Google DeepMind en partners brengen ForTy uit: een wereldwijde kaart op 10-meterresolutie die natuurlijke, aangeplante en agrarische bossen classificeert
Belangrijkste punten
- •Google DeepMind, Google Research, WRI en IIASA hebben Forest Typology (ForTy) 2020 uitgebracht, een wereldwijde kaart die al het land op 10-meterresolutie indeelt in zes bos- en landgebruiktypen die aansluiten bij FAO-definities.
- •De kaart wordt gepositioneerd als belangrijke basislijn voor de EU-ontbosingsverordening, die vereist dat bedrijven verifiëren dat grondstoffen zoals koffie, cacao, palmpolie, rubber en soja niet afkomstig zijn van bosland dat is omgezet in landbouw.
- •Een bijbehorende, vroeg uitgebrachte tijdreeks volgt bosveranderingen elk jaar van 2017 tot 2025 en maakt verborgen conversies zichtbaar, zoals natuurlijk bos dat wordt vervangen door plantages, wat standaard boombegroeiingskaarten vaak missen.
- •Het ForTy-model is getraind op circa 1,7 miljoen gelabelde locaties en gevalideerd tegen meer dan 9.000 willekeurig geselecteerde locaties; het identificeerde het juiste bostype in 90% van de gevallen en onderscheidde bos van niet-bos in 95% van de gevallen.
- •De ForTy 2020-kaart en tijdreeks zijn vrij toegankelijk op Google Earth Engine en Figshare onder een open licentie; het onderliggende onderzoek is gepubliceerd in het tijdschrift Scientific Data.

Google DeepMind en Google Research hebben in samenwerking met het World Resources Institute (WRI) en het International Institute for Applied Systems Analysis (IIASA) Forest Typology (ForTy) 2020 uitgebracht: een wereldwijde kaart die elk stuk land op aarde van 10 bij 10 meter indeelt in zes verschillende bos- en landgebruiktypen. De organisaties omschrijven de uitgave als een belangrijke basislijn voor de ontbosingsverordening van de Europese Unie. Naast de kaart deelt het team een vroege tijdreeks die bijhoudt hoe bossen elk jaar van 2017 tot 2025 zijn veranderd, inclusief waar natuurlijk bos is vervangen door plantages of landbouwgrond.
In de aankondiging, gepubliceerd op de blog van Google DeepMind door onderzoekers Maxim Neumann en Charlotte Stanton, staat dat gebruikers nu wereldwijd, jaar na jaar, op 10-meterdetail kunnen zien waar bos verloren is gegaan én wat ervoor in de plaats kwam: een houtplantage, een boomgaardgewasbedrijf of ander land.
Waarom "boombegroeiing" niet genoeg is
Vanuit de ruimte kan een oerbosregenwoud, een eucalyptusplantage en een oliepalmplantage er hetzelfde groene uitzien. Ze bevatten echter zeer verschillende hoeveelheden koolstof en biodiversiteit. Volgens het bericht slaan alle bossen koolstof op en bieden samen onderdak aan de meeste landgebonden plant- en diersoorten ter wereld. Maar de ecologische waarde van een bos hangt ook af van zijn geschiedenis: een oerbos dat nooit is gekapt bevat veel meer koolstof en biodiversiteit dan een houtplantage met één soort die elk decennium of twee wordt geoogst.
De meeste wereldwijde kaarten geven alleen aan of er bomen staan, wat een uitdaging vormt voor wie natuurlijke bossen wil beschermen. De Europese verordening inzake ontbossingsvrije producten (EUDR) vereist bijvoorbeeld dat producten zoals koffie, cacao of palmpolie niet afkomstig zijn van land dat in 2020 bos was en sindsdien is omgezet in landbouw. De reikwijdte omvat ook rubber, soja, runderen en afgeleide producten. Houtproducten, zoals meubels, moeten eveneens vrij zijn van bosdegradatie: ze mogen niet afkomstig zijn van oerbossen die sindsdien zijn omgezet in plantage- of aangeplante bossen, of van natuurlijk regenererende bossen die sindsdien zijn omgezet in plantagebossen. Als gevolg daarvan moeten bedrijven en toezichthouders niet alleen weten waar bomen staan, maar ook wat voor soort bos het is — oerbos of hergroeidend, aangeplant of plantage, bos of boerderij — en wat het bos na een oogst vervangt.
