Новая технология LiDAR позволяет создавать трёхмерные модели «на уровне отдельного дерева», способна проникать сквозь лесной полог и автоматически выполнять сегментацию отдельных деревьев (точность >95 %), а также с высокой точностью извлекать высоту деревьев, диаметр ствола на высоте груди (DBH) и объём древесины, что значительно повышает эффективность лесоинвентаризации. Однако этот прогресс стал результатом синергетической эволюции многоуровневых платформ (воздушных/наземных рюкзачных/ручных) и алгоритмов искусственного интеллекта, а не изолированного технологического прорыва, объявленного исключительно в мае 2026 г.

Способность проникновения и сегментация отдельных деревьев:

Текущий liDAR-системы с многократным эхо (например, DJI Zenmuse L3, CHCNAV RS30), в сочетании с алгоритмами классификации облака точек (на основе количества эхо-сигналов, их интенсивности и пространственной кластеризации), эффективно различают точки кроны, ствола и земли. Сегментационные модели экземпляров на основе ИИ (например, PointNet++, трёхмерные свёрточные нейронные сети или новейшие архитектуры на основе трансформеров) достигли F1-меры выше 0,95 (что соответствует точности >95 %) при распознавании отдельных деревьев в насаждениях с замкнутой кроной в научных исследованиях 2025–2026 гг.

Автоматическое извлечение параметров:

Высота дерева (ошибка <5 %) и диаметр ствола на высоте груди (DBH, ошибка ±3–5 %) определяются путём цилиндрического подбора облака точек ствола или методом наименьших квадратов . Объём оценивается с использованием аллометрических уравнений ​ (например, DBH² × Высота), интегрированный с библиотеками видов, что обеспечивает общую региональную погрешность <3%​ (как подтверждено программным обеспечением CHCNAV ForestPoint).

Эволюция технических платформ:

Отрасль вышла за рамки статичных наземных лидаров и перешла к интеграции Лидаров на БПЛА ​ (для охвата крупномасштабных территорий), наземных ручных/рюкзачных лидаров ​ (для дополнения данных о подлеске) и SLAM-технологии в реальном времени , что позволяет осуществлять совместный сбор облаков точек «с воздуха на землю». В начале 2026 года команды из Северо-Восточного лесотехнического университета и компании GreenValley International подтвердили инженерные возможности этой системы на уровне точности определения отдельных деревьев (< 10 см погрешности позиционирования).

Ключевые прорывы:

Этот прогресс обусловлен не «новым физическим проникновением», а скорее конвергенцией повышенной плотности облака точек (>20 точек/м² в подлеске) + обработки многократных эхо-сигналов + сегментации на основе глубокого обучения (например, Mask3D) + совместного моделирования рельефа и растительности . Кроме того, «алгоритм обрезки с учётом краёв кроны», предложенный Китайской академией лесного хозяйства в 2025 году, значительно повысил целостность разделения отдельных деревьев в густых насаждениях.

Практическое применение:

Пилотные программы в лесах северо-востока и юго-запада Китая продемонстрировали рост эффективности более чем в 10 раз по сравнению с традиционными пробными площадками, при этом погрешности соответствуют требованиям точности класса III для Национальной инвентаризации лесов (LY/T 1953–2021). Данная технология переводит лесное хозяйство от «оценки по пробным площадкам» к «точному учёту и картированию каждого отдельного дерева».