超越树木覆盖率：ForTy 以 10 米分辨率绘制全球森林类型地图

October 22, 2026 研究

Maxim Neumann 和 Charlotte Stanton

一张分辨率为 10 米的新地图展示了全球哪些森林是天然林、人工林或农业种植林，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：我们看到的是什么类型的森林？从太空看，原始雨林、桉树种植园和油棕种植园可能看起来都是同样的一片绿色。但它们的碳储量和生物多样性水平却大不相同。区分它们，并了解每片土地随时间发生的变化，能让我们看清哪些地方的保护工作正在奏效，以及哪些地方的天然林正被转变为种植园和农场。

今天，Google DeepMind 和 Google Research 携手世界资源研究所（WRI）及国际应用系统分析研究所（IIASA），共同发布 Forest Typology (ForTy) 2020。这张全球地图将地球上每块 10 米 × 10 米的土地划分为六种不同的森林和土地利用类型，为欧盟的森林砍伐法规提供关键基准。与此同时，我们还分享了一套初步的时间序列数据，追踪这些森林从 2017 到 2025 年每年的变化，包括哪些地方的天然林被种植园或农场取代。用户首次能够以 10 米的精细程度，逐年查看全球范围内不仅哪些地方的森林消失了，还能看到取而代之的是什么：用材林种植园、树木作物农场或其他土地。

为什么仅有“树木覆盖”还不够

所有森林都储存碳，而且总体而言，森林是全球大多数陆生动植物物种的家园。但森林的生态价值也取决于其历史：一片从未被清除过的原始林，其碳储量和生物多样性水平远高于每隔十年或二十年就采伐一次的单一树种用材林种植园。

大多数全球地图只标示是否存在树木。这给致力于保护天然林的人们带来了挑战。例如，欧盟《零毁林产品法规》（EUDR）要求，咖啡、可可或棕榈油等产品不得来自 2020 年时仍为森林、此后被转为农业用途的土地。同样，家具等木制品也必须不涉及森林退化：它们不能来自此后被转变为种植园林或人工种植林的原始林，也不能来自此后被转变为种植园林的自然更新林。因此，企业和监管机构不仅需要知道哪里有树，还需要知道这些树构成了哪种森林（原始林还是再生林、人工种植林还是种植园林、森林还是农场），以及采伐后什么取代了这片森林。

去年，我们联合发布了2020 年世界天然林，这是一张分辨率为 10 米的全球地图，将天然林与其他所有树木覆盖区域区分开来。它提供了一个起点，帮助企业和监管机构实施欧盟《森林砍伐法规》，并支持大宗商品生产商履行不将天然林转作他用的承诺。那张地图为每块土地回答了一个问题：它在 2020 年是否为天然林？ForTy 则更进一步，展示那里具体是哪种森林，从原始林到用材林种植园，再到树木作物种植地，并借助新的时间序列数据，展示其每年的变化。

ForTy 如何对全球森林进行分类

具体而言，ForTy 根据联合国粮食及农业组织（FAO）的定义，将土地划分为六类：

1. 原始森林：没有明显人类干扰迹象的天然森林。
2. 自然再生林：自行恢复生长的森林，例如在采伐或火灾后重新长出的森林。
3. 人工林：由人们种植或播种，并以较长周期进行管理的森林。
4. 集约人工林：生长迅速、实行集约化管理的林木种植园，通常只有单一树种。
5. 树木作物与农林复合经营：种植木材以外产品的农场，例如油棕、橡胶、可可或水果。
6. 其他土地：其余所有类型，从草地和农田到城市和水域。

训练我们的 ForTy 模型颇具挑战性，因为这些类别部分取决于土地的使用方式，而不仅仅是其外观。为了让模型学会区分，我们建立了一个大规模森林类型样本集，包含约 1.7 million 个带标签的位置，来源包括专家调查、国家和区域数据集，以及对模型难以判断的地点开展的针对性审查。该模型采用了专为应对遥感数据挑战而设计的定制架构，并将 AlphaEarth Foundations 嵌入作为关键输入。这些嵌入以紧凑的数据形式，汇总了每个 10 米像素多年的卫星观测信息，使模型能够识别种植模式、生长周期和采伐节奏等细微线索。

检验地图

只有值得信赖，地图才有用。因此，我们与 IIASA 和 WRI 合作，在全球随机选取的 9,000 多个地点对 ForTy 进行了验证。在每个地点，两名经过培训的专家研究了高分辨率影像和多年的卫星记录，以确定那里实际存在的土地类型。ForTy 判断森林类型的准确率为 90%，区分森林与非森林土地的准确率为 95%，表现优于其他全球森林地图。

除了准确性，我们也深知，全球保护工作不能采用一刀切的方式。ForTy 不会对某块特定土地给出非此即彼的标签，而是为每个类别提供概率评分，让用户能够根据区域情况，以及具体应用对精确度的权衡需求来调整分类。例如，一家依据 EUDR 评估毁林风险的公司可能会设定严格的阈值，只接受模型高度确定的像素，以避免监管风险。与此同时，估算森林总面积的研究人员则可能利用完整的概率分布，更全面地了解潜在的景观状况。

从单一时点的快照到变化的故事

单一年度的地图是有用的基准，但森林会发生变化。我们新推出的早期发布版时间序列将类似方法应用于 2017 至 2025 的每一年。它不仅展示森林在哪里消失、在哪里重新生长，还展示发生了何种变化：例如，天然林变成了用材人工林，或废弃土地逐渐自然恢复成森林。

这种区分很重要，因为一些最重要的变化很难从太空中看出来。当天然林被砍伐并改种为人工林后，土地很快就会重新呈现绿色，因此标准的树木覆盖地图可能无法识别这种变化。ForTy 的时间序列让这些隐蔽的变化变得可见，无论是损失还是增长。

下一步

Forest Typology 2020 地图［在 Scientific Data 中有介绍］和新的时间序列现已根据开放许可在 Google Earth Engine 上免费提供。我们希望政府、企业、自然保护组织和科学家能够利用它们，帮助建立零毁林供应链，将森林资金引导至有需要的地方，并保护最重要的天然林。未来几个月，我们将继续与合作伙伴和用户一起改进时间序列，也很希望了解你们如何使用它。ForTy 是我们AI for Nature 研究项目组合的一部分，这些研究包括绘制森林损失驱动因素地图、预测毁林风险、对全球物种分布进行建模，以及在野外监测生物多样性。FortTy 也是 Google Earth AI 的最新成员；Google Earth AI 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严峻的环境挑战。

致谢

这项工作由 Google DeepMind 和 Google Research 与世界资源研究所及国际应用系统分析研究所共同开发。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，以及帮助改进地图的可信测试者。