كيف استخدم الباحثون الذكاء الاصطناعي وصور الأقمار الصناعية لرسم أول خريطة وطنية لطاقة الرياح والشمس في الصين
حلّل الباحثون 7.56 تيرابايت من صور الأقمار الصناعية بدقة 0.5 متر باستخدام الذكاء الاصطناعي، وحددوا نحو 319 ألف منشأة طاقة شمسية و91.6 ألف توربين رياح في 1915 مقاطعة بالصين. يعتمد المشروع على رؤية حاسوبية تحلل الصور مباشرة لرصد البنية التحتية للطاقة المتجددة بدل الاعتماد فقط على التقارير الإدارية أو التقديرات.
نشر بواسطةتم التحرير باستخدام GPT-5.5تم إنشاء الصور باستخدام GPT Image 2
حلّل الباحثون 7.56 تيرابايت من صور الأقمار الصناعية بدقة 0.5 متر باستخدام الذكاء الاصطناعي، وحددوا نحو 319 ألف منشأة طاقة شمسية و91.6 ألف توربين رياح في 1915 مقاطعة بالصين.
يعتمد المشروع على رؤية حاسوبية تحلل الصور مباشرة لرصد البنية التحتية للطاقة المتجددة بدل الاعتماد فقط على التقارير الإدارية أو التقديرات.
توفر الخريطة الوطنية رؤية شاملة تساعد في تخطيط الشبكات الكهربائية وتقليل هدر الطاقة المتجددة ودعم الطلب المتزايد من مراكز البيانات والذكاء الاصطناعي.
How have researchers from Peking University and Alibaba’s Damo Academy used AI and satellite imagery to create a nationwide inventory of ChiAI models analyzing high‑resolution satellite imagery can identify solar farms and wind turbines across large geographic areas, enabling nationwide renewable‑energy mapping.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: How have researchers from Peking University and Alibaba’s Damo Academy used AI and satellite imagery to create a nationwide inventory of Chi. Article summary: They used Alibaba DAMO Academy’s in-house AI models on a cloud platform to process 7.56 TB of open satellite imagery at 0.5-metre resolution covering all of China, producing what Chinese media described as the country’s . Topic tags: general, government, academic, general web. Reference image context from search candidates: Reference image 1: visual subject "# Advancing solar and wind penetration in China through energy complementarity. The intrinsic variability of solar and wind energy, compounded by their rapid expansion, has intensi" source context "Advancing solar and wind penetration in China through energy complementarity | Nature" Reference image 2: visu
openai.com
تشهد الصين توسعًا هائلًا في مشاريع الطاقة المتجددة، لكن تتبّع مواقع الألواح الشمسية وتوربينات الرياح عبر مساحة دولة شاسعة ليس مهمة سهلة. لهذا السبب تعاون باحثون من جامعة بكين مع أكاديمية دامو (DAMO Academy) التابعة لشركة علي بابا لاستخدام الذكاء الاصطناعي وصور الأقمار الصناعية لإنشاء أول خريطة وطنية عالية الدقة لمنشآت الطاقة الشمسية وطاقة الرياح في البلاد.
اعتمد الفريق على تحليل 7.56 تيرابايت من صور الأقمار الصناعية المفتوحة بدقة 0.5 متر، ما مكّنهم من تحديد حوالي 319 ألف منشأة للطاقة الشمسية الكهروضوئية و91,600 توربين رياح موزعة عبر 1915 مقاطعة في الصين. وقد وفّر ذلك قاعدة بيانات مكانية غير مسبوقة للبنية التحتية للطاقة المتجددة.
نُشرت نتائج المشروع في مجلة Nature في مايو 2026، ووصف أحد قادة الدراسة هذه البيانات بأنها تمنح الباحثين لمشهد الطاقة المتجددة في الصين—شيء لم يكن ممكنًا سابقًا بسبب تشتت البيانات الرسمية بين جهات مختلفة.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "كيف استخدم الباحثون الذكاء الاصطناعي وصور الأقمار الصناعية لرسم أول خريطة وطنية لطاقة الرياح والشمس في الصين"؟
حلّل الباحثون 7.56 تيرابايت من صور الأقمار الصناعية بدقة 0.5 متر باستخدام الذكاء الاصطناعي، وحددوا نحو 319 ألف منشأة طاقة شمسية و91.6 ألف توربين رياح في 1915 مقاطعة بالصين.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
حلّل الباحثون 7.56 تيرابايت من صور الأقمار الصناعية بدقة 0.5 متر باستخدام الذكاء الاصطناعي، وحددوا نحو 319 ألف منشأة طاقة شمسية و91.6 ألف توربين رياح في 1915 مقاطعة بالصين. يعتمد المشروع على رؤية حاسوبية تحلل الصور مباشرة لرصد البنية التحتية للطاقة المتجددة بدل الاعتماد فقط على التقارير الإدارية أو التقديرات.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
توفر الخريطة الوطنية رؤية شاملة تساعد في تخطيط الشبكات الكهربائية وتقليل هدر الطاقة المتجددة ودعم الطلب المتزايد من مراكز البيانات والذكاء الاصطناعي.
