Նոր LiDAR տեխնոլոգիան թույլ է տալիս «մեկական ծառի մակարդակով» 3D մոդելավորում, որը կարող է թափանցել անտառային ծածկույթը և իրականացնել ավտոմատ առանձին ծառերի սեգմենտավորում (ճշգրտություն >95%), միաժամանակ բարձր ճշգրտությամբ հանելով ծառի բարձրությունը, ստուգատեղի շրջագծի տրամագիծը (DBH) և ծավալը, ինչը զգալիորեն բարձրացնում է անտառային պաշարների հաշվառման արդյունավետությունը: Այնուամենայնիվ, այս ձեռքբերումը բազմահարթակային (օդային/մեկուսացված մեջքի վրա կրվող/ձեռքի տակ օգտագործվող) համակարգերի և արհեստական ինտելեկտի ալգորիթմների սիներգետիկ զարգացման արդյունք է, այլ ոչ թե միայնակ տեխնոլոգիական բացահայտում, որը հայտարարվել է միայն 2026 թվականի մայիսին:

Թափանցման հնարավորություն և առանձին ծառերի սեգմենտավորում.

Ընթացիկ բազմաարձակվող LiDAR համակարգեր (օրինակ՝ DJI Zenmuse L3, CHCNAV RS30), որոնք միավորված են կետային ամպի դասակարգման ալգորիթմների հետ (հիմնված արձակման քանակի, ինտենսիվության և տարածական կլաստերավորման վրա), որոնք արդյունավետորեն տարբերակում են ծառաստվերը, բույսի բունը և հողի կետերը: ԱԻ-վարվող ինստանցիայի սեգմենտավորման մոդելները (օրինակ՝ PointNet++, 3D CNN-ներ կամ վերջին սերնդի Transformer ճարտարապետությունները) հասել են F1-միավորի 0,95-ից բարձր ​ (համապատասխանում է >95 % ճշգրտությանը) առանձին ծառերի ճանաչման համար փակ սաղարթավոր տարածքներում՝ 2025–2026 թվականների հետազոտությունների հիման վրա։

Ավտոմատ պարամետրերի հանում՝

Ծառի բարձրություն (սխալ <5 %) և կրծքի մակարդակում տրանկի տրամագիծ (DBH, սխալ ±3–5 %) ստացվում են տրանկի կետային ամպերի շրջանաձև հարմարեցման կամ նվազագույն քառակուսիների մեթոդների միջոցով պատկերացումը գնահատվում է ալոմետրիկ հավասարումների միջոցով ​ (օրինակ՝ DBH² × Բարձրություն), որոնք ինտեգրված են տեսակների գրադարանների հետ և հասնում են ընդհանուր տարածաշրջանային սխալների <3%​ (ստուգված CHCNAV-ի ForestPoint ծրագրային ապահովմամբ)։

Տեխնիկական հարթակների էվոլյուցիա՝

Արդյունաբերությունը անցել է ստատիկ երկրային LiDAR-ից դեպի ինտեգրում ԱՄԾ-վարույթով LiDAR (մեծ մասշտաբային ծածկույթի համար), պայուսակային/ձեռքով կառավարվող LiDAR (ենթաշերտի մանրամասների լ допոլնման համար), և SLAM իրական ժամանակի դիրքագործում , որը հնարավորություն է տալիս համատեղ օդից-մեքենայից միավորված կետային ամպի հավաքագրում: 2026 թվականի սկզբին Հյուսիս-Արևելյան անտառային համալսարանի և GreenValley International-ի թիմերը հաստատել են այս համակարգի ճարտարագիտական հնարավորությունները մեկական ծառի ճշգրտությամբ (<10 սմ դիրքագործման սխալ):

Հիմնական մեծ ձեռքբերումներ.

Այս առաջընթացը չի առաջանում «նոր ֆիզիկական թափանցման» շնորհիվ, այլ՝ կետային ամպի խտության մեծացման շնորհիվ (>20 կետ/մ² ենթաշերտում) + բազմաէքոյան մշակման + խորը ուսուցման սեգմենտավորման (օրինակ՝ Mask3D) + համատեղ ռելիեֆ-բուսականության մոդելավորման միավորման շնորհիվ: Ավելին, Չինաստանի անտառային ակադեմիայի 2025 թվականին առաջարկված «սաղարթի եզրային տեսանելիության հիման վրա կտրման ալգորիթմը» նշանակալիորեն բարելավել է խիտ անտառներում առանձին ծառերի առանձնացման ամբողջականությունը:

Պրակտիկ կիրառումներ՝

Հյուսիսարևելյան և հարավարևմտյան Չինաստանի անտառներում իրականացված փորձնական ծրագրերը ցույց են տվել ավելի քան 10 անգամ բարձր արդյունավետություն ​ համեմատած ավանդական հատվածային հետազոտությունների հետ՝ սխալները համապատասխանում են ազգային անտառային գրանցման երրորդ դասի ճշգրտության պահանջներին (LY/T 1953–2021): Այս տեխնոլոգիան անտառային տնտեսության մեջ առաջխաղացնում է անցումը «հատվածային գնահատումից» դեպի «ճշգրիտ մեկական ծառի հետազոտում և քարտեզագրում»: