Google DeepMind 与世界资源研究所用卫星数据和 AI 绘制全球森林类型图 ForTy

要点

Google DeepMind 与世界资源研究所开发了 ForTy，这是一款 AI 地图，可区分全球的原始林、木材种植园和树木作物农场。

卫星地图通常只显示某一区域是否有树木生长，而不区分森林或作物类型。ForTy 是 Forest Typology（森林类型学）的简称，它更进一步，以 10 米分辨率将 2020 年全球陆地区域划分为 6 类。这些类别涵盖原始林、自然再生林、人工林、种植园林、油棕、橡胶或可可等树木作物，以及其他土地。作者表示，ForTy 是首个此类全球地图。此前的数据集（包括欧盟委员会的一个数据集）仅覆盖世界部分地区。

欧盟毁林法规需要一个可靠的 2020 年基准点

该项目的主要推动力是欧盟《无毁林产品法规》（EUDR），该法规禁止与2020年12月31日之后被砍伐或退化的森林相关的商品，包括在原始林被转为种植园之后生产的商品。油棕和可可农场被算作农业用地，因此评估供应链风险的公司需要了解某地块在2020年的用途。

ForTy为它们提供了这一2020年基准点，还可为其他依赖同类数据的倡议提供支持，包括热带森林永续基金（TFFF）以及到2030年保护全球30%土地的联合国目标。

DeepMind 表示，建立这一参照点之所以困难，是因为森林的类型取决于它的历史，而不仅仅是它的外观。一片年代久远的人工混交林从太空看可能像天然林，而一片最近被砍伐的种植园按定义仍算作森林，尽管卫星图像显示的是裸露地面。

ForTy 使用三个模型阶段来细化其分类

为了区分这些类别，ForTy 运行在 Google DeepMind 的 AlphaEarth Foundations 模型上，该模型将来自多颗卫星的数据压缩为对每个像素的紧凑描述。多个图像识别模型在这些描述的基础上构建，首先是一个从经过核实的样本中学习的模型。

第一个模型的预测结果，结合关于树高、建筑物和森林丧失的外部数据，成为第二个模型的扩展训练数据。最后一步将数年的数据放在一起分析，以平滑异常值。谷歌的 Gemini 语言模型也帮助将旧训练数据调整为符合欧盟的定义。

在这些修正轮次中，专家们添加了约 43,000 个示例，以解决诸如欧洲的葡萄园被归类为树木作物、中美洲的天然松林被标记为人工林，以及非洲和印度尼西亚遗漏油棕等错误。

即使有了这些修正，有些区分仍然仅靠卫星无法做到。卫星图像很少显示土地是如何被管理的，因此研究人员使用 40 年的轮伐期来区分种植园和其他人工林，而这一界限并不适合每个地区。

ForTy 对种植园和树木作物的可靠性较低

为核查该地图，2 位专家复核了 8,190 个随机选取的地点，发现其中 90.2% 的情况下地图是正确的。作者警告说，这一总体得分在很大程度上得益于易于识别的“其他土地”类别。

结果因森林类型而差异显著。该地图正确识别了专家实地确认的 89% 的原始林，但只找到了约一半的树木作物和人工林，以及 60% 的种植园。换个角度看，被标为种植园或树木作物的区域中，大约四分之一到三分之一实际上属于误分类，而被标为人工林的区域中有三分之一是错误的。

这些缺口触及了对EUDR最为关键的边界，而评估中的不确定性也可能使结果看起来比实际略好。专家们最常对受管理区域感到不确定，团队将这些不确定案例排除在评估之外。

在相同的测试数据上，ForTy 仍然优于欧盟委员会专为 EUDR 制作的地图，在森林与非森林分类上得分为 95.5%，而后者为 93.6%；在森林类型上为 90.9%，而后者为 87.8%。

该模型还继承了其训练数据的一个弱点：其标注者很少将道路或定居点附近的森林归类为原始林，即使这些森林看起来未受干扰。

瑞典树木众多，但天然林很少

研究人员估计，全球约有41亿公顷森林，其中包括近39亿公顷天然林，其中约20亿公顷为原始林。人工林覆盖约2.5亿公顷，树木作物覆盖近2亿公顷，主要集中在亚洲。

区域性误差使这一图景变得复杂。该地图在亚洲高估了约2亿公顷原始林，主要位于俄罗斯的针叶林。而在非洲，它反而漏掉了约9400万公顷森林，原因可能是疏林干林和稀树草原。

瑞典约三分之二的森林面积为人工种植，天然林仅覆盖该国约五分之一。作者表示，那里的总体树木覆盖可能足够，但对生物多样性至关重要的天然林占比可能低得危险。刚果民主共和国、印度尼西亚和巴西的天然林占比最高。

ForTy 在荫蔽作物和疏林方面仍存在困难

除了这些区域性误差外，一些土地利用类型仍难以分类。在某些地区，该地图仍将生长在天然林冠下的荫蔽可可或咖啡标注为森林，选择性采伐或烧毁的森林也带来问题。

ForTy 目前还没有为疏林单独设立类别，而 EUDR 将其单独对待，不过研究人员表示未来版本应增加这一类别。用户可以利用数据集为每个类别提供的置信度分数自行做出分类选择，从而设定自己的阈值。

该地图、分类图层和测试数据以 CC BY 4.0 许可免费提供，包括在 Google Earth Engine 中。Google DeepMind 已在 GeeFlow 和 JEO 仓库中发布了代码。

DeepMind 于 2025 年 7 月推出了底层的 AlphaEarth Foundations 模型，作为一种虚拟卫星。它将光学卫星图像、雷达、激光扫描和气候模拟整合为对每个 10×10 米区域的紧凑描述，涵盖 2017 年以来各年份的年度嵌入向量可在 Google Earth Engine 中免费获取。

ForTy 是首批基于这些嵌入向量构建的大型测绘项目之一，谷歌表示，它属于 Earth AI 的一部分。这一关联将该计划置于更广泛的努力之中：谷歌于 2025 年秋季将 Earth AI 接入 Gemini，以帮助更快地检测洪水、干旱和藻华。