Az új LiDAR-technológia lehetővé teszi a „fánkénti szintű” 3D modellezést, amely képes áthatolni az erdők lombkoronáján, és automatikusan elkülöníteni az egyes fákat (pontosság >95 %), miközben nagy pontossággal kinyeri a fák magasságát, törzsátmérőjüket (DBH) és térfogatukat, jelentősen növelve ezzel az erdőfelmérés hatékonyságát. Ez a fejlődés azonban nem egyetlen, május 2026-ban kizárólagosan bejelentett technológiai áttörés eredménye, hanem többplatformos (légi/hordozható/kézben tartott) és mesterséges intelligencia-alapú algoritmusok szinergikus fejlődésének köszönhető.

Áthatolási képesség és egyedi fa-elkülönítés:

Jelenlegi többszörös visszaverődéses LiDAR rendszerek (pl. DJI Zenmuse L3, CHCNAV RS30), kombinálva pontfelhő-osztályozási algoritmusokkal (az echo-szám, intenzitás és térbeli csoportosítás alapján), hatékonyan megkülönböztetik a lombkoronát, a törzset és a talajpontokat. Mesterséges intelligenciával vezérelt példányelkülönítési modellek (pl. PointNet++, 3D CNN-k vagy a legújabb Transformer-architektúrák) elértek egy F1-mutatót 0,95 fölött ​ (a pontosság >95%-os) egyes fák felismeréséhez zárt lombkoronájú állományokban a 2025–2026-os kutatásokból.

Automatikus paraméterkinyerés:

A fa magassága (hibája <5%) és a mellmagassági átmérő (DBH, hibája ±3–5%) a törzs pontfelhőinek hengeres illesztésével vagy legkisebb négyzetek módszerével nyerhető ki a törzs pontfelhőinek hengeres illesztésével vagy legkisebb négyzetek módszerével . A térfogatot az allometrikus egyenletek ​ (pl. DBH² × Magasság) segítségével becsülik, amelyeket fajkönyvtárakkal integrálnak, és így elérhető a régióra vonatkozó összesített hiba mértéke <3%​ (ahogy azt a CHCNAV ForestPoint szoftvere igazolta).

Műszaki platformok fejlődése:

Az iparág túllépett a statikus földi LiDAR-on, és integrálja UAV-al szállított LiDAR (nagy léptékű lefedettség érdekében), hordozható/kézben tartott LiDAR (az aljnövényzet részleteinek kiegészítésére), és SLAM valós idejű helymeghatározás , lehetővé téve a közös „légi–földi” pontfelhő-beszerzést. 2026 elején a Kínai Északkeleti Erdészeti Egyetem és a GreenValley International csapatai igazolták e rendszer mérnöki alkalmazhatóságát egyes fák szintjén (<10 cm helymeghatározási hiba).

Kulcsfontosságú áttörések:

Az előrelépés nem új fizikai áthatolásból ered, hanem a következő tényezők összefonódásából származik: növelt pontfelhő-sűrűség (>20 pont/m² az aljnövényzetben) + több-echo-feldolgozás + mélytanuláson alapuló szegmentálás (pl. Mask3D) + együttes terep–növényzet-modellezés . Ezen felül a Kínai Erdészeti Akadémia 2025-ben javasolt „lombkoronaszegély-figyelő vágóalgoritmus” jelentősen javította az egyes fák elkülönítésének integritását sűrű állományokban.

Praktikus alkalmazások:

Pilótprogramok Északkelet-Kínában és Délkelet-Kínában található erdőkben bizonyították a hatékonyság több mint tízszeres növekedését a hagyományos mintaterület-alapú felmérésekhez képest, a hibák pedig megfelelnek a Nemzeti Erdőfelmérés III. osztályú pontossági követelményeinek (LY/T 1953–2021). Ez a technológia az erdőgazdálkodást a „mintaterület-alapú becsléstől” az „egyedi fára lebontott pontos felmérés és térképezés felé” irányítja.