كيف استخدم الباحثون الذكاء الاصطناعي وصور الأقمار الصناعية لرسم أول خريطة وطنية لطاقة الرياح والشمس في الصين
حلّل الباحثون 7.56 تيرابايت من صور الأقمار الصناعية بدقة 0.5 متر باستخدام الذكاء الاصطناعي، وحددوا نحو 319 ألف منشأة طاقة شمسية و91.6 ألف توربين رياح في 1915 مقاطعة بالصين. يعتمد المشروع على رؤية حاسوبية تحلل الصور مباشرة لرصد البنية التحتية للطاقة المتجددة بدل الاعتماد فقط على التقارير الإدارية أو التقديرات.
نشر بواسطةتم التحرير باستخدام GPT-5.5تم إنشاء الصور باستخدام GPT Image 2
حلّل الباحثون 7.56 تيرابايت من صور الأقمار الصناعية بدقة 0.5 متر باستخدام الذكاء الاصطناعي، وحددوا نحو 319 ألف منشأة طاقة شمسية و91.6 ألف توربين رياح في 1915 مقاطعة بالصين.
يعتمد المشروع على رؤية حاسوبية تحلل الصور مباشرة لرصد البنية التحتية للطاقة المتجددة بدل الاعتماد فقط على التقارير الإدارية أو التقديرات.
توفر الخريطة الوطنية رؤية شاملة تساعد في تخطيط الشبكات الكهربائية وتقليل هدر الطاقة المتجددة ودعم الطلب المتزايد من مراكز البيانات والذكاء الاصطناعي.
How have researchers from Peking University and Alibaba’s Damo Academy used AI and satellite imagery to create a nationwide inventory of ChiAI models analyzing high‑resolution satellite imagery can identify solar farms and wind turbines across large geographic areas, enabling nationwide renewable‑energy mapping.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: How have researchers from Peking University and Alibaba’s Damo Academy used AI and satellite imagery to create a nationwide inventory of Chi. Article summary: They used Alibaba DAMO Academy’s in-house AI models on a cloud platform to process 7.56 TB of open satellite imagery at 0.5-metre resolution covering all of China, producing what Chinese media described as the country’s . Topic tags: general, government, academic, general web. Reference image context from search candidates: Reference image 1: visual subject "# Advancing solar and wind penetration in China through energy complementarity. The intrinsic variability of solar and wind energy, compounded by their rapid expansion, has intensi" source context "Advancing solar and wind penetration in China through energy complementarity | Nature" Reference image 2: visu
openai.com
تشهد الصين توسعًا هائلًا في مشاريع الطاقة المتجددة، لكن تتبّع مواقع الألواح الشمسية وتوربينات الرياح عبر مساحة دولة شاسعة ليس مهمة سهلة. لهذا السبب تعاون باحثون من جامعة بكين مع أكاديمية دامو (DAMO Academy) التابعة لشركة علي بابا لاستخدام الذكاء الاصطناعي وصور الأقمار الصناعية لإنشاء أول خريطة وطنية عالية الدقة لمنشآت الطاقة الشمسية وطاقة الرياح في البلاد.
اعتمد الفريق على تحليل 7.56 تيرابايت من صور الأقمار الصناعية المفتوحة بدقة 0.5 متر، ما مكّنهم من تحديد حوالي 319 ألف منشأة للطاقة الشمسية الكهروضوئية و91,600 توربين رياح موزعة عبر 1915 مقاطعة في الصين. وقد وفّر ذلك قاعدة بيانات مكانية غير مسبوقة للبنية التحتية للطاقة المتجددة.
