Google DeepMind 推出 AI 森林地圖 ForTy，精準辨識全球森林類型

Google DeepMind 與世界資源研究所合作開發了 ForTy，這是一款利用 AI 技術繪製的全球地圖，能區分原始森林、木材種植園和樹木作物農場。傳統衛星地圖通常只顯示某區域是否有樹木生長，卻無法辨識森林或作物的類型。

ForTy（Forest Typology 的縮寫）更進一步，以 10 公尺的解析度將 2020 年全球陸地劃分為六種類別。這些類別包括原始森林、自然再生林、人工林、種植園、油棕、橡膠或可可等樹木作物，以及其他土地。作者表示 ForTy 是首個此類型的全球地圖，而歐洲委員會等早期資料集僅涵蓋世界部分地區。

這項計畫的主要推動因素是歐盟的《無毀林產品法規》（EUDR），該法規禁止銷售與 2020 年 12 月 31 日之後被砍伐或退化的森林相關的商品，包括原始森林轉為種植園後生產的產品。油棕和可可農場被視為農業用地，因此評估供應鏈風險的公司需要了解該地點在 2020 年的用途。

ForTy 為這些公司提供了 2020 年的參考點，並可應用於其他依賴此類資料的倡議，例如「熱帶森林永續設施」（TFFF）以及聯合國在 2030 年前保護全球 30% 土地的目標。

DeepMind 表示，建立這個參考點很困難，因為森林的類型取決於其歷史，而不僅僅是外觀。從太空看，一片古老的人工混和林可能與天然林相似；而即使衛星影像顯示光禿禿的地面，一片近期砍伐的種植園在定義上仍算作森林。該模型利用種植模式、生長週期和收穫時間表，區分了五種視覺上相似的森林和樹木作物類別。

為了區分這些類別，ForTy 運行在 Google DeepMind 的 AlphaEarth Foundations 模型上，該模型將來自多個衛星的資料壓縮成每個像素的簡潔描述。數個影像辨識模型再根據這些描述進行建構，首先是一個從驗證範例中學習的模型。

第一個模型的預測結果，結合樹木高度、建築物和森林流失等外部資料，成為第二個模型的擴展訓練資料。最後一步是綜合分析數年的資料，以平滑異常值。Google 的 Gemini 語言模型也協助將舊的訓練資料調整以符合歐盟的定義。

在這些修正回合中，專家們新增了約 43,000 個範例，以解決錯誤，例如歐洲的葡萄園被歸類為樹木作物、中美洲的天然松林被標記為人工林，以及非洲和印尼的油棕被遺漏等。即使經過這些修正，有些區別單靠衛星仍無法達成。衛星影像很少能顯示土地如何管理，因此研究人員使用 40 年的輪作週期來區分種植園和其他人工林，但這個劃分標準並不適用於所有地區。

ForTy 在種植園和樹木作物方面的可靠性較低。為了驗證地圖，兩位專家審查了 8,190 個隨機選定的地點，發現其正確率為 90.2%。作者警告說，這個總體分數很大程度上得益於易於辨識的「其他土地」類別。

結果因森林類型而異。地圖正確識別了 89% 經專家實地確認的原始森林，但對於樹木作物和人工林僅識別出約一半，種植園則為 60%。反過來看，約四分之一到三分之一被標記為種植園或樹木作物的區域被錯誤分類，而三分之一被標記為人工林的區域也是錯誤的。

這些差距正好影響了 EUDR 最關鍵的界線，且評估中的不確定性也可能使結果看起來比實際情況稍好。專家們最常對管理區域感到不確定，而團隊將這些不確定案例排除在評估之外。儘管如此，ForTy 在相同的測試資料上，仍優於歐盟委員會專為 EUDR 製作的地圖，在森林與非森林分類方面得分 95.5%，相較於 93.6%；在森林類型分類方面得分 90.9%，相較於 87.8%。

該模型也繼承了其訓練資料的一個弱點，即標註者很少將靠近道路或聚落的森林歸類為原始森林，即使這些森林看起來未受影響。

研究人員估計全球約有 41 億公頃的森林，其中近 39 億公頃為天然林，約 20 億公頃為原始森林。人工林覆蓋約 2.5 億公頃，樹木作物則近 2 億公頃，主要分佈在亞洲。區域性錯誤使情況更加複雜。地圖高估了亞洲約 2 億公頃的原始森林，主要位於俄羅斯的針葉林。而在非洲，地圖則遺漏了約 9,400 萬公頃的森林，這可能是由於開放式乾旱森林和稀樹草原所致。

樹木作物和種植園在東南亞佔主導地位，而瑞典和芬蘭的大部分森林面積則為人工林。瑞典約三分之二的森林面積是人工種植的，天然林僅佔全國約五分之一。作者表示，雖然瑞典的整體樹木覆蓋率可能足夠，但對生物多樣性至關重要的天然林比例可能極低。剛果民主共和國、印尼和巴西擁有最高的天然林比例。

除了這些區域性錯誤，某些土地利用類型仍然難以分類。在某些地區，地圖仍將天然林冠下種植的遮蔭可可或咖啡標記為森林，選擇性伐木或燒毀的森林也造成困擾。ForTy 尚未為歐盟 EUDR 單獨處理的開放式林地設立獨立類別，儘管研究人員表示未來版本應會新增。使用者可以利用資料集對每個類別的置信度分數，設定自己的閾值，進行自訂分類。

這張地圖、分類圖層和測試資料均在 CC BY 4.0 授權下免費提供，包括在 Google Earth Engine 中。Google DeepMind 已在 GeeFlow 和 JEO 儲存庫中發布了相關程式碼。DeepMind 於 2025 年 7 月推出了底層的 AlphaEarth Foundations 模型，它被視為一種虛擬衛星。

該模型將光學衛星影像、雷達、雷射掃描和氣候模擬結合，壓縮成每個 10x10 公尺區域的簡潔描述，自 2017 年以來的年度嵌入資料可在 Google Earth Engine 中免費取得。ForTy 是首批基於這些嵌入資料的大型繪圖專案之一，Google 表示，它是 Earth AI 計畫的一部分。

這項連結將該專案納入更廣泛的努力中，因為 Google 在 2025 年秋季將 Earth AI 與 Gemini 連結，以協助更快地偵測洪水、乾旱和藻華。