التجربة 01 · ReLeaf AI
رصد الأشجار
تحدّد نماذج Mask R-CNN وYOLOv8 ومحوّلات الرؤية DINOv2 تيجان الأشجار بشكل فردي في صور الأقمار الصناعية والطائرات المسيّرة، فيما تصنّف الشبكات العصبية الالتفافية (CNN) متعددة الأطياف الأنواعَ باستخدام التعلّم بالنقل.
الابتكار
ReLeaf AI مفهوم منصة ضمن مسار البحث والتطوير في نكست اوربيت، لعدّ الأشجار وقياسها وتتبّعها عبر مناطق بأكملها. وتجمع المنصة بين صور الأقمار الصناعية عالية الدقة ومسوحات الطائرات المسيّرة وأجهزة استشعار إنترنت الأشياء الميدانية، لتتمكّن برامج إعادة التشجير، والقطاعات كثيفة الكربون التي تموّلها، من إثبات ما زُرع بدقة، وما ينمو بنجاح، ومقدار ما يمتصه من CO₂. وقد اكتمل العرض التقديمي للمفهوم، ومن المخطط أن تبدأ المنصة بمشاريع تجريبية إقليمية.
إجابة سريعة
ReLeaf AI منصة لذكاء المناخ ضمن مسار البحث والتطوير في نكست اوربيت. واستخدامها الأول هو مراقبة الأشجار على مستوى الدولة: إذ يدمج الذكاء الاصطناعي صور الأقمار الصناعية ومسوحات الطائرات المسيّرة وبيانات أجهزة استشعار إنترنت الأشياء لرصد الأشجار بشكل فردي، وتصنيف أنواعها، ونمذجة نموها، وتقدير عزل CO₂، ثم تنشر المنصة لوحات معلومات وتقارير متوافقة مع IPCC لفرق الاستدامة والحكومات والجمهور. وهي حاليًا في مرحلة العرض التقديمي للمفهوم، مع مشاريع تجريبية إقليمية مخطط لها قبل أي طرح على مستوى الدولة.
كل مشروع تقوده البنية التقنية، وينفّذه فريق مبتكر مدعوم بالبحث والتطوير من مهندسين يضعون الأمن أولًا، ويخضع لمراقبة الجودة قبل كل إصدار، لعملائنا في الشارقة ودبي وأبوظبي وجميع أنحاء الإمارات ودول الخليج العربي وحول العالم.
ما الذي تحصل عليه
مراقبة الأشجار على مستوى الدولة تدمج بيانات الأقمار الصناعية والطائرات المسيّرة وإنترنت الأشياء مع الذكاء الاصطناعي لقياس عزل CO₂ وصحة الأشجار والتنوع البيولوجي شجرةً شجرة.
6 تجارب، جميعها قيد التشغيل في بيئة الإنتاج
التجربة 01 · ReLeaf AI
تحدّد نماذج Mask R-CNN وYOLOv8 ومحوّلات الرؤية DINOv2 تيجان الأشجار بشكل فردي في صور الأقمار الصناعية والطائرات المسيّرة، فيما تصنّف الشبكات العصبية الالتفافية (CNN) متعددة الأطياف الأنواعَ باستخدام التعلّم بالنقل.
التجربة 02 · ReLeaf AI
تُتابَع صحة كل شجرة ونموها وكتلتها الحيوية عبر منطقة أو دولة بأكملها، فيما تتعلّم نماذج LSTM والمحوّلات (transformers) أنماط النمو الموسمية.
التجربة 03 · ReLeaf AI
يُقدَّر العزل بالكيلوغرامات لكل شجرة وبالأطنان لكل منطقة، باستخدام مؤشرات الغطاء النباتي NDVI وEVI وPRI، ومؤشر مساحة الأوراق، وارتفاع الظُّلّة وحجمها المستخلصَين من LiDAR أو المسح التصويري.
التجربة 04 · ReLeaf AI
تُعرض لكل منطقة أعداد الأنواع ومؤشرات التنوع والخرائط الحرارية للصحة وتنبيهات الآفات والأمراض والأحداث الموسمية مثل الإزهار.
التجربة 05 · ReLeaf AI
خريطة مباشرة بطبقات لصحة الأشجار ومخزون الكربون حسب المنطقة وثراء الأنواع وقراءات أجهزة الاستشعار ورصد التغيّرات، مع صلاحيات وصول منفصلة للجمهور والفرق الداخلية وصنّاع السياسات.