نُشرت نتائج المشروع في مجلة Nature في مايو 2026، ووصف أحد قادة الدراسة هذه البيانات بأنها تمنح الباحثين لمشهد الطاقة المتجددة في الصين—شيء لم يكن ممكنًا سابقًا بسبب تشتت البيانات الرسمية بين جهات مختلفة.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "كيف استخدم الباحثون الذكاء الاصطناعي وصور الأقمار الصناعية لرسم أول خريطة وطنية لطاقة الرياح والشمس في الصين"؟
حلّل الباحثون 7.56 تيرابايت من صور الأقمار الصناعية بدقة 0.5 متر باستخدام الذكاء الاصطناعي، وحددوا نحو 319 ألف منشأة طاقة شمسية و91.6 ألف توربين رياح في 1915 مقاطعة بالصين.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
حلّل الباحثون 7.56 تيرابايت من صور الأقمار الصناعية بدقة 0.5 متر باستخدام الذكاء الاصطناعي، وحددوا نحو 319 ألف منشأة طاقة شمسية و91.6 ألف توربين رياح في 1915 مقاطعة بالصين. يعتمد المشروع على رؤية حاسوبية تحلل الصور مباشرة لرصد البنية التحتية للطاقة المتجددة بدل الاعتماد فقط على التقارير الإدارية أو التقديرات.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
توفر الخريطة الوطنية رؤية شاملة تساعد في تخطيط الشبكات الكهربائية وتقليل هدر الطاقة المتجددة ودعم الطلب المتزايد من مراكز البيانات والذكاء الاصطناعي.
استخدم الفريق تقنيات الرؤية الحاسوبية المدعومة بالذكاء الاصطناعي لتحليل كم هائل من صور الأقمار الصناعية التي تغطي كامل الأراضي الصينية. وقد شغّلت أكاديمية دامو نماذجها الخاصة على بنية سحابية قادرة على معالجة البيانات الضخمة واكتشاف الأنماط البصرية المميزة للألواح الشمسية وتوربينات الرياح داخل الصور.
تختلف هذه الطريقة عن الإحصاءات التقليدية لقطاع الطاقة، التي غالبًا تعتمد على تقارير السلطات المحلية أو تقديرات القدرة المركبة. في المقابل، يقوم النظام هنا باكتشاف المنشآت مباشرة من الصور الفضائية وإنتاج نقاط جغرافية دقيقة لكل منشأة.
وكان التحدي التقني الأكبر هو تنوع تضاريس الصين—من الصحارى الواسعة إلى المدن الكثيفة—ما يعني أن منشآت الطاقة قد تظهر بأشكال مختلفة في الصور. لذلك كان على النماذج التعرف على هذه المنشآت في ظروف إضاءة وخلفيات بيئية متعددة.
ماذا تكشف الخريطة الوطنية للطاقة المتجددة؟
تقدم قاعدة البيانات الجديدة صورة مكانية دقيقة لتوزيع الطاقة المتجددة في الصين. ووفق النتائج التي أعلنها الباحثون، تمكن النظام من رصد:
نحو 319,000 منشأة للطاقة الشمسية
حوالي 91,600 توربين رياح
انتشار هذه المنشآت عبر 1915 مقاطعة في أنحاء البلاد
وبما أن كل منشأة مرتبطة بإحداثيات جغرافية محددة، يمكن للباحثين تحليل أنماط توزيع الطاقة المتجددة على مستوى المناطق المختلفة. هذا النوع من البيانات التفصيلية كان نادرًا في الدراسات السابقة، التي غالبًا اعتمدت على صور أقل دقة أو بيانات غير مكتملة.
لماذا تهم هذه "الرؤية الشاملة" لتخطيط الشبكة الكهربائية؟
طاقة الرياح والطاقة الشمسية مصادر متقطعة بطبيعتها—إنتاجها يعتمد على الطقس والوقت من اليوم. وهذا قد يؤدي إلى ظاهرة تُعرف في قطاع الطاقة باسم "هدر الطاقة المتجددة" عندما لا تستطيع الشبكة استخدام الكهرباء المنتَجة أو نقلها.
وجود خريطة وطنية دقيقة يسمح للباحثين بدراسة تكامل طاقة الرياح والشمس. فقد أظهرت التحليلات أن المصدرين يكملان بعضهما في كثير من الأحيان: فالألواح الشمسية تنتج طاقة أكبر خلال النهار، بينما يمكن أن تكون الرياح أقوى في الليل.
