超越树冠覆盖：绘制全球森林类型图谱

# 超越树冠覆盖：绘制全球森林类型图 来源：https://deepmind.google/blog/beyond-tree-cover-mapping-the-worlds-forest-types/ 2026年10月22日 研究 一张全新的10米分辨率地图展示了全球哪些森林是天然林、人工林或经济林，以及它们随时间的变化情况 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，一片原始雨林、一片桉树人工林和一片油棕种植园看起来可能都是同一片绿色。但它们所储存的碳量和拥有的生物多样性却大不相同。分辨它们的类型，并了解每一片森林随时间的变化，能让我们看到保护工作在哪里取得了成效，以及天然林在哪里被转换成了人工林和农田。 今天，Google DeepMind 和 Google Research 联合世界资源研究所（WRI）和国际应用系统分析研究所（IIASA），正式发布 **Forest Typology (ForTy) 2020**（https://www.nature.com/articles/s41597-026-08299-5），这是一张全球地图，将地球上每一处10×10米的土地划分为六种不同的森林和土地利用类型，为欧盟的零毁林法规提供了关键基线数据。与此同时，我们还分享了一份早期时间序列数据，追踪了2017年至2025年间这些森林每年的变化情况，包括天然林被人工林或农田所取代的地区。用户首次可以在全球范围内以10米的精细尺度逐年查看——不仅是森林消失在哪里，还有什么取代了它：木材人工林、经济林作物或其他土地。 ## 为什么"树冠覆盖"还不够 所有森林都能储存碳，而且森林是全球大多数陆生物种的栖息地。但一片森林的生态价值还取决于其历史：从未被砍伐过的原始森林所储存的碳和拥有的生物多样性，远远超过每十年或二十年就被采伐一次的单一树种木材人工林。 大多数全球地图只标明是否有树木存在。这对于试图保护天然林的人来说是一个挑战。例如，欧盟的零毁林产品法规（EUDR）要求咖啡、可可或棕榈油等产品不得来自2020年时为森林、此后被转为农业用地的土地。同样，木材制品（如家具）也必须不涉及森林退化：它们不能来自后来被转为人工林或种植林的原始森林，也不能来自后来被转为人工林的天然更新林。因此，企业和监管机构不仅需要知道树木在哪里，还需要知道它们形成了什么类型的森林（原始或再生、种植或人工林、森林或农田），以及采伐后什么取代了那片森林。 去年，我们联合发布了 **Natural Forests of the World 2020**（https://research.google/blog/separating-natural-forests-from-other-tree-cover-with-ai-for-deforestation-free-supply-chains/），这是一张10米分辨率的全球地图，将天然林与其他所有树冠覆盖区分开来。它为帮助企业及监管机构实施欧盟零毁林法规、支持商品生产者履行不转化天然林的承诺提供了一个起点。那张地图对每一块土地回答了一个问题：2020年时它是否为天然林？ForTy 则更进一步，不仅展示那里是什么类型的森林——从原始森林到木材人工林再到经济林作物——还通过新的时间序列数据展示每年的变化。 ## ForTy 如何对全球森林进行分类 具体来说，ForTy 根据联合国粮食及农业组织（FAO）的定义，将土地划分为六个类别： 1. **原始森林**：没有任何明显人类干扰痕迹的原生森林。 2. **天然更新林**：依靠自身力量恢复的森林，例如在采伐或火灾之后。 3. **种植林**：由人工种植或播种，并进行长期管护的森林。 4. **人工林**：生长速度快、集约化管理的树木农场，通常为单一树种。 5. **经济林作物与农林复合**：种植非木材作物的农田，如油棕、橡胶、可可或水果。 6. **其他土地**：其余所有土地，包括草地、农田、城市和水域。 2020年的森林类型地图。每种颜色表示每平方公里内最常见的森林或土地类型。可在我们的 [Earth Engine 应用](https://nature-trace.projects.earthengine.app/view/forest-typology-2020)中以10米精度探索该地图。 训练我们的 ForTy 模型颇具挑战，因为这些类别部分取决于土地的利用方式，而不仅仅是其外观。为了教会模型区分这些类型，我们构建了一个大规模的森林类型样本库，包含约170万个标注位置，来源于专家调查、国家和地区数据集，以及针对模型薄弱区域的专项审查。模型采用了专为遥感数据挑战而设计的自定义架构，并以 [AlphaEarth Foundations embeddings](https://developers.google.com/earth-engine/datasets/catalog/GOOGLE_SATELLITE_EMBEDDING_V1_ANNUAL) 作为关键输入——这是对每个10米像素多年卫星观测数据的高度压缩摘要，使模型能够识别出种植模式、生长周期和采伐节律等细微线索。 从高空俯瞰，五种森林和经济林类别可能看起来很相似。ForTy 能够识别出区分它们的细微结构和季节模式差异，准确地在全球地图数据库中对它们进行分类。影像 © Google Earth，Maxar Technologies，Airbus ## 对地图进行验证 只有当人们能够信任一张地图时，它才是有用的。因此，我们与 IIASA 和 WRI 合作，在全球随机选取了超过9,000个地点对 ForTy 进行验证。在每个地点，两名经过培训的专家研究高分辨率影像和多年的卫星记录，确定那里实际存在的土地类型。ForTy 在90%的情况下选对了正确的森林类型，在95%的情况下正确区分了森林和非森林土地，优于其他全球森林地图。 除了精度，我们还知道全球自然保护不能一刀切。ForTy 不是给出一个非此即彼的标签，而是为每个类别提供概率分数，使用户能够根据区域背景和应用需求灵活调整分类精度。例如，一家根据 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合规风险。而估算森林总面积的研究人员则可能利用完整的概率谱来获得更全面的景观图景。 ## 从单一年份的快照到变化的故事 单一年份的地图是一个有用的基线，但森林在不断变化。我们的[新版早期时间序列数据](https://nature-trace.projects.earthengine.app/view/forest-typology)对2017年至2025年的每一年都应用了类似的方法。它不仅展示森林在哪里消失、在哪里恢复，还展示发生了什么类型的变化：例如天然林被转为木材人工林，或废弃土地逐渐恢复为森林。 这种区分非常重要，因为一些最重要的变化很难从太空中察觉。当一片天然林被采伐并重新种植为人工林时，土地很快又变绿了，因此标准的树冠覆盖地图可能无法捕捉到这种变化。ForTy 的时间序列让这些隐藏的变化——无论是损失还是增长——变得可见。 ## 接下来 Forest Typology 2020 地图（详见 *Scientific Data*）和新版时间序列数据现已在 Google Earth Engine 上以开放许可免费提供。我们希望政府、企业、保护组织和科学家能够利用它们来助力构建零毁林供应链、将森林资金引导到最需要的地方，并保护最重要的天然林。在接下来的几个月里，我们将与合作伙伴和用户一起持续改进时间序列数据，也非常欢迎您分享使用体验。ForTy 是我们[AI for Nature 研究系列](https://deepmind.google/blog/mapping-modeling-and-understanding-nature-with-ai/)的[一部分](https://developers.google.com/earth-engine/datasets/publisher/nature-trace)，该系列包括绘制森林损失驱动因素、预测毁林风险、建模全球物种分布以及实地监测生物多样性等研究。ForTy 也是 [Google Earth AI](https://ai.google/earth-ai/) 的最新成员——这是 Google 为应对地球最严峻环境挑战而打造的空间模型和数据集集合。 ## 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受信任测试用户。 ### AlphaEarth Foundations 以前所未有的精细度帮助绘制地球地图