Aioga
AI资讯 / 行业动态
返回 AI资讯

Google DeepMind 用卫星数据和 AI 绘制全球森林类型地图 ForTy

The Decoder:AI NewsAioga 编辑团队2026-10-31T10:15:45.000Z热度 58

Google DeepMind 与世界资源研究所联合开发了 ForTy,这是首个全球森林类型地图,以 10 米分辨率将 2020 年全球土地划分为 6 类,包括原始森林、天然再...

行业动态The Decoder:AI News

今日 AI 情报摘要

Google DeepMind 与世界资源研究所联合开发了 ForTy,这是首个全球森林类型地图,以 10 米分辨率将 2020 年全球土地划分为 6

类,包括原始森林、天然再生林、人工林、种植园、油棕橡胶可可等树木作物及其他土地。 该地图主要为欧盟无毁林产品法规(EUDR)提供 2020 年基准,在 8190 个随机抽样点的专家复核中整体准确率为 90.2%,但对树木作物和人工林仅识别出约一半。

中文正文 · AI 翻译

谷歌DeepMind和世界资源研究所开发了ForTy,一种能够区分全球原始森林、木材种植园和树木作物农场的人工智能地图。

Image description

卫星地图通常只能显示某个地区是否有树木生长,但无法识别森林或作物类型。ForTy,全称Forest Typology(森林类型学),更进一步,将2020年的全球土地划分为6类,分辨率为10米。这些类别包括原始森林、自然再生林、人工林、种植园森林、如油棕、橡胶或可可等树木作物及其他土地。作者表示,ForTy是首个此类全球地图。早期的数据集,包括欧盟委员会的数据,仅覆盖世界的部分地区。

The map shows the most common forest or land use class in each square kilometer, while the underlying data has a resolution of 10 meters.

该项目背后的主要推动力是欧盟《无毁林产品条例》(EUDR):https://www.ble.de/DE/Themen/Wald-Holz/Entwaldungsfreie-Produkte/Was-ist-die-EUDR/EUDR-Info_node.html,该条例禁止与2020年12月31日后被清理或退化的森林有关的商品,包括在原始森林转为种植园后生产的商品。油棕和可可农场被视为农业用地,因此评估供应链风险的公司需要了解地块在2020年的使用情况。

ForTy为他们提供了2020年的基准参考点,并且也可以为依赖相同类型数据的其他项目提供支持,包括热带森林永续基金(Tropical Forest Forever Facility, TFFF)以及联合国到2030年保护全球30%土地的目标。

DeepMind表示,建立这一基准点非常困难,因为森林类型取决于其历史,而不仅仅是外观。一片历史悠久的人工混交林从卫星上看可能像自然林,而一片新近清理的种植园即使卫星图像显示裸地,按定义仍然算作森林。

The model distinguishes the 5 visually similar forest and tree crop classes using planting patterns, growth cycles, and harvest schedules.

为了区分这些类别,ForTy运行在谷歌DeepMind的AlphaEarth Foundations模型上,该模型将来自多颗卫星的数据压缩为每个像素的紧凑描述。若干图像识别模型在这些描述的基础上构建,从第一个以已验证示例进行学习的模型开始。

第一个模型的预测结果,加上有关树木高度、建筑物和森林损失的外部数据,成为第二个模型的扩展训练数据。最后一步是将数年的数据一起分析,以平滑异常值。谷歌的Gemini语言模型也帮助将旧的训练数据适配到欧盟的定义。

ForTy trains 3 models in sequence and improves its training data through several rounds of active learning focused on areas where the map made mistakes.

在这些纠正轮次中,专家增加了约43,000个示例,以纠正诸如欧洲的葡萄园被归类为树木作物、中美洲的天然松树林被标记为人工林、非洲和印度尼西亚的油棕被遗漏等错误。

即使有这些修正,一些区分仍然仅凭卫星是无法达到的。卫星图像很少显示土地的管理方式,因此研究人员使用40年的轮作周期来区分种植园和其他人工林,而这个界限并不适用于每个地区。

为了检查地图,2名专家审核了随机选择的8,190个地点,发现其中90.2%的情况是正确的。作者警告说,这一总体得分很大程度上因容易识别的“其他土地”类别而被提升。

结果因森林类型而差异很大。地图正确识别了专家在实地确认的89%的原始森林,但仅发现大约一半的树木作物和人工林,以及60%的种植园。从另一个角度看,大约四分之一到三分之一的标记为种植园或树木作物的区域实际上被错误分类,而标记为人工林的区域中有三分之一是错误的。

这些差距涉及欧盟尽职调查条例(EUDR)最关心的边界,而且评估中的不确定性也可能使结果看起来略好于实际。专家最常对管理区域感到不确定,而团队在评估中排除了这些不确定情况。

ForTy在同一测试数据上仍然优于专门为EUDR制作的欧盟委员会地图,在森林与非森林分类上得分为95.5%,而欧盟委员会地图得分为93.6%;在森林类型上得分为90.9%,而欧盟委员会地图为87.8%。

该模型还继承了其训练数据的一个弱点,因为其标注员很少将靠近道路或居民点的森林分类为原始森林,即使这些森林看起来未受破坏。

研究人员估计,全球大约有41亿公顷森林,其中近39亿公顷为天然森林,大约20亿公顷为原始森林。人工造林覆盖约2.5亿公顷,树木作物覆盖近2亿公顷,主要集中在亚洲。

地区性误差使情况更复杂。该地图高估了亚洲的原始森林面积约2亿公顷,这主要发生在俄罗斯的针叶林。在非洲,地图反而遗漏了大约9400万公顷的森林,这可能是由于开阔干旱林和稀树草原的原因。

Tree crops and plantations dominate in Southeast Asia, while planted forests account for most of the forest area in Sweden and Finland.

