقدَّر الحجم باستخدام المعادلات الحجمية ‏(مثل: DBH² × الارتفاع) المدمجة مع مكتبات الأنواع، مما يحقق أخطاء إقليمية عامة بنسبة <3%‏(كما تم التحقق منها بواسطة برنامج ForestPoint الخاص بشركة CHCNAV).

تطور المنصات التقنية:

انتقل القطاع من أنظمة ليزر المسح الضوئي الأرضية الثابتة إلى دمج ليزر المسح الضوئي المحمول على الطائرات غير المأهولة (UAV-borne LiDAR) ‏(لتغطية نطاق واسع)، ليزر المسح الضوئي المحمول على الظهر أو اليد (backpack/handheld LiDAR) ‏(لتكملة تفاصيل طبقة الغطاء النباتي السفلي)، و نظام تحديد المواقع الفعلي في الوقت الحقيقي القائم على تقنية SLAM ‏، ما يمكّن من اكتساب سحابة النقاط بشكل تعاوني بين الجو والأرض. وفي أوائل عام ٢٠٢٦، قام فريقان من جامعة غرب شمال الصين للغابات والشركة الدولية غرين فالي (GreenValley International) بالتحقق من القدرة الهندسية لهذا النظام على مستوى دقة الشجرة الفردية (< ١٠ سم خطأ في تحديد الموقع).

الإنجازات الرئيسية:

لا ينبع التقدم من "اختراق فيزيائي جديد"، بل من تكامل زيادة كثافة سحابة النقاط (>20 نقطة/م² في الطبقة السفلية) + معالجة الإشارات المتعددة الانعكاسات + تقسيم التعلم العميق (مثل Mask3D) + النمذجة المشتركة للتضاريس والغطاء النباتي . علاوةً على ذلك، أدّى "خوارزمية الاقتطاع المُدركة لحواف التاج الشجري" التي اقترحها الأكاديمية الصينية للغابات في عام 2025 إلى تحسينٍ كبيرٍ في اكتمال فصل الأشجار الفردية في الغابات الكثيفة.

التطبيقات العملية:

وقد أظهرت البرامج التجريبية في غابات شمال شرق وجنوب غرب الصين مكاسب في الكفاءة تجاوزت عشر مرات مقارنةً بالمسوحات التقليدية للمربعات العينية، مع تحقيق دقة تتوافق مع متطلبات الدقة من الفئة الثالثة لجرد الغابات الوطني (LY/T 1953–2021). وتُسهم هذه التكنولوجيا في تحويل قطاع الغابات من "التقدير القائم على المربعات العينية" نحو "المسح والرسم البياني الدقيق لكل شجرة على حدة."