Google DeepMind 與 Google Research 攜手世界資源研究所（WRI）與國際應用系統分析研究所（IIASA），發布了 Forest Typology（ForTy）2020，這張全球地圖將地球上每個 10×10 公尺的地塊分類為六種不同的森林與土地利用類型。這些機構將此次發布定位為歐盟毀林法規的重要基準。與地圖同時發布的，還有一套早期時序資料，追蹤 2017 至 2025 年間森林每年的變化，包括天然林被人工林或農場取代的地區。

這份由研究人員 Maxim Neumann 與 Charlotte Stanton 撰寫的公告發表於 Google DeepMind 部落格，指出使用者如今能以 10 公尺的細節、逐年檢視全球各地不僅是森林消失之處，還有取代它的土地是什麼：木材人工林、經濟林木農場或其他土地。

為何「樹木覆蓋」並不足夠

從太空俯瞰，原始雨林、桉樹人工林與油棕莊園可能看似同樣的一片綠意。然而，它們蘊含的碳儲量與生物多樣性卻大不相同。根據這篇文章，所有森林都會儲存碳，且森林合計是全球大多數陸生動植物物種的家園。但森林的生態價值也取決於其歷史：從未被砍伐過的原始森林，其碳儲量與生物多樣性遠高於每一、二十年便遭砍伐一次的單一樹種木材人工林。

大多數全球地圖僅標示是否有樹木存在，這對致力於保護天然森林的人士構成挑戰。例如，歐盟無毀林產品法規（EUDR）要求咖啡、可可或棕櫚油等產品不得來自 2020 年時仍是森林、其後被轉為農業用地的土地。其規範範圍也涵蓋橡膠、大豆、牛隻及其衍生產品。傢俱等木製品同樣必須不涉及森林退化：它們不得來自其後被轉為人工林或植林之原始森林，也不得來自其後被轉為人工林的天然更新森林因此，企業與監管機關不僅需要知道樹木在哪裡，還需要知道這些樹木構成何種森林——是原始林還是再生林、是植林還是人工林、是森林還是農場——以及收穫之後取代這片森林的是什麼。

同一個團隊先前曾發布 Natural Forests of the World 2020，一張 10 公尺解析度的全球地圖，將天然森林與其他所有樹木覆蓋區分開來。該地圖為企業與監管機關執行歐盟毀林法規提供起點，並協助大宗商品生產者履行不轉換天然森林的承諾。它對每塊土地只回答一個問題：2020 年時它是否為天然森林？ForTy 更進一步，顯示那裡是哪一種森林——從原始森林到木材人工林再到經濟林木——並透過新的時序資料，顯示其每年如何變化。

ForTy 如何為全球森林分類

ForTy 依據聯合國糧食及農業組織（FAO）的定義，將土地分為六個類別：

• 原始森林：沒有明顯人為擾動跡象的原生森林。
• 天然更新森林：自然重新生長的森林，例如在伐木或火災之後。
• 植林：由人類種植或播種、並在長週期中管理的森林。
• 人工林：快速生長、集約經營的樹木農場，通常為單一樹種。
• 經濟林木與農林間作：種植木材以外產品的農場，如油棕、橡膠、可可或水果。
• 其他土地：其餘一切，從草原、農田到城市與水域。

FAO 在其全球森林資源評估中也採用同樣的定義，這項定期評估是各國通報森林狀況的管道，因此該地圖的類別與國際森林報告中已使用的詞彙一致。

在 Forest Typology 2020 地圖中，每種顏色顯示每平方公里內最常見的森林或土地類型，使用者可在 Earth Engine 應用程式中以 10 公尺細節進行探索。

訓練 ForTy 模型極具挑戰性，因為這些類別部分取決於土地的用途，而不僅是外觀。為了教會模型分辨差異，團隊建立了一個大規模的森林類型範例資料集，包含約 170 萬個標註位置，來源包括專家調查、國家與區域資料集，以及針對模型表現不佳之處的審查。該模型採用專為遙測資料挑戰設計的客製化架構，並以 AlphaEarth Foundations embeddings 作為關鍵輸入——這是對每個 10 公尺像素多年衛星觀測資料的精簡摘要——使其能察覺種植模式、生長週期與採伐節奏等細微線索。

從空中俯瞰，五種森林與經濟林木類別可能看似相似。ForTy 能夠辨識結構與季節模式上將其區隔的細微差異，並在全球地圖資料庫中準確分類。該專案的影像由 Google Earth、Maxar Technologies 與 Airbus 提供。

檢驗這張地圖

地圖唯有獲得信任才有用。團隊與 IIASA 及 WRI 合作，在全球隨機選取的 9,000 多個地點對 ForTy 進行驗證。在每個地點，兩位受過訓練的專家研究高解析度影像與多年的衛星紀錄，以判斷該處真正的土地類型。ForTy 辨識正確森林類型的比例為 90%，區分森林與非森林土地的比例為 95%，表現優於其他全球森林地圖。

除了準確度之外，團隊指出全球保育並非一體適用。ForTy 不對特定地塊給出是或否的標籤，而是為每個類別提供機率分數，讓使用者能依區域背景與應用特定的精度權衡調整分類。例如，依 EUDR 評估毀林風險的企業可能設定嚴格門檻，只接受模型高度確定的像素，以避免法規風險；而估算森林總面積的研究人員則可能使用完整的機率範圍，以更全面掌握潛在的地景。

從單一時刻的快照到變化的故事

單一年份的地圖是有用的基準，但森林會變化。這套新的早期發布時序資料將類似方法應用於 2017 至 2025 年的每一年。它不僅顯示森林在哪裡消失、在哪裡重新生長，還顯示發生了何種變化：例如天然林被轉為木材人工林，或廢棄土地慢慢再生為森林。

這種區分非常重要，因為一些最重要的變化從太空很難察覺。當天然森林被砍伐並重新種植為人工林時，土地很快又恢復綠意，因此標準的樹木覆蓋地圖可能無法偵測到這種變化。ForTy 的時序資料讓這些隱藏的變化——無論是損失還是增加——變得可見，並可在另一個 Earth Engine 應用程式中探索。

可取得性與後續發展

Forest Typology 2020 地圖（詳見發表於 Scientific Data 的論文，這是 Nature Portfolio 旗下的同儕審查開放取用期刊）與新的時序資料，現已依開放授權在 Google 的地理空間分析雲端平台 Google Earth Engine 上免費提供；資料集也發布於 Figshare。團隊希望政府、企業、保育團體與科學家能利用這些資源，協助建立無毀林供應鏈、將森林資金導向最需要之處，並保護最重要的天然森林。團隊表示，未來幾個月將與合作夥伴及使用者持續改進時序資料。

ForTy 是 Google AI for Nature 研究組合的一部分，該組合包括繪製森林流失驅動因素地圖、預測毀林風險、建立全球物種分布模型，以及在野外監測生物多樣性。ForTy 也是 Google Earth AI 的最新成員，這是 Google 為協助應對地球最關鍵環境挑戰而設計的地理空間模型與資料集集合。

致謝

這項工作由 Google DeepMind 與 Google Research 攜手世界資源研究所與國際應用系統分析研究所共同開發。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 與 Drew Purves，以及協助改進地圖的受信任測試者。