Google DeepMind与WRI、IIASA发布 10 米分辨率全球森林类型图ForTy 2020
谷歌DeepMind和谷歌研究院称，ForTy 2020将全球每块 10×10 米土地划为六类森林或土地利用类型，并附 2017—2025 年逐年变化时间序列，服务于欧盟零毁林法规（EUDR）等用途。团队称，在 9000 多个随机抽样点上，类型判别准确率 90%、森林与非森林区分准确率 95%。
AI解读：ForTy 2020把全球土地按FAO定义分为六类：原始林、自然再生林、人工种植林、种植园林、树木作物与农林复合、其他土地。来源称它是欧盟零毁林法规的一项关键基准。
配套的早期时间序列覆盖 2017—2025 年，逐年显示森林消失或恢复，并区分变化类型，例如天然林转为木材种植园，或弃耕地逐步恢复为森林。
团队用约 170 万个带标签位置训练模型，输入包括AlphaEarth Foundations的卫星观测嵌入摘要，以识别种植模式、生长周期和采伐节奏等线索。
验证由IIASA和WRI参与，在 9000 多个随机点上由两名专家对照高分辨率影像和多年卫星记录判定真实类型；团队称其结果优于其他全球森林图。
ForTy不只输出单一类别，还为每个类别给出概率分数，用户可按欧盟合规审查或科研估算等不同场景设置严格程度。
地图与时间序列已在Google Earth Engine上以开放许可免费提供；团队称未来数月将继续改进时间序列。以上准确率与“优于其他全球森林图”均为团队自述。
谷歌DeepMind和谷歌研究院于 10 月 22 日宣布，与World Resources Institute（WRI）、International Institute for Applied Systems Analysis（IIASA）联合发布Forest Typology（ForTy）2020。这是一张全球地图，把地球表面每块 10×10 米土地划入六种森林或土地利用类型之一，团队称其是欧盟零毁林法规（EUDR）的一项关键基准。
同时发布的还有一份早期时间序列，逐年追踪 2017 年至 2025 年这些森林类型的变化，包括天然林被种植园或农田取代的位置。团队称，用户第一次能在全球 10 米细节上逐year看到森林消失后由什么取代：木材种植园、树木作物农场还是其他土地。
六类划分与时间序列
ForTy依据联合国粮农组织（FAO）的定义把土地分为六类：原始林（无可见人为干扰的原生林）、自然再生林（采伐或火灾后自行恢复的森林）、人工种植林（人工种植并长期经营）、种植园林（快速生长、集约经营、常为单一树种的林场）、树木作物与农林复合（种植油棕、橡胶、可可或水果等非木材产品的农场），以及其他土地（草地、农田、城市、水域等）。
单年地图是基准，时间序列则处理变化。团队称，天然林被采伐后重新种成种植园，土地很快又会变绿，普通树冠覆盖图可能识别不出这种变化；ForTy的时间序列试图让这类“隐形变化”可见，同时记录损失与恢复。
训练数据与验证结果
团队称，这些类别部分取决于土地利用方式而不只是外观，因此训练难度较高。他们构建了约 170 万个带标签位置的森林类型样本集，来源包括专家调查、国家和区域数据集，以及针对模型出错地点的定向复核。模型以AlphaEarth Foundations嵌入为关键输入，即对每个 10 米像素多年卫星观测的紧凑摘要，用来捕捉种植模式、生长周期和采伐节奏等线索。
验证由IIASA和WRI参与，在 9000 多个随机选取的点上进行，每点由两名受过训练的专家对照高分辨率影像和多年卫星记录判定真实土地类型。团队称，ForTy判别森林类型的正确率为 90%，区分森林与非森林土地的准确率为 95%，并称其表现优于其他全球森林地图。
概率输出与使用方式
ForTy不只给出是或否的单一标签，而是为每个类别提供概率分数，用户可据此调整分类以适配区域情况或在精度上取舍。团队举例：按EUDR评估毁林风险的企业可能设置严格阈值，只接受模型高度确定的像素以规避监管风险；估算森林总面积的科研人员则可能使用完整概率谱，获得更完整的潜在景观图景。
发布方式与后续计划
ForTy 2020地图（相关论文发表于Scientific Data）和时间序列现已在Google Earth Engine上以开放许可免费提供。团队称，未来数月将与合作伙伴和用户继续改进时间序列，并把ForTy归入其“AI for Nature”研究组合和Google Earth AI数据集。上述准确率、对比结论及“关键基准”的定位均出自团队自述，来源未给出第三方独立复现结果。