Nova tehnologija LiDAR omogoča tridimenzionalno modeliranje na ravni »posameznega drevesa«, ki je sposobna prebojati gozdne kronje in avtomatsko ločevati posamezna drevesa (natančnost > 95 %), hkrati pa z visoko natančnostjo določa višino dreves, debelino debla na višini prsi (DBH) in prostornino dreves, kar znatno poveča učinkovitost gozdne inventarizacije. Ta napredek pa je rezultat sinergičnega razvoja na več platformah (zračne / nosilne / ročne) in umetnih inteligenčnih algoritmih, ne pa izolirane tehnološke raznovrstnosti, objavljene izključno v maju 2026.

Zmožnost preboja in ločevanje posameznih dreves:

Trenutni liDAR s sistemom večkratnih odmevov (npr. DJI Zenmuse L3, CHCNAV RS30), v kombinaciji z algoritmi za klasifikacijo oblakov točk (na podlagi števila odmevov, jakosti in prostorskega združevanja), učinkovito ločujejo med točkami kronje, debla in tal. Modeli za instančno segmentacijo, ki jih poganja umetna inteligenca (npr. PointNet++, 3D CNN ali najnovejše arhitekture Transformer) so dosegli F1-merilo nad 0,95 (kar ustreza natančnosti >95 %) za prepoznavo posameznih dreves v zaprtih gozdovih v raziskavah iz let 2025–2026.

Samodejno pridobivanje parametrov:

Višina drevesa (napaka <5 %) in premer na višini prsi (DBH, napaka ±3–5 %) se določita z cilindričnim prileganjem točkovnih oblakov debla ali z metodo najmanjših kvadratov . Prostornina se oceni z uporabo alometričnih enačb (npr. DBH² × višina), integriranih z knjižnicami vrst, pri čemer se dosežejo skupne regionalne napake <3% (kot je potrdil program ForestPoint podjetja CHCNAV).

Razvoj tehničnih platform:

Industrija je presegla statične nazemne LiDAR sisteme in vključila LiDAR na brezpilotnih letalih (UAV) (za pokritost na velikem obsegu), nahrbtni/ročni LiDAR (za dopolnitev podrobnosti podgozdnega sloja) ter SLAM realnočasno pozicioniranje , kar omogoča sodelovalno pridobivanje oblakov točk "z zraka do tal". V začetku leta 2026 so skupine iz Northeast Forestry University in GreenValley International potrdile inženirsko zmogljivost tega sistema na natančnosti posameznega drevesa (< 10 cm napake pri pozicioniranju).

Ključni preboji:

Napredek ne izhaja iz »nove fizične prodirnosti«, temveč iz združitve povečana gostota točkovnega oblaka (>20 točk/m² v podgozdu) + obdelava večkratnih odmevov + segmentacija z globokim učenjem (npr. Mask3D) + skupno modeliranje terena in rastlinja . Poleg tega je »algoritem za obrezovanje z ozaveščanjem robne linije kron«, ki ga je leta 2025 predlagala Kitajska akademija gozdarstva, znatno izboljšal celovitost ločevanja posameznih dreves v gostih gozdovih.

Praktične uporabe:

Pilotni programi v gozdovih severovzhodnega in jugozahodnega Kitajske so dokazali izboljšanje učinkovitosti za več kot desetkrat ​ v primerjavi s tradicionalnimi površinsko-plotnimi raziskavami, pri čemer napake izpolnjujejo zahteve za natančnost razreda III za nacionalni gozdni inventar (LY/T 1953–2021). Ta tehnologija premika gozdarstvo od »ocen na podlagi plotov« k »natančnemu preslikovanju in merjenju posameznih dreves«.