Google DeepMind 发布 ForTy 2020 全球森林类型地图
Beyond tree cover: mapping the world’s forest types
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology(ForTy)2020,把全球每一块 10×10 米土地划分为六类森林与土地利用类型,作为欧盟森林砍伐法规的关键基线。
ForTy 把森林类型细分到 10 米分辨率并给出逐年变化,读者可据此理解 EUDR 合规核查的数据基础。
2026年10月22日 研究
Maxim Neumann 和 Charlotte Stanton
一张新的10米分辨率地图展示了全球哪些森林是天然林、人工种植林或农用林,以及它们如何随时间变化
保护地球上的森林始于一个简单的问题: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是同一片绿色。但它们所储存的碳和生物多样性却大不相同。区分它们,并了解每一片区域随时间发生了怎样的变化,能让我们看到哪些地方的保护正在奏效,哪些地方的天然林正在被转变为种植园和农田。
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),发布森林类型图(ForTy)2020——一张全球地图,将地球上每一块10×10米的土地划分为六种不同的森林和土地利用类型,为欧盟森林砍伐法规提供了关键基准。与此同时,我们还分享了一个早期时间序列,追踪这些森林在2017年至2025年间每年的变化,包括天然林被种植园或农田取代的位置。用户首次可以在全球范围内以10米细节、逐年查看,不仅是森林在哪里消失,还有是什么取代了它:木材种植园、树木作物农场还是其他土地。
为什么“树冠覆盖”还不够
所有森林都储存碳,而且森林共同构成了世界上大多数陆生植物和动物物种的家园。但森林的生态价值还取决于它的历史:一片从未被砍伐的原始森林所储存的碳和生物多样性,远远超过每十年或二十年就被采伐一次的单树种木材种植园。
大多数全球地图只显示是否有树木存在。这对试图保护天然林的人来说是个挑战。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,木材产品(如家具)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森林,也不能来自此后被转为种植园林的天然更新林。因此,企业和监管机构需要知道的不仅是树木在哪里,还有它们形成的是哪种森林(原始林或再生林、人工种植林或种植园、森林或农场),以及采伐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——一张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森林砍伐法规、支持大宗商品生产商履行不转换天然林的承诺提供了一个起点。那张地图为每一块土地回答了一个问题:2020年时它是不是天然林?ForTy 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,展示了它每年如何变化。
ForTy 如何对世界森林进行分类
具体而言,ForTy 根据联合国粮食及农业组织(FAO)的定义,将土地分为六个类别:
- 原始森林:没有明显人类干扰迹象的原生森林。
- 自然再生林: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、并按长周期管理的森林。
- 种植园林:生长迅速、集约经营的林场,通常为单一树种。
- 树木作物与农林复合经营: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:其余所有类型,从草地、农田到城市和水域。
2020 年森林类型图。每种颜色表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,包含约 170 万个标注地点,来源包括专家调查、国家和区域数据集,以及针对模型表现不佳地区的定向复核。该模型采用为遥感数据挑战而设计的定制架构,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,使模型能够捕捉种植模式、生长周期和采伐节律等细微线索。
从上方看,这五种森林和树木作物类别可能看起来很相似。ForTy 能够识别出区分它们的结构和季节模式上的细微差异,并在全球地图数据库中准确分类。影像 © 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,在全球 9,000 多个随机选取的地点对 ForTy 进行了验证。在每个地点,两名受过训练的专家研究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% 的时间选对了森林类型,有 95% 的时间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 评估毁林风险的公司可能会设定严格阈值,只接受模型高度确定的像素,以避免监管风险。与此同时,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。我们的新发布的早期时间序列对 2017 年至 2025 年的每一年应用了类似方法。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:例如天然林变成木材种植园,或废弃土地缓慢再生为森林。
这种区分之所以重要,是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人工林时,土地很快又会看起来绿意盎然,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。
接下来是什么
《森林类型学 2020》地图[在《Scientific Data》中描述]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、公司、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,我们也很想听听您如何使用它。ForTy 是我们 组合 中关于 AI for Nature 研究的一部分,其中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实地监测生物多样性。FortTy 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严峻的环境挑战。
致谢
这项工作由 Google DeepMind 和 Google Research 与 World Resources Institute 和 International Institute for Applied Systems Analysis 共同开发。我们要感谢我们的合著者 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,以及帮助改进地图的受信任测试人员。
来源:Google DeepMind · deepmind.google