Nieuwe LiDAR-technologie maakt 'op individuele-boomniveau' 3D-modellering mogelijk, met de capaciteit om boskronen te doordringen en automatische segmentatie van afzonderlijke bomen uit te voeren (nauwkeurigheid >95%), terwijl boomhoogte, stamomtrek op borsthoogte (DBH) en volume met hoge precisie worden geëxtraheerd, wat de efficiëntie van bosinventarisaties aanzienlijk verhoogt. Deze vooruitgang is echter het resultaat van een synergetische evolutie op meerdere platforms (luchtvaart-/rugzak-/handbediende systemen) en AI-algoritmes, en niet het gevolg van een geïsoleerde technologische doorbraak die uitsluitend in mei 2026 is onthuld.

Doordringingsvermogen en segmentatie van individuele bomen:

Stroom multi-echo LiDAR systemen (bijv. DJI Zenmuse L3, CHCNAV RS30), gecombineerd met algoritmes voor classificatie van puntenwolken (gebaseerd op echo-aantal, intensiteit en ruimtelijke clustering), onderscheiden effectief punten van de kroon, de stam en de grond. AI-gestuurde instantiesegmentatiemodellen (zoals PointNet++, 3D-CNN’s of de nieuwste Transformer-architecturen) hebben een F1-score boven de 0,95 behaald (overeenkomend met een nauwkeurigheid van >95%) voor individuele boomherkenning in gesloten kroondaken in onderzoek uit 2025–2026.

Automatische parameterextractie:

Boomhoogte (fout <5%) en stamomtrek op borsthoogte (DBH, fout ±3–5%) worden afgeleid via cilindrische aanpassing van stam-puntenwolken of kleinste-kwadratenmethoden . Het volume wordt geschat met behulp van allometrische vergelijkingen (bijv. DBH² × hoogte), geïntegreerd met soortenbibliotheken, wat tot totale regionale fouten leidt van <3% (zo geverifieerd door CHCNAV’s ForestPoint-software).

Evolutie van technische platforms:

De sector is verder gegaan dan statische terrestrische LiDAR en integreert UAV-gedragen LiDAR (voor grootschalige dekking), rugzak-/handbediende LiDAR (om details van de onderlaag aan te vullen), en SLAM realtime positionering , waardoor samenwerkende "lucht-naar-grond"-puntwolkacquisitie mogelijk is. Begin 2026 hebben teams van de Northeast Forestry University en GreenValley International de technische haalbaarheid van dit systeem bevestigd op individuele-boomniveau (<10 cm positioneringsfout).

Belangrijke doorbraken:

De vooruitgang vindt niet plaats door "nieuwe fysieke doordringing", maar eerder door de convergentie van verhoogde puntwolkdichtheid (>20 pts/m² in de onderlaag) + multi-echoverwerking + diepleersegmentatie (bijv. Mask3D) + gezamenlijk terrein-vegetatiemodel . Bovendien heeft het in 2025 door de Chinese Academie van Bosbouw voorgestelde "kroonrand-bewuste knipalgoritme" de integriteit van individuele boomafscheiding in dichte bestanden aanzienlijk verbeterd.

Praktische Toepassingen:

Proefprojecten in de bossen van Noordoost- en Zuidwest-China hebben aangetoond efficiëntiewinsten van meer dan 10 keer vergeleken met traditionele opnamepercelen, waarbij de fouten voldoen aan de nauwkeurigheidseisen van klasse III voor de Nationale Bosinventarisatie (LY/T 1953–2021). Deze technologie verplaatst de bosbouw van „schatting op basis van percelen” naar „nauwkeurige boomvoor-boomopname en -inventarisatie.”