Dezelfde groep bracht eerder Natural Forests of the World 2020 uit, een wereldwijde kaart met 10-meterresolutie die natuurlijk bos scheidde van alle andere boombegroeiing. Die uitgave bood een startpunt om bedrijven en toezichthouders te helpen de EU-ontbosingsverordening uit te voeren en grondstofproducenten te ondersteunen bij het nakomen van hun toezeggingen om natuurlijk bos niet te ontginnen. Die kaart beantwoordde één vraag per stuk land: was het in 2020 natuurlijk bos of niet? ForTy gaat verder: het toont wat voor soort bos er staat, van oerbos tot houtplantage tot boomgewassen, en met de nieuwe tijdreeks hoe dat elk jaar verandert.
Hoe ForTy de bossen van de wereld classificeert
ForTy deelt land in zes categorieën in op basis van definities van de Voedsel- en Landbouworganisatie van de VN (FAO):
- Oerbos: inheems bos zonder zichtbare tekenen van menselijke verstoring.
- Natuurlijk regenererend bos: bos dat zichzelf herstelde, bijvoorbeeld na houtkap of brand.
- Aangeplant bos: bos dat mensen hebben geplant of gezaaid en over cycli beheren.
- Plantagebos: snelgroeiende, intensief beheerde boomaanplantingen, vaak van één soort.
- Boomgewassen en agroforestry: bedrijven die iets anders dan hout telen, zoals oliepalm, rubber, cacao of fruit.
- Ander land: al het overige, van grasland en akkerland tot steden en water.
De FAO hanteert dezelfde definities in haar Global Forest Resources Assessment, de periodieke beoordeling waarmee landen de staat van hun bossen rapporteren, zodat de categorieën van de kaart aansluiten op de vocabulaire die al wordt gebruikt in internationale bosrapportage.
Op de Forest Typology 2020-kaart toont elke kleur het meest voorkomende bos- of landtype per vierkante kilometer, en gebruikers kunnen deze in de Earth Engine-app op 10-meterdetail verkennen.
Het trainen van het ForTy-model was uitdagend omdat deze categorieën deels afhangen van hoe land wordt gebruikt, niet alleen hoe het eruitziet. Om het model het verschil te leren, bouwde het team een grootschalige verzameling bos-voorbeeldlocaties met circa 1,7 miljoen gelabelde locaties, afkomstig uit expertenquêtes, nationale en regionale datasets en gerichte controles op plaatsen waar het model moeite had. Het model gebruikt een aangepaste architectuur, ontworpen voor de uitdagingen van remote sensing-data, en gebruikt als belangrijke input AlphaEarth Foundations-embeddings — gegevenscompacte samenvattingen van jaren aan satellietobservaties voor elke pixel van 10 meter — zodat het subtiele aanwijzingen kan herkennen zoals aanplantpatronen, groeicycli en oogstritmes.
Van bovenaf kunnen de vijf bos- en boomgewasklassen op elkaar lijken. ForTy kan de subtiele verschillen in structuur en seizoenspatronen herkennen die ze onderscheiden, en categoriseert ze nauwkeurig in een wereldwijde kaartdatabase. Beeldmateriaal voor het project wordt toegeschreven aan Google Earth, Maxar Technologies en Airbus.
