Der auf Laser basierende LiDAR (Light Detection and Ranging) ist in der Lage, die dreidimensionale Struktur des gemessenen Objekts präzise wiederzugeben und zählt zu einer der revolutionärsten Technologien auf dem Gebiet der Fernerkundung. In den letzten Jahrzehnten hat die LiDAR-Technologie eine rasante Entwicklung durchgemacht und maßgeblich zu Forschungen in den Bereichen Ökologie und Geologie beigetragen. Dieser Artikel gibt einen Überblick über die neuesten Entwicklungen in der Hardware und den Algorithmen von LiDAR und deren Anwendung in den Bereichen Ökologie und Geologie. Zum einen zeigt die LiDAR-Hardware eine Vielfalt und Präzision in ständiger Entwicklung, insbesondere in den letzten Jahren, in denen die Reife der autonom fahrenden Technologie die Arten von LiDAR-Plattformen im Nahbereich maßgeblich bereichert hat; zum anderen haben Entwicklungen in der künstlichen Intelligenz wie Deep Learning, simultane Positionsbestimmung und Kartierung (SLAM), große Modelle und andere Technologien maßgeblich zur Weiterentwicklung der LiDAR-Algorithmen beigetragen, was einen kontinuierlichen Fortschritt bei der Registrierung von Punktewolken, ihrer Segmentierung und Klassifizierung sowie ihrer Fusion mit Daten aus mehreren Quellen ermöglicht; schließlich werden in diesem Artikel die Anwendungen von LiDAR in den Bereichen terrestrische geografische Kartierung, Ozeanographie, Überwachung geologischer Katastrophen, Messung der Struktur von Wäldern, Netzwerke der Stammstruktur von Bäumen, 3D-Strahlungsübertragung und Szenenrekonstruktion, Simulation des Mikroklimas von Wäldern, Smart Farming, Biodiversität, Städten und Gebäuden sowie die Messung von Planeten in 11 Zweigen der Ökologie und Geologie detailliert beschrieben. In Zukunft wird diese Technologie mit der kontinuierlichen Entwicklung von Hardware, Algorithmen und umfangreichen LiDAR-Daten die Forschung in den Bereichen Ökologie und Geologie weiter vorantreiben und voraussichtlich in vielen weiteren Bereichen eine wichtige Rolle spielen.

LiDAR; Drohnen; SLAM; Deep Learning; große Modelle; Wälder; Ozeane; Planetenmessung