Google DeepMindAI 领域最新发展2026-10-22约 8 分钟3,337 字

超越树冠覆盖：绘制全球森林类型地图

本文目录

2026 年 10 月 22 日 · 研究

超越树冠覆盖：绘制全球森林类型地图#

Maxim Neumann 与 Charlotte Stanton

阅读论文

一份新的 10 米分辨率地图显示，全球哪些森林是天然的、人工种植的还是农业种植的，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：我们眼前的森林属于哪种类型？从太空看，一片原始雨林、一片桉树人工林和一片油棕种植园可能看起来是同一块绿色。但它们所储存的碳和生物多样性截然不同。区分它们，并了解每一块土地随时间如何变化，能让我们看到保护在哪里见效，以及天然森林在哪里正被转化为人工林和农场。

今天，Google DeepMind 和 Google Research 与 World Resources Institute（WRI，世界资源研究所）和 International Institute for Applied Systems Analysis（IIASA，国际应用系统分析研究所）合作，发布 Forest Typology（ForTy，森林类型）2020——一张将地球上每一块 10×10 米土地划分为六种不同森林和土地利用类型的全球地图，这是欧盟森林砍伐法规的关键基准。与此同时，我们还分享了一个早期时间序列，追踪这些森林从 2017 年到 2025 年每年的变化，包括天然森林被人工林或农场取代的地方。用户首次可以在全球范围内以 10 米细节、逐年查看：不仅是森林在哪里消失了，还有它被什么取代了——木材人工林、木本作物农场还是其他土地。

为什么「树冠覆盖」还不够#

所有森林都储存碳，而且森林整体是地球上大多数陆生植物和动物物种的家园。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，远多于一片每十年或二十年就被采伐一次的单物种木材人工林。

大多数全球地图只标明树木是否存在。这对试图保护天然森林的人来说是个挑战。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、此后被转为农业的土地。同样，家具等木材产品也必须不存在森林退化：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人工林的自然再生林。因此，企业和监管机构不仅需要知道树木在哪里，还需要知道它们构成何种森林（原始林或再生林、人工种植或人工林、森林或农场），以及采伐之后是什么取代了那片森林。

去年，我们联合发布了 Natural Forests of the World 2020，一张 10 米分辨率的全球地图，将天然森林与所有其他树冠覆盖区分开来。它为帮助企业和监管机构实施欧盟森林砍伐法规提供了起点，并支持大宗商品生产商履行不转化天然森林的承诺。那张地图为每块土地回答了一个问题：2020 年它是否是天然森林？ForTy 更进一步，显示那里是什么样的森林，从原始林到木材人工林再到木本作物，并且借助新的时间序列，展示它每年如何变化。

ForTy 如何对全球森林分类#

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：

原始森林（Primary forest）：没有明显人类干扰迹象的原生森林。

自然再生林（Naturally regenerating forest）：自行重新生长起来的森林，例如在采伐或火灾之后。

人工种植林（Planted forest）：由人工种植或播种、并以长周期管理的森林。

人工林（Plantation forest）：快速生长、集约经营的树木农场，通常为单一物种。

木本作物与混农林业（Tree crops and agroforestry）：种植非木材产品的农场，如油棕、橡胶、可可或水果。

其他土地（Other land）：其他一切，从草地和农田到城市和水域。

2020 年的森林类型地图。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 应用中探索 10 米细节。

训练 ForTy 模型颇具挑战，因为这些类别部分取决于土地如何被使用，而不仅仅是它看起来怎样。为了让模型学会区分，我们构建了一个大规模的森林类型样本集，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，以及针对模型表现困难地点的定向复核。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——这是对每个 10 米像素多年卫星观测的数据紧凑摘要，使模型能够发现种植模式、生长周期和采伐节律等微妙线索。

从上方看，这五种森林和木本作物类别可能看起来相似。ForTy 能够识别出使它们彼此区分开来的结构和季节模式中的细微差异，并在全球地图数据库中对它们进行准确分类。图像 © Google Earth、Maxar Technologies、Airbus。

检验地图#

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，用全球 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，以确定那里实际是哪类土地。ForTy 有 90% 的概率选对森林类型，有 95% 的概率区分森林与非森林土地，优于其他全球森林地图。

除了准确性，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。而一位估算森林总范围的研究人员可能使用完整的概率谱，以获得对潜在景观更全面的了解。

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。我们新的早期发布版时间序列对 2017 到 2025 年的每一年应用类似方法。它不仅显示森林在哪里消失、在哪里重新生长，还显示发生了何种变化：例如，天然森林变成了木材人工林，或者废弃土地缓慢再生为森林。

这种区分很重要，因为一些最重要的变化从太空很难看到。当天然森林被采伐并重新种植为人工林时，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，包括损失和增益。

（视频）

下一步#

森林类型 2020 地图〔发表于 Scientific Data〕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、企业、保护组织和科学家利用它们来构建无毁林供应链，将森林资金引导到需要的地方，并保护最重要的天然森林。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，也很想听听你如何使用它。ForTy 是我们「AI for Nature」研究组合的一部分，该组合还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在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。

探索森林类型 2020 地图

探索时间序列

下载数据

在 Earth Engine 中使用

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，以及帮助改进地图的可信测试者。