Maxim Neumann 与 Charlotte Stanton
阅读论文 分享
一份全新的10米分辨率地图展示了全球哪些森林是天然林、人工林或农用林，以及它们如何随时间变化
保护地球上的森林，首先要回答一个简单的问题：我们面对的是哪种类型的森林？从太空看，一片原始雨林、一片桉树种植园和一片油棕庄园可能看起来都是同样的一片绿色。但它们所储存的碳和所承载的生物多样性却大不相同。将它们区分开来，并了解每一片林地随时间发生了怎样的变化，能让我们看清哪些地方的保护正在见效，哪些地方的原生林正在被转变为种植园和农场。
今天，Google DeepMind 和 Google Research 携手世界资源研究所（WRI）和国际应用系统分析研究所（IIASA），共同发布 森林类型图（ForTy）2020，这是一份全球地图，将地球上每一块10×10米的土地划分为六种不同的森林与土地利用类型，是欧盟森林砍伐法规的一项重要基线。与此同时，我们还分享了一份早期时间序列，追踪这些森林在2017年至2025年间逐年的变化，包括原生林被种植园或农场取代的地点。用户首次能够在全球范围内以10米精度、逐年查看：不仅能看到森林在哪里消失，还能看到取而代之的是什么——是木材种植园、是树木作物农场，还是其他用地。
为什么仅有“树冠覆盖”还不够
所有森林都储存碳，而且森林总体上是世界上大多数陆生植物和动物物种的家园。但一片森林的生态价值还取决于它的历史：一片从未被砍伐过的原始林所储存的碳和所承载的生物多样性，远远超过一片每十年或二十年就被采伐一次的单树种木材种植园。
大多数全球地图只标明是否有树木存在。这对那些试图保护原生林的人来说是个难题。例如，欧盟的《无毁林产品法规》（EUDR）要求咖啡、可可或棕榈油等产品不得来自2020年时为森林、此后被转为农业用地的土地。同样，家具等木制品也必须不涉及森林退化：它们不能来自此后被转为种植园或人工林的原始林，也不能来自此后被转为种植园林的天然更新林。因此，企业和监管机构不仅需要知道树木在哪里，还需要知道它们构成的是哪种森林（原始林还是再生林，人工林还是种植园，森林还是农场），以及采伐之后是什么取代了那片森林。
去年，我们联合发布了 《2020年全球天然林》，这是一份10米分辨率的全球地图，将天然林与所有其他树冠覆盖区分开来。它为帮助企业和监管机构实施欧盟《无毁林法规》提供了一个起点，也支持大宗商品生产商履行其不转换天然林的承诺。那份地图为每一块土地回答了一个问题：它在2020年时是否为天然林？ForTy 则更进一步，展示了那里是哪种森林——从原始林到木材种植园再到树木作物，并且借助新的时间序列，展示了它逐年如何变化。
ForTy 如何对全球森林进行分类
具体而言，ForTy 依据联合国粮食及农业组织（FAO）的定义，将土地分为六类：
- 原始林：没有明显人类干扰迹象的原生森林。
- 天然更新林：自行生长恢复的森林，例如在采伐或火灾之后。
- 人工林：由人工种植或播种、并按长周期经营的森林。
- 种植园林：生长迅速、集约经营的林场，通常为单一树种。
- 树木作物与农林业：种植木材以外产品的农场，如油棕、橡胶、可可或水果。
- 其他土地：其余所有土地，从草地、农田到城市和水域。
2020年森林类型地图。每种颜色显示每平方公里内最常见的森林或土地类型。可在我们的 Earth Engine 应用中.
以10米细节探索。训练我们的 ForTy 模型颇具挑战，因为这些类别在一定程度上取决于土地的用途，而不仅仅是外观。为了让模型学会区分，我们构建了一个大规模的森林类型样本集，其中约170万个标注地点来自专家调查、国家和区域数据集，以及对模型表现不佳地点的针对性复核。该模型采用专为遥感数据挑战设计的定制架构，并以 AlphaEarth Foundations 嵌入作为关键输入——这是对每个10米像素多年卫星观测的数据紧凑摘要，因此模型能够识别种植模式、生长周期和收获节律等细微线索。
从上方看，五种森林和树木作物类别可能看起来很相似。ForTy 能够识别出将它们区分开来的结构和季节性模式上的细微差异，并在全球地图数据库中准确地对它们进行分类。图像 © Google Earth、Maxar Technologies、Airbus。
对地图进行检验
地图只有在人们能够信任它时才有用。因此，我们与 IIASA 和 WRI 合作，用全球 9,000 多个随机选取的地点对 ForTy 进行了验证。在每个地点，两名训练有素的专家研究了高分辨率影像和多年卫星记录，以确定那里实际是哪种土地类型。ForTy 有 90% 的情况下选对了森林类型，有 95% 的情况下将森林与非森林土地区分开来，表现优于其他全球森林地图。
除了准确性之外，我们还知道全球保护并非一刀切。ForTy 不为特定地块给出是或否的标签，而是为每个类别提供概率分数，使用户能够根据区域背景和应用特定的精度权衡来调整分类。例如，一家根据 EUDR 评估森林砍伐风险的公司可能会设置严格的阈值，只接受模型高度确定的像素，以避免监管风险。与此同时，一位估算森林总范围的研究人员可能会使用完整的概率谱，以更全面地了解潜在景观。
从单一时间快照到变化的故事
单一年份的地图是有用的基线，但森林会变化。我们的 新的早期发布时间序列 对2017年至2025年的每一年都采用类似的方法。它不仅显示森林在哪里消失、在哪里重新生长，还显示发生了何种变化：例如，天然林变成了木材种植园，或者弃耕土地慢慢再生为森林。
这种区分很重要，因为一些最重要的变化很难从太空看到。当天然林被采伐并重新种植为种植园时，土地很快又看起来绿意盎然，因此标准的树冠覆盖地图可能无法捕捉到这种变化。ForTy的时间序列让这些隐藏的变化变得可见，无论是损失还是增加。
下一步
《森林类型2020》地图[发表于《Scientific Data》]和新的时间序列现已在Google Earth Engine上以开放许可免费提供。我们希望政府、企业、保护组织和科学家利用它们来帮助建立无森林砍伐的供应链，将森林资金引导到需要的地方，并保护最重要的天然林。在接下来的几个月里，我们将与合作伙伴和用户一起不断改进时间序列，我们也很想了解您如何使用它。ForTy是我们 组合 中 AI for Nature研究的一部分，该研究包括绘制森林丧失的驱动因素、预测森林砍伐风险、建模全球物种分布，以及在实地监测生物多样性。ForTy也是 Google Earth AI的最新成员，这是Google的地理空间模型和数据集集合，旨在帮助应对地球上最关键的环境挑战。
探索《森林类型2020》地图 探索时间序列 下载数据 在 Earth Engine 中使用致谢
本工作由 Google DeepMind 和 Google Research 联合世界资源研究所（World Resources Institute）与国际应用系统分析研究所（International Institute for Applied Systems Analysis）共同开发。我们感谢共同作者 Anton Raichuk、Peter Potapov、Myroslava Lesiv、Matthew Overlan、Mélanie Rey、Ravindran Rajakumar、Michelangelo Conserva、Radost Stanimirova、Michelle Sims、Sarah Carter、Elizabeth Goldman、Yuchang Jiang、Linus Scheibenreif、Ivelina Georgieva、Maria Shchepashchenko、Steffen Fritz、Nicholas Clinton、Dan Morris 和 Drew Purves，以及帮助改进该地图的受信任测试人员。