هذا الفهم يساعد مخططي الطاقة على التفكير في حلول مثل:
تنسيق إنتاج الطاقة المتجددة بين المقاطعات
توسيع خطوط نقل الكهرباء بين المناطق
إضافة أنظمة تخزين الطاقة في المواقع التي يتقلب فيها الإنتاج
وتشير تقديرات الباحثين إلى أن التنسيق الإقليمي الأوسع يمكن أن يزيد بشكل كبير قدرة الشبكة على استيعاب الكهرباء المتجددة.
العلاقة مع طفرة مراكز البيانات والذكاء الاصطناعي
لا يقتصر تأثير هذه الخريطة على تخطيط الشبكات الكهربائية فقط. فالصين تشهد أيضًا نموًا سريعًا في مراكز البيانات والبنية التحتية للحوسبة والذكاء الاصطناعي، وهو ما يزيد الطلب على الكهرباء بشكل ملحوظ.
ولمواجهة هذا الطلب مع الحفاظ على أهداف خفض الانبعاثات، بدأت الصين في ربط مصادر الطاقة المتجددة مباشرة بالبنية التحتية الرقمية. ومن الأمثلة على ذلك مشروع في منطقة نينغشيا يزوّد مراكز البيانات بالكهرباء مباشرة من محطة طاقة شمسية كبيرة.
في هذا السياق، يمكن لخريطة وطنية دقيقة للطاقة المتجددة أن تساعد صانعي السياسات على تحديد:
المواقع الأنسب لبناء مراكز بيانات جديدة قرب مصادر الطاقة النظيفة
الأماكن التي تحتاج إلى خطوط نقل أو تخزين إضافية
كيفية توزيع الطاقة المتجددة لدعم أحمال الحوسبة الكبيرة
بمعنى آخر، لا يقتصر دور هذه الخريطة على توثيق البنية التحتية الحالية، بل توفر أساسًا بياناتيًا لإدارة المرحلة القادمة من تحول الطاقة في الصين.
طريقة جديدة لمراقبة الطاقة المتجددة
مع استمرار توسع الطاقة المتجددة حول العالم، يصبح تتبع مواقعها بدقة أمرًا أكثر أهمية. الجمع بين صور الأقمار الصناعية والذكاء الاصطناعي يوفر طريقة قابلة للتوسع لمراقبة البنية التحتية عبر مساحات شاسعة وتحديث البيانات مع بناء مشاريع جديدة.
وبالنسبة للصين—التي تمتلك أكبر نظام للطاقة المتجددة في العالم—فإن هذه الخريطة الوطنية توفر ما كان ينقص الباحثين وصناع القرار منذ فترة طويلة: صورة دقيقة وقابلة للتحديث باستمرار لمواقع الطاقة الشمسية والرياح على أرض الواقع.
استخدم الفريق تقنيات الرؤية الحاسوبية المدعومة بالذكاء الاصطناعي لتحليل كم هائل من صور الأقمار الصناعية التي تغطي كامل الأراضي الصينية. وقد شغّلت أكاديمية دامو نماذجها الخاصة على بنية سحابية قادرة على معالجة البيانات الضخمة واكتشاف الأنماط البصرية المميزة للألواح الشمسية وتوربينات الرياح داخل الصور.
تختلف هذه الطريقة عن الإحصاءات التقليدية لقطاع الطاقة، التي غالبًا تعتمد على تقارير السلطات المحلية أو تقديرات القدرة المركبة. في المقابل، يقوم النظام هنا باكتشاف المنشآت مباشرة من الصور الفضائية وإنتاج نقاط جغرافية دقيقة لكل منشأة.
وكان التحدي التقني الأكبر هو تنوع تضاريس الصين—من الصحارى الواسعة إلى المدن الكثيفة—ما يعني أن منشآت الطاقة قد تظهر بأشكال مختلفة في الصور. لذلك كان على النماذج التعرف على هذه المنشآت في ظروف إضاءة وخلفيات بيئية متعددة.
ماذا تكشف الخريطة الوطنية للطاقة المتجددة؟
تقدم قاعدة البيانات الجديدة صورة مكانية دقيقة لتوزيع الطاقة المتجددة في الصين. ووفق النتائج التي أعلنها الباحثون، تمكن النظام من رصد:
نحو 319,000 منشأة للطاقة الشمسية
حوالي 91,600 توربين رياح
انتشار هذه المنشآت عبر 1915 مقاطعة في أنحاء البلاد
وبما أن كل منشأة مرتبطة بإحداثيات جغرافية محددة، يمكن للباحثين تحليل أنماط توزيع الطاقة المتجددة على مستوى المناطق المختلفة. هذا النوع من البيانات التفصيلية كان نادرًا في الدراسات السابقة، التي غالبًا اعتمدت على صور أقل دقة أو بيانات غير مكتملة.
