Nová technológia LiDAR umožňuje trojrozmerné modelovanie na úrovni „jednotlivého stromu“, ktoré je schopné preniknúť cez lesný porast a vykonávať automatické segmentovanie jednotlivých stromov (presnosť > 95 %) pri súčasnom presnom extrahovaní výšky stromu, priemeru kmeňa vo výške prsníka (DBH) a objemu, čím sa výrazne zvyšuje efektívnosť lesného inventarizovania. Tento pokrok však vznikol v dôsledku synergického vývoja viacerých platform (letecké, prenášané v batohu, ručné) a algoritmov umelej inteligencie, nie ako izolovaný technologický prelom oznámený výlučne v máji 2026.

Schopnosť prenikania a segmentovanie jednotlivých stromov:

Súčasný liDAR systémy s viacnásobným odrazom (napr. DJI Zenmuse L3, CHCNAV RS30), kombinované s algoritmami klasifikácie bodových mrakov (založenými na počte odrazov, intenzite a priestorovom zhlukovaní), účinne rozlišujú medzi bodmi koruny, kmeňa a zeme. Modely inštanciálneho segmentovania riadené umeľou inteligenciou (ako napr. PointNet++, 3D CNN alebo najnovšie architektúry typu Transformer) dosiahli F1-skóre vyššie ako 0,95 ​ (zodpovedá presnosti >95 %) pre rozpoznávanie jednotlivých stromov v uzavretých porastoch v rámci výskumu z rokov 2025–2026.

Automatické vyberanie parametrov:

Výška stromu (chyba <5 %) a priemer kmeňa vo výške prsi (DBH, chyba ±3–5 %) sa určujú prostredníctvom valcového prispôsobenia bodových oblakov kmeňa alebo metód najmenších štvorcov . Objem sa odhaduje pomocou alometrických rovníc ​ (napr. DBH² × výška) integrovaných s knižnicami druhov, čo umožňuje dosiahnuť celkové regionálne chyby <3%​ (ako potvrdzuje softvér ForestPoint spoločnosti CHCNAV).

Vývoj technických platforiem:

Priemysel sa posunul za statické pozemné LiDAR systémy a začal ich integrovať s LiDAR montovaný na UAV (pre pokrytie veľkých území), liDAR pre nosenie v batohu / ručný LiDAR (na doplnenie podrobností v podlesí) a Real-time lokalizácia pomocou technológie SLAM , čo umožňuje spoločné získavanie bodových oblakov „z vzduchu na zem“. Na začiatku roku 2026 tím z Northeast Forestry University a GreenValley International overil inžinierske schopnosti tohto systému na úrovni presnosti jednotlivých stromov (< 10 cm chyba lokalizácie).

Kľúčové prelomy:

Tento pokrok nevychádza z „nového fyzického prenikania“, ale skôr z konvergencie vyššej hustoty bodových oblakov (> 20 bodov/m² v podlesí) + spracovania viacnásobných odrazov + segmentácie pomocou hlbokého učenia (napr. Mask3D) + spoločného modelovania terénu a vegetácie . Okrem toho „algoritmus orezávania s ohľadom na okraj koruny“, ktorý v roku 2025 navrhla Čínska akadémia lesníctva, výrazne zlepšil celistvosť oddelenia jednotlivých stromov v hustých porastoch.

Praktické aplikácie:

Pilotné programy v lesoch severovýchodnej a juhozápadnej Číny preukázali zvýšenie efektívnosti viac ako desaťnásobne ​ v porovnaní s tradičnými plošnými prízemnými štúdiami, pričom chyby spĺňajú požiadavky presnosti triedy III pre národné lesnícke inventarizácie (LY/T 1953–2021). Táto technológia posúva lesníctvo od „odhadov založených na plochách“ k „presnému zisťovaniu a mapovaniu jednotlivých stromov.“