瑞典约三分之二的森林是人工种植的,天然森林仅覆盖全国约五分之一。作者表示,总体而言,该国树木覆盖可能足够,但天然森林的比例——对生物多样性至关重要——可能严重偏低。刚果民主共和国、印度尼西亚和巴西的天然森林比例最高。

除了这些地区性误差外,一些土地使用类别仍然难以分类。在某些地区,地图仍将生长在天然林冠下的遮荫可可或咖啡标记为森林,选择性砍伐或烧毁的森林也同样存在问题。

ForTy 还没有为开阔林地设置单独类别,而欧盟森林数据注册(EUDR)是单独分类的,尽管研究人员表示未来版本应增加这一类别。用户可以使用数据集提供的各类置信度分数自行进行分类选择,并设定自己的阈值。

地图:https://doi.org/10.25452/figshare.plus.32288616,分类图层:https://doi.org/10.25452/figshare.plus.32301177,测试数据:https://doi.org/10.25452/figshare.plus.33093404 可在 CC BY 4.0 许可下自由使用,包括在 Google Earth Engine 中。谷歌 DeepMind 已在 GeeFlow:https://github.com/google-deepmind/geeflow 和 JEO:https://github.com/google-deepmind/jeo 代码库中发布了代码。

Deepmind 在 2025 年 7 月推出了基础 AlphaEarth Foundations 模型,作为一种虚拟卫星:https://the-decoder.com/google-deepmind-unveils-an-ai-model-that-acts-as-a-virtual-satellite-for-mapping-the-entire-planet/。它将光学卫星图像、雷达、激光扫描和气候模拟结合起来,对每块 10×10 米的区域进行紧凑描述,并且从 2017 年开始的年度嵌入可以在 Google Earth Engine 免费获取。

ForTy 是基于这些嵌入构建的首批大型绘图项目之一,Google 表示,它是 Earth AI 的一部分。这种关联将该项目纳入更广泛的努力中,因为 Google 在 2025 年秋季将 Earth AI 与 Gemini 连接:https://the-decoder.com/google-integrates-earth-ai-and-gemini-language-models-for-what-it-calls-geospatial-reasoning/,以便更快地检测洪水、干旱和藻类暴发。

保持对 AI 的关注。清晰、有用,无废话。

关注 The Decoder 获取 AI 新闻、背景故事和专家分析。

解码器:https://the-decoder.com/

情报判断

Aioga 编辑摘要

Google DeepMind 与世界资源研究所联合开发 ForTy,将 2020 年全球土地以 10 米分辨率划分为六类森林、种植和其他土地类型,旨在提供与欧盟无毁林产品法规相关的基准地图。

背景分析

ForTy 试图区分原始森林、天然再生林、人工林、种植园、油棕橡胶可可等树木作物及其他土地。材料称其在 8190 个随机抽样点的专家复核中整体准确率为 90.2%,但树木作物和人工林的识别约为一半。

Aioga 观点

Aioga 判断:ForTy 的价值不只在于提高地图分辨率,更在于把森林类型与 2020 年这一法规基准联系起来。不过,部分类别识别能力有限,意味着其更适合作为风险评估参考,而非单独结论。

影响与后续

可能影响:ForTy 可能为供应链地点核查、热带森林相关计划和土地保护目标提供基础数据,但类别误判仍可能影响判断;使用者需要结合专家复核及其他数据,不代表地图结果足以独立证明合规或违规。 后续观察:应关注 ForTy 在不同地区、树木作物和人工林类别上的验证结果,以及其与欧盟定义、企业供应链核查流程和其他土地数据的衔接方式。

来源与版权说明

本页正文由公开来源页面提取并按原有信息整理,同时保留来源、发布时间和原文入口。版权归原作者及来源网站所有,请通过原文链接核验和阅读来源版本。

抓取通道: 摘要聚合 · 原始域名: the-decoder.com

来源: The Decoder:AI News

原文链接: 打开原始来源

Aioga 归档: 查看情报页

Content record: source-page · Updated: 2026-10-31T10:15:45.000Z

API 中转站
API RELAY · DEVELOPER INFRASTRUCTURE

API 中转站

统一接入主流 AI 模型 API,为开发、测试与生产环境提供稳定调用入口。

立即访问 api.w173.com
AIOGA SHARE POSTER

分享这篇 AI 情报

Google DeepMind 与世界资源研究所联合开发了 ForTy,这是首个全球森林类型地图,以 10 米分辨率将 2020 年全球土地划分为 6 类,包括原始森林、天然再...

The Decoder:AI News2026-10-31T10:15:45.000Z
扫码打开文章详情扫码直达文章详情

Aioga 自动聚合全球 AI 动态,并保留来源信息用于核验与引用。