跳到正文
Google DeepMind:Blog·· 2 小时前精选AI 评分60

Google DeepMind 联合 WRI 与 IIASA 发布全球 10 米分辨率森林类型地图 ForTy 2020

Beyond tree cover: mapping the world’s forest types

AI 导读

Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology(ForTy)2020 全球地图,将地球每块 10×10 米土地分为 FAO 定义的六类森林与土地利用类型,并首次提供 2017 至 2025 年逐年时间序列,显示森林被人工林或农田替代等变化。

推荐理由

原文给出 ForTy 地图的六类划分、90% 准确率和开放获取方式,读者可据此评估其在毁林监管中的用法。

正文 · AI 翻译

2026年10月22日 研究

Maxim Neumann 和 Charlotte Stanton

一张全新的10米分辨率地图显示,世界上的哪些森林是天然的、人工种植的或农业种植的,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:我们眼前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。将它们区分开来,并了解每一片区域随时间如何变化,就能告诉我们哪些地方的保护正在奏效,哪些地方的天然林正在被转化为种植园和农场。

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),共同发布森林类型(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,为欧盟的森林砍伐法规提供了关键基准。与此同时,我们还分享了一份早期时间序列,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场取代的地方。用户首次可以在全球范围内以10米细节、逐年查看:不仅能看到森林在哪里消失,还能看到取代它的是什么——木材种植园、树木作物农场还是其他土地。

为什么“树木覆盖”还不够

所有森林都储存碳,而且森林共同承载着世界上大多数陆生植物和动物物种。但森林的生态价值也取决于它的历史:一片从未被砍伐的原始森林所储存的碳和生物多样性,远高于每十年或二十年就被采伐一次的单一种木材种植园。

大多数全球地图只显示树木是否存在。这对那些试图保护天然林的人来说是一个挑战。例如,欧盟的《无森林砍伐产品条例》(EUDR)要求咖啡、可可或棕榈油等产品不得源自2020年为森林、此后被转为农业用途的土地。同样,家具等木制品也必须避免森林退化: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的人工再生林。因此,企业和监管机构不仅需要知道树木在哪里,还需要知道它们形成的是哪种森林(原始林还是再生林、人工种植还是种植园、森林还是农场),以及在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木覆盖区分开来。它提供了一个起点,帮助企业和监管机构执行欧盟森林砍伐法规,并支持商品生产商履行其不转化天然林的承诺。那张地图为每一块土地回答了一个问题:它在2020年是否是天然林?ForTy 更进一步,显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,并且通过新的时间序列,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:

  1. 原始林:没有明显人类干扰迹象的原生森林。
  2. 自然更新林:自行恢复生长的森林,例如在伐木或火灾之后。
  3. 人工林:由人种植或播种,并通过长期周期管理的森林。
  4. 种植园林:生长迅速、集约经营的林场,通常为单一树种。
  5. 树木作物与农林复合经营:种植非木材产品的农场,例如油棕、橡胶、可可或水果。
  6. 其他土地:其余所有类型,从草地和农田到城市和水域。

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。在我们的Earth Engine应用中以10米细节探索它。

训练我们的ForTy模型具有挑战性,因为这些类别在一定程度上取决于土地如何使用,而不仅仅是它看起来如何。为了教会模型区分差异,我们构建了一个大规模的森林类型样本集合,包含约170万个标注地点,来源包括专家调查、国家和地区数据集,以及对模型表现困难地点的针对性复核。该模型采用为遥感数据挑战设计的自定义架构,并将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,因此它能发现种植模式、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相似。ForTy能够识别将它们区分开来的结构和季节性模式中的细微差异,并在全球地图数据库中准确分类。图像© Google Earth、Maxar Technologies、Airbus。

对地图进行检验

地图只有让人们信任它才有用。因此,我们与IIASA和WRI合作,在全球9000多个随机选择的地点对ForTy进行了验证。在每个地点,两位经过培训的专家研究高分辨率图像和多年卫星记录,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不是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特定应用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置严格阈值,只接受模型高度确定的像素,以避免监管风险。与此同时,一位估算森林总范围的研究人员可能会使用完整的概率谱系,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将类似方法应用于2017年至2025年的每一年。它不仅显示森林消失和重新生长的地方,还显示发生了何种变化:例如,天然林变成木材种植园,或废弃土地慢慢再生为森林。

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中看到。当天然林被砍伐并重新种植为人工林时,这片土地很快又会变绿,因此标准的树木覆盖地图可能捕捉不到这种变化。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

Forest Typology 2020 地图 [已在 Scientific Data 中描述] 和新的时间序列现已根据开放许可在 Google Earth Engine 上免费提供。我们希望政府、公司、保护组织和科学家能够利用它们来帮助建立无森林砍伐的供应链,将森林资金引导到最需要的地方,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持续改进时间序列,我们很想了解您如何使用它。ForTy 是我们在 AI for Nature 研究 portfolio 的一部分,该研究包括绘制森林丧失的驱动因素、预测森林砍伐风险、模拟全球物种分布以及实地监测生物多样性。ForTy 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关键的环境挑战。

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。我们要感谢我们的共同作者 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:Blog · deepmind.google