--- title: "ForTy绘制全球森林类型地图并追踪逐年变化" canonical: "https://siyuanailab.com/curation/translations/c206c64a3fd4b96d9facc92e4d9ba421-7503a257b2aff682ff5b59910b775729100a59f549ec81689255a78b1584352e/" dateModified: "2026-10-23" datePublished: "2026-10-23" --- [返回日报条目](https://siyuanailab.com/curation/#entry/c206c64a3fd4b96d9facc92e4d9ba421) 资料节译 # ForTy绘制全球森林类型地图并追踪逐年变化 [阅读原文](https://deepmind.google/blog/beyond-tree-cover-mapping-the-worlds-forest-types) 现有资料无法确认原文完整，本页只翻译已取得的材料。 现有原件无法确认图片是否齐全。 # 超越树木覆盖：绘制全球森林类型图 一幅全新的 10 米分辨率地图揭示全球森林属于天然林、人工林还是农场，以及它们如何随时间变化 保护地球森林，首先要回答一个简单的问题：我们看到的是什么类型的森林？从太空俯瞰，原始雨林、桉树种植园和油棕园看起来可能都是同一片绿色。但它们储存的碳和拥有的生物多样性大不相同。区分这些林地，并了解每一片林地随时间发生的变化，可以让我们看到保护工作在哪些地方取得成效，以及天然林正在何处转变为种植园和农场。 今天，Google DeepMind 和 Google Research 与世界资源研究所（WRI）及国际应用系统分析研究所（IIASA）共同发布[森林类型图（ForTy）2020](https://www.nature.com/articles/s41597-026-08299-5)。这是一幅全球地图，将地球上每一块 10 米见方的土地划分为六种不同的森林和土地利用类型，是欧盟《零毁林条例》的一项重要基准数据。我们还分享了一组初步时间序列，追踪 2017 至 2025 年间这些森林每年的变化，包括天然林被种植园或农场取代的地点。用户首次能够以 10 米的精细度逐年查看全球情况，不仅知道森林在哪里消失，还能看到取而代之的是什么：木材种植园、树木作物农场或其他土地。 ## 为什么“树木覆盖”还不够 所有森林都能储存碳，而且森林共同为全球大多数陆生植物和动物物种提供栖息地。但森林的生态价值也取决于其历史：从未被砍伐过的原始森林，比每隔十年或二十年就采伐一次的单一树种木材种植园储存更多碳，拥有更丰富的生物多样性。 大多数全球地图只标示某地是否有树木。这给试图保护天然林的人带来了挑战。例如，欧盟《零毁林产品条例》（EUDR）要求咖啡、可可或棕榈油等产品不得来自 2020 年曾是森林、此后已转为农业用地的土地。同样，家具等木制品也必须避免森林退化：它们不得来自此后已转为种植园或人工林的原始森林，也不得来自此后已转为种植园林的天然再生林。因此，企业和监管机构不仅需要知道树木在哪里，还要知道这些树木组成了什么类型的森林（原始林还是再生林、人工林还是种植园、森林还是农场），以及采伐后这片森林被什么取代。 去年，我们共同发布了[2020 年全球天然林](https://research.google/blog/separating-natural-forests-from-other-tree-cover-with-ai-for-deforestation-free-supply-chains/)地图。这是一幅 10 米分辨率的全球地图，将天然林与所有其他树木覆盖区区分开来。它提供了一个起点，帮助企业和监管机构落实欧盟《零毁林条例》，并支持大宗商品生产商履行不转化天然林的承诺。这幅地图回答了每一块土地上的一个问题：它在 2020 年是不是天然林？ForTy 更进一步，展示当地森林的类型，从原始林到木材种植园，再到树木作物；配合新的时间序列，还能展示这些类型每年如何变化。 ## ForTy 如何划分全球森林类型 具体而言，ForTy 根据联合国粮食及农业组织（FAO）的定义，将土地分为六类： - 原始林：没有明显人为干扰迹象的本土森林。 - 天然再生林：自行恢复生长的森林，例如在采伐或火灾后重新长成的森林。 - 人工林：由人们种植或播种，并以较长轮伐周期进行管理的森林。 - 种植园林：生长迅速、集约管理的树木农场，通常只种植一个树种。 - 树木作物与农林业：种植木材以外产品的农场，例如油棕、橡胶、可可或水果。 - 其他土地：其余所有土地，包括草地、耕地、城市和水域。 训练 ForTy 模型颇具挑战，因为这些类别部分取决于土地的用途，而不只是外观。为了教会模型区分这些类别，我们建立了一个大规模森林类型样本集，包含约 170 万个带标签地点，数据来自专家调查、国家和区域数据集，以及针对模型难以判别地点开展的专项审查。模型采用专为遥感数据挑战设计的定制架构，并将[AlphaEarth Foundations 嵌入](https://developers.google.com/earth-engine/datasets/catalog/GOOGLE_SATELLITE_EMBEDDING_V1_ANNUAL)作为关键输入。这些嵌入以紧凑的数据摘要形式呈现每个 10 米像素多年来的卫星观测记录，帮助模型发现种植模式、生长周期和采伐节律等细微线索。 ## 检验地图 只有人们信任地图，它才有用。因此，我们与 IIASA 和 WRI 一起，在全球范围内随机选取了 9,000 多个地点，对 ForTy 进行了验证。在每个地点，两位受过训练的专家研究高分辨率影像和多年的卫星记录，以确定当地实际的土地类型。ForTy 判对森林类型的比例为 90%，区分森林与非森林土地的正确率为 95%，表现优于其他全球森林地图。 除了准确度，我们也知道，全球保护工作并非处处适用同一套做法。ForTy 不会给特定地块贴上“是”或“否”的标签，而是为每个类别提供概率分数，让用户根据区域情况和具体应用对精度的取舍来调整分类方式。例如，依据 EUDR 评估毁林风险的公司可能会设定严格阈值，只接受模型判断把握很高的像素，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范围，更全面地了解潜在的景观状况。 ## 从单一年份的快照到变化历程 单一年份的地图可以作为有用的基准，但森林会发生变化。我们的[最新初步发布的时间序列](https://nature-trace.projects.earthengine.app/view/forest-typology)将类似方法应用于 2017 至 2025 年的每一年。它不仅显示森林在哪里消失、在哪里重新生长，也显示发生了哪种变化：例如天然林转变为木材种植园，或废弃土地逐渐恢复为森林。 这种区分很重要，因为从太空很难发现一些最重要的变化。天然林被采伐并重新种植为种植园后，土地很快又会呈现绿色，因此标准的树木覆盖地图可能察觉不到这一变化。ForTy 的时间序列让这些隐蔽的变化显现出来，包括森林的损失和增加。 ## 下一步 《科学数据》上介绍的《森林类型图 2020》和新的时间序列现已在 Google Earth Engine 上以开放许可免费提供。我们希望政府、企业、保护组织和科学家使用这些数据，帮助建立零毁林供应链、将森林资金投向需要的地方，并保护最重要的天然林。未来几个月，我们将与合作伙伴和用户继续改进时间序列，也期待了解你们如何使用它。ForTy 是我们[研究项目组合](https://developers.google.com/earth-engine/datasets/publisher/nature-trace)中[自然领域 AI](https://deepmind.google/blog/mapping-modeling-and-understanding-nature-with-ai/)研究的一部分，该研究还包括绘制森林损失驱动因素、预测毁林风险、模拟全球物种分布，以及在实地监测生物多样性。FortTy 也是[Google Earth AI](https://ai.google/earth-ai/)的最新成果。Google Earth AI 汇集了一系列地理空间模型和数据集，旨在帮助应对地球面临的最严峻环境挑战。 ## 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。我们感谢合著者 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，也感谢帮助改进地图的可信测试人员。 AI 翻译；具体表述请与原文对照。