Nauja LiDAR technologija leidžia „vienos medžio lygio“ 3D modeliavimą, galintį prasiskverbti pro miško vainikus ir atlikti automatinę atskirų medžių segmentaciją (tikslumas >95 %), tuo pačiu tiksliai nustatant medžių aukštį, kamieno skersmenį ties krūtine ir tūrį, dėl ko žymiai padidėja miškų inventorizacijos efektyvumas. Tačiau šis pasiekimas yra daugiaplatforminės (oro, nešiojamosios ir rankinės) ir dirbtinio intelekto algoritmų sinergetinio vystymosi rezultatas, o ne izoliuotas technologinis pralūdis, paskelbtas tik 2026 m. gegužėje.

Prasiskverbimo gebėjimas ir atskirų medžių segmentacija:

Dabartinis daugiaecho LiDAR sistemos (pvz., DJI Zenmuse L3, CHCNAV RS30), sujungtos su taškų debesies klasifikavimo algoritmais (pagrįstais atspindžių skaičiumi, intensyvumu ir erdviniais klasteriais), efektyviai atskiria vainikų, kamienų ir žemės taškus. Dirbtinio intelekto valdomi instancijų segmentacijos modeliai (pvz., PointNet++, 3D CNN ar naujausios Transformatorių architektūros) pasiekė F1-balą virš 0,95 (atitinkant tikslumą >95 %) atskirų medžių atpažinimui uždaruose krošnuose tyrimuose, vykdytuose 2025–2026 metais.

Automatinis parametrų ištraukimas:

Medžio aukštis (klaida <5 %) ir krūtinės aukštyje matuojamas skersmuo (DBH, klaida ±3–5 %) nustatomas cilindrinės kamieno taškų debesies pritaikymo ar mažiausių kvadratų metodais tūris įvertinamas naudojant alometrines lygtis (pvz., DBH² × Aukštis), integruotas su rūšių bibliotekomis, pasiekiant bendrą regioninę klaidą <3% (kaip patvirtino CHCNAV „ForestPoint“ programinė įranga).

Techninių platformų evoliucija:

Pramonė jau išėjo už statinio sausumos LiDAR ribų ir integruoja Skrydžių aparatuose montuojamą LiDAR (didelės apimties dengimui), nešiojamąjį / rankinis LiDAR (papildant žemosios augmenijos detalių informaciją) ir SLAM realaus laiko pozicionavimą , leidžiantį bendradarbiauti „oro–žemė“ taškų debesų rinkimo procese. 2026 m. pradžioje Šiaurės Rytų miškų universiteto ir „GreenValley International“ komandos patvirtino šios sistemos inžinerinį pajėgumą vieno medžio tikslumo lygyje (<10 cm pozicionavimo klaida).

Pagrindiniai pralūžiai:

Šis pasiekimas kyla ne iš „naujos fizinės prasiskverbimo galimybės“, o iš padidėjusi taškų debesies tankis (>20 taškų/m² po medžių vainiku) + daugiaekoinis apdorojimas + gilusis mokymasis segmentavimui (pvz., Mask3D) + jungtinis reljefo ir augmenijos modeliavimas . Be to, Kinijos miškų akademijos 2025 m. pasiūlytas „palapinės krašto atsižvelgiantis kirpimo algoritmas“ žymiai pagerino atskirų medžių atskyrimo vientisumą tankiuose miškuose.

Praktiniai taikymai:

Bandomieji projektai Šiaurės Rytų ir Pietvakarių Kinijos miškuose parodė našumo padidėjimą daugiau kaip 10 kartų ​ palyginti su tradiciniais plotų tyrimais, o klaidos atitinka Nacionalinio miškų inventorizacijos III klasės tikslumo reikalavimus (LY/T 1953–2021). Ši technologija verčia miškininkystę judėti nuo „plotais remiamos įvertinimo“ link „tikslaus kiekvieno medžio tyrimo ir žemėlapio sudarymo.“