التجربة 06 · ReLeaf AI
تقارير سنوية لعزل الكربون متوافقة مع إرشادات IPCC، وتقديرات لتعويض الكربون لأغراض الإفصاحات المناخية، ومؤشرات ESG، ومراقبة المناطق المحمية.
هل تحتاج إلى ReLeaf AI لمشروع لا يناسبه قالب جاهز؟ أخبرنا بالتحدي، وسيحوّله أحد مهندسينا الخبراء إلى بنية تقنية واضحة.
مكالمة استكشافيةالإعلان عن إعادة التشجير سهل، أما التحقق منها فصعب.
عادةً ما تحتفظ فرق مختلفة بصور الأقمار الصناعية ومسوحات الطائرات المسيّرة والفحوصات الميدانية بصيغ متباينة، فلا يتمكّن أحد من رؤية صحة كل شجرة أو نوعها أو مساهمتها في امتصاص الكربون. ومن دون هذه التفاصيل، تجد الحكومات والشركات صعوبة في إثبات ادعاءات ESG أو مكاسب التنوع البيولوجي.
وغالبًا ما تُجمع أرقام تعويض الكربون يدويًا، متأخرة بأشهر ومدعومة بأدلة قليلة، ونادرًا ما يطّلع الجمهور على أي منها.
صُمّم ReLeaf AI ليحلّ محل ذلك بمنصة واحدة تستقبل جميع مصادر البيانات، وتقيس كل شجرة على دورة منتظمة، وتنشر النتائج لمن يحتاجون إليها.
تغذّي المنصةَ أربعةُ أنواع من البيانات.
توفّر صور الأقمار الصناعية من PlanetScope وMaxar وSentinel-2 وLandsat-8 الصورة على المستوى الوطني. وتضيف مسوحات الطائرات المسيّرة عند الطلب، المزوّدة بكاميرات RGB ومتعددة الأطياف، تفاصيل دقيقة حيث تكون مهمة. وتُبلغ أجهزة الاستشعار البيئية العاملة بتقنية LoRaWAN عن رطوبة التربة والإضاءة ودرجة الحرارة والرطوبة الجوية، فيما تتصل أجهزة استشعار إنترنت الأشياء القائمة عبر واجهات برمجة التطبيقات (API). وتضيف الفرق الميدانية والمتطوعون في علم المواطنة صورًا موسومة من تطبيق جوال للتحقق على أرض الواقع.
تُحفظ الصور الخام في التخزين السحابي، والنتائج المنظّمة في قاعدة بيانات جغرافية مكانية.
يشغّل مسار معالجة قائم على الحاويات على خوادم GPU سحابية مراحلَ الاستيعاب والمعالجة المسبقة واستدلال النماذج والتجميع والتصوير المرئي. وتُدرَّب النماذج على بيانات مدمجة من الأقمار الصناعية والطائرات المسيّرة مع تحقق ميداني، وتُقدَّم كمهام دفعية ونقاط وصول فورية، وتُحدَّث عبر CI/CD مع سجل نماذج ذي إصدارات وتتبّع لمجموعات البيانات.
صُمّمت المنصة لتكون مفتوحة: واجهات REST API لرفع الصور والاستعلام عن الأشجار وتصدير البيانات، وتكامل مع منصات إنترنت الأشياء مثل AWS IoT وThingsBoard، وحزم SDK للوحات المعلومات الخارجية.
داخل المؤسسة، تخدم المنصة فرق الاستدامة والمشغّلين الميدانيين والمحللين.
وخارجها، يشمل المستخدمون الحكومات والمنظمات غير الحكومية والهيئات البيئية التي تدير برامج إعادة التشجير، وشركات التعدين والطاقة والبنية التحتية التي تحتاج إلى إثبات تعويضاتها الكربونية. ويوفّر مستوى عام للمدارس والجامعات والمواطنين والصحفيين بيانات أثر شفافة.
يتبع الطرح الانضباط الهندسي ذاته الذي تطبّقه نكست اوربيت على منصاتها العاملة: CI/CD للإصدارات التدريجية، ومشاريع تجريبية إقليمية قبل التوسع على مستوى الدولة، وموارد حوسبة ذاتية التوسع، وبيانات جغرافية مكانية مجزّأة لاستعلامات سريعة، ومسارات لإعادة التدريب لتتحسن الدقة بمرور الوقت.
وتضيف خارطة الطريق وسم الأنواع عبر المساهمة الجماعية، والمسح بالطائرات المسيّرة ذاتية التشغيل مع تخطيط المسارات بالذكاء الاصطناعي، ومراقبة صحة التربة، ووحدات للتنبؤ المناخي الإقليمي.
