تصفح الكمية:0 الكاتب:محرر الموقع نشر الوقت: 2026-05-26 المنشأ:محرر الموقع
تتيح تقنية LiDAR الجديدة إمكانية النمذجة ثلاثية الأبعاد "على مستوى الشجرة الواحدة"، وهي قادرة على اختراق مظلات الغابات وإجراء تجزئة تلقائية للأشجار الفردية (دقة > 95%) مع استخراج ارتفاع الشجرة وDBH والحجم بدقة عالية، مما يعزز بشكل كبير كفاءة مخزون الغابات. ومع ذلك، فإن هذا التقدم هو نتيجة للتطور التآزري عبر المنصات المتعددة (المحمولة جواً/حقيبة الظهر/المحمولة باليد) وخوارزميات الذكاء الاصطناعي، وليس اختراقًا تكنولوجيًا معزولًا تم الكشف عنه فقط في مايو 2026.
القدرة على الاختراق وتجزئة الشجرة الفردية:
أنظمة الحالية LiDAR متعددة الصدى (مثل DJI Zenmuse L3 وCHCNAV RS30)، جنبًا إلى جنب مع خوارزميات تصنيف السحابة النقطية (استنادًا إلى عدد الصدى والكثافة والتجمع المكاني)، تميز بشكل فعال بين المظلة والجذع والنقاط الأرضية. حققت نماذج تجزئة المثيلات المستندة إلى الذكاء الاصطناعي (مثل PointNet++ أو 3D CNNs أو أحدث بنيات Transformer) درجة F1 أعلى من 0.95 (المقابلة للدقة > 95%) للتعرف على الأشجار الفردية في حوامل المظلة المغلقة في الأبحاث من 2025 إلى 2026.
استخراج المعلمة التلقائي:
يتم اشتقاق ارتفاع الشجرة (الخطأ <5٪) والقطر عند ارتفاع الصدر (DBH، الخطأ ±3–5٪) من خلال التركيب الأسطواني لسحب نقطة الجذع أو طرق المربعات الصغرى . يتم تقدير الحجم باستخدام معادلات القياس (على سبيل المثال، DBH² × الارتفاع) المدمجة مع مكتبات الأنواع، مما يحقق أخطاء إقليمية إجمالية قدرها <3% (كما تم التحقق منها بواسطة برنامج ForestPoint الخاص بـ CHCNAV).
تطور المنصات التقنية:
لقد انتقلت الصناعة إلى ما هو أبعد من تقنية LiDAR الأرضية الثابتة لدمج تقنية LiDAR المحمولة على متن الطائرات بدون طيار (للتغطية واسعة النطاق)، وتقنية LiDAR المحمولة على الظهر/المحمولة (لتكملة التفاصيل الأساسية)، وتحديد المواقع في الوقت الفعلي لـ SLAM ، مما يتيح الحصول على السحابة النقطية 'جو-أرض' تعاونية. في أوائل عام 2026، قامت فرق من جامعة Northeast Forestry وGreenValley International بالتحقق من القدرة الهندسية لهذا النظام عند مستويات دقة الشجرة الواحدة (أقل من 10 سم خطأ في تحديد الموقع).
الإنجازات الرئيسية:
لا ينبع التقدم من 'اختراق مادي جديد'، بل من تقارب كثافة السحابة النقطية المتزايدة (> 20 نقطة/م² في الطبقة السفلية) + معالجة الصدى المتعدد + تجزئة التعلم العميق (على سبيل المثال، Mask3D) + نمذجة التضاريس والنباتات المشتركة . بالإضافة إلى ذلك، أدت 'خوارزمية القطع المدركة لحافة المظلة' التي اقترحتها الأكاديمية الصينية للغابات في عام 2025 إلى تحسين سلامة فصل الأشجار الفردية في المدرجات الكثيفة بشكل كبير.
التطبيقات العملية:
أظهرت البرامج التجريبية في غابات شمال شرق وجنوب غرب الصين مكاسب في الكفاءة تزيد عن 10 أضعاف مقارنة بمسوحات قطع الأراضي التقليدية، مع وجود أخطاء تلبي متطلبات الدقة من الدرجة الثالثة للجرد الوطني للغابات (LY/T 1953–2021). تعمل هذه التقنية على تحويل الغابات من 'التقدير المستند إلى قطعة الأرض' إلى 'المسح الدقيق ورسم الخرائط لكل شجرة.'