De kaart op de proef gesteld
Een kaart is alleen nuttig als mensen hem vertrouwen. Samen met IIASA en WRI valideerde het team ForTy tegen meer dan 9.000 willekeurig gekozen locaties over de hele wereld. Bij elke locatie bestudeerden twee getrainde experts beeldmateriaal met hoge resolutie en jaren aan satellietgegevens om te bepalen welk type land er daadwerkelijk was. ForTy koos in 90% van de gevallen het juiste bostype en onderscheidde bos van niet-bosland in 95% van de gevallen, waarmee het andere wereldwijde boskaarten overtrof.
Naast nauwkeurigheidadrukt het team dat mondiaal natuurbehoud geen one-size-fits-all is. In plaats van een ja-of-nee-label voor een specifiek stuk land geeft ForTy een waarschijnlijkheidsscore per klasse, zodat gebruikers de classificatie kunnen aanpassen aan regionale context en toepassingsspecifieke afwegingen rond precisie. Een bedrijf dat ontbosingsrisico onder de EUDR beoordeelt, kan bijvoorbeeld een strikte drempel hanteren en alleen pixels accepteren waar het model zeer zeker van is om regelgevingsrisico's te vermijden. Een onderzoeker die de totale bosoppervlakte schat, kan ondertussen het volledige spectrum aan waarschijnlijkheden gebruiken voor een vollediger beeld van het potentiële landschap.
Van één momentopname naar een verhaal van verandering
Een kaart van één jaar is een nuttige basislijn, maar bossen veranderen. De nieuwe, vroeg uitgebrachte tijdreeks past een vergelijkbare aanpak toe op elk jaar van 2017 tot 2025. Hij toont niet alleen waar bossen verdwijnen en waar ze herstellen, maar ook wat voor soort verandering plaatsvond: bijvoorbeeld een natuurlijk bos dat werd omgezet in een houtplantage, of verlaten land dat langzaam weer bos wordt.
Dit onderscheid is belangrijk omdat sommige van de belangrijkste veranderingen moeilijk vanuit de ruimte te zien zijn. Wanneer een natuurlijk bos wordt gekapt en opnieuw beplant als plantage, ziet het land er al snel weer groen uit, zodat standaard boombegroeiingskaarten de verandering mogelijk niet oppikken. De tijdreeks van ForTy maakt deze verborgen veranderingen zichtbaar, zowel verliezen als winsten, en kan worden verkend in een aparte Earth Engine-app.
Beschikbaarheid en vervolg
De Forest Typology 2020-kaart, beschreven in een artikel in Scientific Data, een collegiaal getoetst open-access tijdschrift in de Nature Portfolio, en de nieuwe tijdreeks zijn nu vrij beschikbaar op Google Earth Engine, Google's cloudplatform voor geospatiale analyse, onder een open licentie; de dataset is ook gepubliceerd op Figshare. Het team hoopt dat overheden, bedrijven, natuurorganisaties en wetenschappers deze zullen gebruiken om ontbossingsvrije toeleveringsketens op te bouwen, bosfinanciering daar te richten waar het nodig is en de belangrijkste natuurlijke bossen te beschermen. De komende maanden blijft het team de tijdreeks verbeteren met partners en gebruikers.
ForTy maakt deel uit van Google's AI for Nature-onderzoeksportfolio, waaronder het in kaart brengen van oorzaken van bosverlies, het voorspellen van ontbosingsrisico, het modelleren van wereldwijde soortenverspreiding en het monitoren van biodiversiteit in het veld. ForTy is ook de nieuwste toevoeging aan Google Earth AI, Google's verzameling geospatiale modellen en datasets die is ontworpen om de meest kritische milieuproblemen van de planeet aan te pakken.
Dankwoord
Het werk is mede ontwikkeld door Google DeepMind en Google Research, met het Resources Institute en het International Institute for Applied Systems Analysis. De co-auteurs van het bericht zijn 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 en Drew Purves, samen met vertrouwde testers die hebben geholpen de kaart te verbeteren.