آلية عملنا
5 مراحل، لكل منها مُخرَج يمكنك مراجعته واعتماده قبل بدء المرحلة التالية.
مستوى الجاهزية 1 من 5 · فكرة
الاتفاق على المنطقة والأنواع المستهدفة ومعيار التقارير وأصحاب المصلحة الذين سيستخدمون النتائج.
مستوى الجاهزية 2 من 5 · مُثبتة
ربط تغذيات الأقمار الصناعية، وتخطيط مسوحات الطائرات المسيّرة، ونشر أجهزة استشعار إنترنت الأشياء أو ربطها، وإعداد تطبيق التحقق الميداني.
مستوى الجاهزية 3 من 5 · مُجرَّبة
تدريب نماذج رصد الأشجار وتصنيف الأنواع والنمو والتحقق منها باستخدام صور المنطقة نفسها وبياناتها الميدانية.
مستوى الجاهزية 4 من 5 · مُطبَّقة
تشغيل المنصة على نطاق محدود مع لوحات معلومات مباشرة وأول تقرير لعزل الكربون، ثم مراجعة الدقة.
مستوى الجاهزية 5 من 5 · قيد التشغيل
التوسع بموارد حوسبة ذاتية التوسع، وإتاحة لوحات المعلومات العامة، وإصدار تقارير سنوية متوافقة مع IPCC.
الأدوات والمعايير
نختار الأدوات بما يناسب المشروع، لا العكس. هذه هي الأدوات التي نعتمد عليها غالبًا؛ ويُحسم الاختيار النهائي خلال هندسة الحلول ويُشرح في عرضك المُعدّ خصيصًا.
أسئلة وأجوبة
ReLeaf AI منصة لمراقبة الأشجار وذكاء الكربون على مستوى الدولة، ضمن مسار البحث والتطوير في نكست اوربيت. وتدمج بيانات الأقمار الصناعية والطائرات المسيّرة وإنترنت الأشياء مع الذكاء الاصطناعي لرصد الأشجار بشكل فردي، وتصنيف أنواعها، وتتبّع صحتها ونموها، وتقدير عزل CO₂، مع لوحات معلومات وتقارير لفرق الاستدامة والحكومات والجمهور.
ليس بعد كخدمة تشغيلية. فـ ReLeaf AI في مرحلة العرض التقديمي للمفهوم: إذ جرى تحديد البنية ومصادر البيانات ومسار الذكاء الاصطناعي ولوحات المعلومات، ويبدأ الطرح بمشاريع تجريبية إقليمية. اتصل بنا إذا كنت ترغب في مناقشة أن تصبح شريكًا في المشروع التجريبي.
صور الأقمار الصناعية من PlanetScope وMaxar وSentinel-2 وLandsat-8؛ وصور الطائرات المسيّرة المزوّدة بأجهزة استشعار RGB ومتعددة الأطياف؛ وأجهزة الاستشعار البيئية بتقنية LoRaWAN أو أجهزة استشعار إنترنت الأشياء القائمة عبر واجهات API؛ والصور الموسومة من تطبيقات العمل الميداني وعلم المواطنة.
تُرصد الأشجار وتُقاس من الصور، ويُستخلص ارتفاع الظُّلّة وحجمها من LiDAR أو المسح التصويري، ويُنمذج النمو بمرور الوقت، ثم يُقدَّر العزل لكل شجرة ويُجمع لكل منطقة، مع تقارير سنوية متوافقة مع إرشادات IPCC.
شركات التعدين والطاقة والبنية التحتية التي تُثبت تعويضاتها الكربونية؛ والحكومات والمنظمات غير الحكومية والهيئات البيئية التي تدير برامج إعادة التشجير؛ والمدارس والجامعات والمواطنون والصحفيون الذين يريدون بيانات أثر شفافة.
نعم، فقد صُمّم لذلك. إذ يوفّر واجهات REST API لرفع الصور والاستعلام عن الأشجار وتصدير البيانات، ويتكامل مع منصات إنترنت الأشياء مثل AWS IoT وThingsBoard، ويقدّم حزم SDK للوحات المعلومات الخارجية. أعمال ذات صلة: برمجيات المناخ وESG.
اختر ما تحتاجه وسيردّ عليك الشخص المناسب في فريقنا.
رقمك المرجعي NO-000000-0000
سيردّ عليك أحد مهندسينا. اذكر الرقم المرجعي عند المتابعة.
ماذا يحدث بعد ذلك
شاركنا المشكلة والأنظمة المعنية وجدولك الزمني. سيتواصل معك مهندس، لا نص مبيعات جاهز.