10米精度分六类，全球森林地图看清土地用途

从太空往下看，一片原始雨林、一片桉树种植园和一片油棕庄园，可能都是同样的一块绿色。但它们的碳储量和生物多样性差得很远。分清它们，并且知道每一块地这些年怎么变的，才能判断保护在哪里起了作用、天然林又在哪里被改成了种植园和农场。

谷歌DeepMind和谷歌研究院，联合世界资源研究所（WRI）与国际应用系统分析研究所（IIASA），发布了Forest Typology（ForTy）2020。这是一张全球地图，把地球上每一块10米×10米的土地划进六种森林与土地利用类型，也是欧盟毁林法规的一项关键基线。同步放出的还有一份早期时间序列，追踪2017年到2025年这些森林逐年的变化，包括天然林被种植园或农场取代的地方。

用户能在全球范围内以10米细节、按年份看到：不只是森林在哪里消失了，而是消失之后被什么替代了——木材种植园、木本作物农场，还是其他用地。

只标"有树"不够用

所有森林都储碳，森林也承载着全球大部分陆生植物和动物物种。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林，碳储量和生物多样性远高于每十年二十年就采伐一次的单一树种木材种植园。

多数全球地图只标注树是否存在。这对想保护天然林的人来说是个难题。欧盟的《无毁林产品法规》（EUDR）要求，咖啡、可可、棕榈油等产品不能来自2020年时还是森林、此后被转为农业的土地。木制品如家具同样不能涉及森林退化：不能来自此后被转为种植园或人工林的原始林，也不能来自此后被转为种植园的天然更新林。企业和监管方需要知道的，不只是树在哪里，而是这些树构成什么类型的森林，以及采伐之后什么替代了它。

去年双方曾联合发布《2020年全球天然林》地图，以10米分辨率把天然林与其他树冠覆盖区分开。那张图对每一块地只回答一个问题：2020年它是不是天然林。ForTy更进一步，显示那里是哪一种森林，从原始林到木材种植园再到木本作物，并借助新的时间序列显示它逐年如何变化。

六类划分与验证成绩

ForTy依据联合国粮农组织（FAO）的定义，把土地分为六类：

• 原始林：没有明显人为干扰痕迹的原生森林。
• 天然更新林：自行长回来的森林，例如采伐或火灾之后。
• 人工林：由人种植或播种、以长周期经营的森林。
• 种植园林：生长快、集约经营的林场，往往单一树种。
• 木本作物与农林复合：种的不是木材，而是油棕、橡胶、可可或水果等的农场。
• 其他土地：其余全部，从草地、耕地到城市和水域。

训练模型的难点在于，这些类别部分取决于土地的用途，而不只是外观。为了教会模型区分，团队构建了大规模森林类型样本库，来源包括专家调查、国家和区域数据集，以及针对模型吃力地点的定向复核。模型采用为遥感数据难题定制的架构，并把AlphaEarth Foundations嵌入作为关键输入——那是每个10米像素多年卫星观测的数据浓缩摘要，让它能捕捉种植模式、生长周期和采伐节奏这类细微线索。

地图只有可信才有用。团队与IIASA、WRI合作，在全球随机选取9000多个样点验证。每个样点由两名受训专家查看高分辨率影像和多年卫星记录，判定那里真实的土地类型。ForTy判断森林类型的正确率为90%，区分森林与非森林土地的正确率为95%。

除了精度，全球保护本来就不是一刀切。ForTy不对某块地给出是或否的标签，而是为每个类别给出概率分数，让用户按区域情况和应用所需的精度取舍自行调整。比如，一家按EUDR评估毁林风险的企业可以设严格阈值，只接受模型高度确定的像素以规避监管风险；而估算森林总范围的研究者可以用完整的概率谱，得到更全面的潜在景观图景。

从一张快照到一段变化史

单一年份的地图是有用的基线，但森林会变。新的早期时间序列用类似方法处理2017到2025年的每一年，不只显示森林在哪里消失、在哪里长回来，还显示发生了哪种变化：天然林变成了木材种植园，或者撂荒地慢慢恢复成森林。

这种区分之所以重要，是因为一些最关键的变化从太空里很难看出来。天然林被采伐后重新种成种植园，地面很快又绿了，常规树冠覆盖地图可能捕捉不到这个变化。ForTy的时间序列让这些隐藏的变化变得可见，损失和增加都算在内。

ForTy 2020地图和新的时间序列现已在Google Earth Engine上以开放许可免费提供。ForTy也是谷歌"AI for Nature"研究组合的一部分，该组合还包括绘制森林流失驱动因素、预测毁林风险、建模全球物种分布和实地监测生物多样性；它同时是Google Earth AI这一地理空间模型与数据集集合的最新成员。