2026 年 10 月 22 日研究
Maxim Neumann 和 Charlotte Stanton
一张全新的 10 米分辨率地图展示了全球哪些森林是天然林、人工林还是农用林，以及它们随时间的变化情况
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所承载的生物多样性却大不相同。将它们区分开来，并了解每一片林地随时间的变化，能让我们看清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），共同发布森林类型图（ForTy）2020，这是一张全球地图，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，是欧盟森林砍伐法规的重要基准。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 年间逐年的变化，包括天然林被种植园或农田取代的地方。用户首次能够在全球范围内以 10 米精度、逐年查看，不仅能看到森林在哪里消失，还能看到是什么取代了它：木材种植园、树木作物农场还是其他用地。
为什么仅有“树木覆盖”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。但一片森林的生态价值还取决于它的历史：一片从未被砍伐过的原始森林所储存的碳和所承载的生物多样性，远远超过一片每隔一二十年就被采伐一次的单树种木材种植园。
大多数全球地图只标明是否有树木存在。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源自 2020 年时为森林、此后被转为农业用地的土地。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人工林或种植林的原生林，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何种森林（原生林或再生林、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 年世界天然林》，这是一张 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。它为帮助企业和监管机构实施欧盟《无毁林法规》、支持大宗商品生产商履行不转化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：它在 2020 年是否是天然林？ForTy 更进一步，显示那里是何种森林，从原生林到木材种植园再到木本作物，并且借助新的时间序列，展示其每年如何变化。
ForTy 如何对世界森林进行分类
具体而言，ForTy 依据联合国粮食及农业组织（FAO）的定义，将土地分为六个类别：
- 原生林：没有明显人类干扰迹象的本地森林。
- 天然更新林：自行生长恢复的森林，例如在采伐或火灾之后。
- 人工种植林：由人种植或播种、并按长周期管理的森林。
- 种植园林：生长迅速、集约管理的树木农场，通常为单一树种。
- 木本作物与农林复合：种植非木材产品的农场，如油棕、橡胶、可可或水果。
- 其他土地：其余所有类型，从草地和耕地到城市和水域。
2020 年的森林类型学地图。每种颜色显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 模型颇具挑战，因为这些类别部分取决于土地的用途，而不仅仅是它的外观。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，来源于专家调查、国家和区域数据集，以及对模型表现不佳地点的针对性复核。该模型采用为遥感数据挑战而设计的自定义架构，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、生长周期和收获节律等细微线索。
从上方看，这五种森林和树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 9000 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，以确定那里实际是什么类型的土地。ForTy 有 90% 的时间选对了森林类型，有 95% 的时间正确区分了森林与非森林土地，表现优于其他全球森林地图。
除了准确率之外，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应用特定的精度权衡来调整分类。例如，一家根据 EUDR 评估森林砍伐风险的公司可能会设置严格的阈值，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，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。我们的新的早期发布时间序列对 2017 年至 2025 年的每一年应用类似的方法。它不仅显示森林在哪里消失、在哪里重新生长，还显示发生了什么样的变化：例如，天然林变成了木材种植园，或者废弃土地慢慢再生为森林。
这种区分很重要，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种植园时，土地很快又看起来是绿色的，因此标准的树冠覆盖地图可能无法捕捉到这种变化。ForTy 的时间序列使这些隐藏的变化变得可见，包括损失和增益。
下一步是什么
Forest Typology 2020 地图 [在 Scientific Data 中描述] 和新的时间序列现已在 Google Earth Engine 上以开放许可证免费提供。我们希望政府、公司、保护组织和科学家使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，我们很想听听您如何使用它。ForTy 是我们作品集中关于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，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，以及帮助改进该地图的受信任测试人员。