Google DeepMind 与 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），发布了森林类型图（ForTy）2020。该全球地图将地球上每块 10×10 米的土地划分为六种不同的森林与土地利用类型。发布方称，该成果是欧盟毁林法规的关键基线。与地图一同发布的，还有一份早期时间序列数据，追踪 2017 至 2025 年间森林的逐年变化，包括天然林被人工林或农场取代的区域。

这份由研究人员 Maxim Neumann 和 Charlotte Stanton 撰写的公告发表于 Google DeepMind 博客，其中指出，用户如今可以按 10 米分辨率、逐年查看全球范围内不仅是森林在哪里消失，还有取而代之的是什么：木材人工林、经济作物农场，或其他土地。

为什么"树木覆盖"还不够

从太空俯瞰，一片原始雨林、一片桉树人工林和一座油棕种植园看起来可能是同样的一片绿色。然而，它们所承载的碳储量和生物多样性却截然不同。据该文章介绍，所有森林都储存碳，而且森林合起来是全球大多数陆生动植物物种的家园。但一片森林的生态价值还取决于它的历史：一片从未被砍伐的原始林所储存的碳和承载的生物多样性，远远超过每十到二十年采伐一次的单一种植木材人工林。

大多数全球地图只标示树木是否存在，这给试图保护天然林的人带来了挑战。例如，欧盟无毁林产品法规（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。其范围还延伸至橡胶、大豆、牛及相关制成品。木制品（如家具）也必须不存在森林退化问题：它们不能来自此后被转为人工林或种植林的原始林，也不能来自此后被转为种植林的天然更新林。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什么样的森林——是原始林还是再生林、是人工种植还是种植园、是森林还是农场——以及采伐之后取而代之的是什么。

同一团队此前曾发布《世界天然林 2020》，这是一份 10 米分辨率的全球地图，将天然林与其他所有树木覆盖区分开来。该成果为企业和监管机构实施欧盟毁林法规提供了起点，也帮助大宗商品生产商履行不将天然林转为其他用途的承诺。它对每块土地只回答一个问题：2020 年时它是否为天然林？而 ForTy 更进一步，显示那里是什么类型的森林——从原始林到木材人工林再到经济作物——并且借助新的时间序列，展示其逐年变化。

ForTy 如何对全球森林进行分类

ForTy 根据联合国粮食及农业组织（FAO）的定义，将土地划分为六个类别：

• 原始林：没有明显人类干扰迹象的原生森林。
• 天然更新林：自然重新生长起来的森林，例如在采伐或火灾之后。
• 人工种植林：由人们种植或播种、并按长周期管理的森林。
• 种植园林：生长迅速、集约经营的人工林场，通常为单一树种。
• 经济作物与农林复合：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：其余一切，从草原、农田到城市和水域。

FAO 在其全球森林资源评估中也采用这些定义。各国通过这一周期性评估报告其森林状况，因此该地图的类别与国际森林报告所用的术语保持一致。

在 Forest Typology 2020 地图中，每种颜色显示每平方公里内最常见的森林或土地类型，用户可在 Earth Engine 应用中按 10 米分辨率进行探索。

训练 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差异，团队构建了一个大规模的森林类型样本集，包含约 170 万个标注位置，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重点复核。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——即每个 10 米像素多年卫星观测数据的紧凑摘要——从而能够捕捉种植模式、生长周期和采伐节奏等细微线索。

从空中看，五种森林与经济作物类别可能颇为相似。ForTy 能够识别它们在结构和季节模式上的细微差别，并在全球地图数据库中对它们进行准确分类。项目影像来自 Google Earth、Maxar Technologies 和 Airbus。

地图的实地检验

地图只有获得信任才有价值。团队与 IIASA 和 WRI 合作，在全球范围内随机选取的 9000 多个地点对 ForTy 进行了验证。在每个地点，两名受过培训的专家研究高分辨率影像和多年卫星记录，以确定该处实际的土地类型。ForTy 正确识别森林类型的比例为 90%，区分森林与非森林土地的比例为 95%，优于其他全球森林地图。

除了准确性之外，团队还指出，全球保护工作不能一刀切。ForTy 不对特定地块给出是或否的标签，而是为每个类别提供概率评分，使用户能够根据区域背景和具体应用的精度权衡来调整分类。例如，在 EUDR 下评估毁林风险的企业可能设定严格阈值，只接受模型高度确信的像素，以规避监管风险；而估算森林总面积的研究人员则可能使用完整的概率谱，以更全面地了解潜在的地表景观。

从单一快照到变化的故事

单一年份的地图是有用的基线，但是不断变化的。新的早期发布时间序列将类似方法应用于 2017 至 2025 年的每一年。它不仅显示森林在哪里消失、在哪里恢复，还显示发生了什么类型的变化：例如天然林变成木材人工林，或弃耕地逐渐再生为森林。

这种区分非常重要，因为一些最重要的变化从太空很难察觉。当天然林被采伐并重新种植为种植园后，土地很快又会披上绿装，标准的树木覆盖地图可能捕捉不到这一变化。ForTy 的时间序列使这些隐藏的变化——无论是损失还是增加——都变得可见，并可在另一个 Earth Engine 应用中探索。

获取方式与后续计划

Forest Typology 2020 地图（相关论文发表于《Scientific Data》，该期刊是 Nature 旗下经同行评审的开放获取期刊）和新的时间序列数据现已在 Google Earth Engine——Google 用于地理空间分析的云平台——上以开放许可免费提供；数据集还发布于 Figshare。团队希望政府、企业、保护组织和科学家利用这些数据，帮助构建无毁林供应链，将森林资金引导至最需要的地方，并保护最重要的天然林。团队表示，未来几个月将继续与合作伙伴和用户一起改进时间序列数据。

ForTy 是 Google AI for Nature 研究组合的一部分，该组合还包括绘制森林损失驱动因素、预测毁林风险、模拟全球物种分布以及在野外监测生物多样性等工作。ForTy 也是 Google Earth AI 的最新成员——这是 Google 旨在帮助应对地球最严峻环境挑战的地理空间模型和数据集合。

致谢

这项工作由 Google DeepMind 与 Google Research 共同开发，合作方为世界资源研究所和国际应用系统分析研究所。文章共同作者包括 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可信测试人员。