DeepMind 公開 10 米全球森林分類地圖 ForTy

Google DeepMind 10 月 22 日公開 ForTy：10 米解像度的全球森林分類地圖

據 Google DeepMind 2026 年 10 月 22 日的公告，Google DeepMind 與 Google Research，聯同世界資源研究所（WRI）及國際應用系統分析研究所（IIASA），發布 Forest Typology（ForTy）2020 地圖，把地球上每一塊 10 米乘 10 米的土地，分成六類森林或土地用途。同時發布的還有一套早期時間序列，逐年追蹤 2017 年至 2025 年的變化，包括天然林在哪裡被換成人工林或農地。

六個分類按聯合國糧農組織定義，人工林與種植林以 40 年輪伐期劃界

據 Google Earth Engine 資料目錄的 ForTy v1 說明，六個類別分別是原始林（原生樹種、無可見人為干擾痕跡）、自然更新林（以自然更新為主，包括受干擾後恢復的次生林）、人工林（以種植或播種建立，輪伐期超過 40 年）、種植林（集約管理、一至兩個樹種、樹齡一致，輪伐期 40 年或以下）、樹木作物及農林業（油棕、橡膠、果園等非木材用途），以及其他土地。

Google DeepMind 在公告中表示，問題在於「從太空看，一片原始雨林、一個桉樹種植場同一個油棕園，可以是同一片綠色」，但三者的碳儲量與生物多樣性差別極大。該公司去年已與同一批夥伴發布 Natural Forests of the World 2020，當時只回答一條問題：某幅土地在 2020 年是否天然林。ForTy 進一步指出那是哪一種森林。

這張圖的用處先在歐盟法規：2020 年 12 月 31 日是零毀林的基準日

據刊於《Scientific Data》第 13 卷第 1434 號的論文，歐盟《零毀林產品條例》（EUDR）以 2020 年 12 月 31 日為基準日，要求進入歐盟市場的商品既不涉及毀林，亦不涉及森林退化。Google DeepMind 的公告指，咖啡、可可、棕櫚油等產品不得來自 2020 年屬森林、其後被改作農業用途的土地；木製品例如傢俬，亦不得來自其後被改成種植林或人工林的原始林。

論文補充，EUDR 把「毀林」（森林改作農業用途）與「森林退化」（森林用途之內的結構改變，例如原始林變成種植林）分開處理，而要監察這兩種過程，就需要一個記錄基準日當刻森林類型的靜態底圖，而不是單看有沒有樹。論文同時指出，按每公頃現存熱帶森林付款的熱帶森林永續基金（TFFF），同樣需要把種植林與樹木作物剔出合資格森林面積。

訓練用了 170 萬個標註地點，驗證在 8,190 個隨機樣點做

據《Scientific Data》論文，ForTy 用一條串連式深度學習流程，以 170 萬個全球分布的樣本訓練，從衛星影像嵌入（embeddings，把多年衛星觀測壓縮成每個像素一組數值的摘要）生成各類別的相對信心圖，方法結合弱監督學習與主動學習。Google DeepMind 的公告指，模型的關鍵輸入是 AlphaEarth Foundations 嵌入，因此可以看出種植圖案、生長周期與收割節奏等細微線索。

Google DeepMind 的公告指，驗證由 IIASA 與 WRI 共同進行，每個樣點由兩名受訓專家查看高解像度影像及多年衛星紀錄，判斷實際屬於哪一類；結果 ForTy 「表現優於其他全球森林地圖」。

輸出的不是標籤而是機率，使用者自行決定門檻

據 Earth Engine 資料目錄，ForTy 的主要資料是一個五波段的 8 位元整數柵格，數值 0 至 250 代表五個森林類別的量化機率，第六類「其他土地」的機率由 250 減去前五項之和得出；把每個像素分配給機率最高的類別，就可以還原成一張分類圖。

Google DeepMind 解釋這個設計的用意：在 EUDR 之下評估毀林風險的公司，可以把門檻設得很嚴，只接受模型極有把握的像素以避開監管風險；而估算森林總面積的研究人員，則可以用整個機率區間。公告又指，當天然林被砍伐後改種成種植林，土地很快又變回綠色，一般的樹冠覆蓋地圖未必察覺到這種變化，而時間序列正是要令這類「隱形」的改變顯示出來。

來源

• Beyond tree cover: mapping the world's forest types（Google DeepMind 公告）
• Global forest typology at 10-meter resolution for forest and land-use monitoring（Scientific Data 論文）
• Forest Typology (ForTy) 2020 v1.0（Earth Engine 資料目錄，資料規格）