لماذا تهم هذه "الرؤية الشاملة" لتخطيط الشبكة الكهربائية؟
طاقة الرياح والطاقة الشمسية مصادر متقطعة بطبيعتها—إنتاجها يعتمد على الطقس والوقت من اليوم. وهذا قد يؤدي إلى ظاهرة تُعرف في قطاع الطاقة باسم "هدر الطاقة المتجددة" عندما لا تستطيع الشبكة استخدام الكهرباء المنتَجة أو نقلها.
وجود خريطة وطنية دقيقة يسمح للباحثين بدراسة تكامل طاقة الرياح والشمس. فقد أظهرت التحليلات أن المصدرين يكملان بعضهما في كثير من الأحيان: فالألواح الشمسية تنتج طاقة أكبر خلال النهار، بينما يمكن أن تكون الرياح أقوى في الليل.
هذا الفهم يساعد مخططي الطاقة على التفكير في حلول مثل:
تنسيق إنتاج الطاقة المتجددة بين المقاطعات
توسيع خطوط نقل الكهرباء بين المناطق
إضافة أنظمة تخزين الطاقة في المواقع التي يتقلب فيها الإنتاج
وتشير تقديرات الباحثين إلى أن التنسيق الإقليمي الأوسع يمكن أن يزيد بشكل كبير قدرة الشبكة على استيعاب الكهرباء المتجددة.
العلاقة مع طفرة مراكز البيانات والذكاء الاصطناعي
لا يقتصر تأثير هذه الخريطة على تخطيط الشبكات الكهربائية فقط. فالصين تشهد أيضًا نموًا سريعًا في مراكز البيانات والبنية التحتية للحوسبة والذكاء الاصطناعي، وهو ما يزيد الطلب على الكهرباء بشكل ملحوظ.
ولمواجهة هذا الطلب مع الحفاظ على أهداف خفض الانبعاثات، بدأت الصين في ربط مصادر الطاقة المتجددة مباشرة بالبنية التحتية الرقمية. ومن الأمثلة على ذلك مشروع في منطقة نينغشيا يزوّد مراكز البيانات بالكهرباء مباشرة من محطة طاقة شمسية كبيرة.
في هذا السياق، يمكن لخريطة وطنية دقيقة للطاقة المتجددة أن تساعد صانعي السياسات على تحديد:
المواقع الأنسب لبناء مراكز بيانات جديدة قرب مصادر الطاقة النظيفة
الأماكن التي تحتاج إلى خطوط نقل أو تخزين إضافية
كيفية توزيع الطاقة المتجددة لدعم أحمال الحوسبة الكبيرة
بمعنى آخر، لا يقتصر دور هذه الخريطة على توثيق البنية التحتية الحالية، بل توفر أساسًا بياناتيًا لإدارة المرحلة القادمة من تحول الطاقة في الصين.
طريقة جديدة لمراقبة الطاقة المتجددة
مع استمرار توسع الطاقة المتجددة حول العالم، يصبح تتبع مواقعها بدقة أمرًا أكثر أهمية. الجمع بين صور الأقمار الصناعية والذكاء الاصطناعي يوفر طريقة قابلة للتوسع لمراقبة البنية التحتية عبر مساحات شاسعة وتحديث البيانات مع بناء مشاريع جديدة.
وبالنسبة للصين—التي تمتلك أكبر نظام للطاقة المتجددة في العالم—فإن هذه الخريطة الوطنية توفر ما كان ينقص الباحثين وصناع القرار منذ فترة طويلة: صورة دقيقة وقابلة للتحديث باستمرار لمواقع الطاقة الشمسية والرياح على أرض الواقع.
finance.sina.com.cnAI首次实现我国风光发电普查北大、阿里达摩院研究登上《自然》
pmc.ncbi.nlm.nih.govA 10-m national-scale map of ground-mounted photovoltaic power ...
arxiv.orgA Temporal Dataset of Solar and Wind Energy Derived from Satellite ...
rmi.orgPowering the Data-Center Boom with Low-Carbon Solutions