Google ForTy 以十米分辨率区分六类森林与土地

ForTy 解释“绿色像素”对应什么土地

Google DeepMind、Google Research、世界资源研究所与国际应用系统分析研究所于 10 月 22 日宣布 Forest Typology 2020，简称 ForTy。这张全球地图以十米分辨率将土地分为六类：原生林、自然恢复林、人工栽植林、集约经营的人工林、树作物及农林复合经营地，以及其他土地。另有一份 2017 至 2025 年的年度变化时间序列，官方明确标为早期版本。2020 年静态地图与早期年度序列的成熟度不同，不能把后者默认为已经完全验证的历史记录。

分类的重要性在于，天然林被砍伐后换种木材人工林或油棕等树作物，卫星图上可能仍是一片绿色。只识别树冠有无的二元地图，会漏掉生态价值和供应链规则关心的差别。合作方把 ForTy 与无毁林供应链及欧盟相关法规联系起来，但地图能提供筛查与调查线索，不等于为任何一批货物提供法律合规证明，也不能单独确定土地所有权。

训练和验证数字如何理解

原公告称，训练资料约有一百七十万个带标签的位置，来自专家调查、国家和区域数据集，以及对模型难点的定向复核。模型还利用 AlphaEarth Foundations 的嵌入表示：它把每个十米像素多年卫星观测压缩成特征，帮助识别栽种方式、生长周期和采伐节奏。这样的输入有助于分类，却无法直接读取地面上每项管理决定，也不能替代当地登记和实地证据。

合作方称，团队在全球随机选取九千多个地点进行核验，每处由两名受训专家查看高分辨率影像和多年卫星记录。公告报告森林类型判断正确率为百分之九十，森林与非森林的区分正确率为百分之九十五。这是研究团队在特定抽样和类别定义下报告的总体结果，不是本刊重做的独立测试。总体准确率会掩盖类别数量不均和地区差异，做高风险判断前还需查看各类错误、地方样本和置信度。

ForTy 给每种类别提供概率，而不只输出一个硬标签。这使不同地区可以依自身用途设门槛，特别是在人工林与自然恢复林容易混淆时保留不确定性。把概率直接压成“确定合规”或“确定违规”，会丢失模型本身提供的警示。地图可以指出值得实地检查的区域，却不能独自解决某块农地何时转换用途的争议。

开放获取不等于免于核查

合作方表示，2020 地图和早期时间序列以开放许可通过 Google Earth Engine 提供，并有数据下载与浏览入口。能够访问数据，不意味着用户已经复现训练过程；十米像素也不是地籍测量标记。负责任的用法要核对地图版本、年份、本地地貌与决策错误的代价，再配合其他记录作结论。

本文刊于 10 月 26 日，报道的是 10 月 22 日发布的信息。百分之九十和百分之九十五均归于合作团队报告，年度变化序列的早期版本状态也须保留在任何引用中。

地图用于筛查时应怎样设门槛

对一片地块而言，错误地把天然林判成其他土地，与错误地把人工林判成天然林，造成的后果可能完全不同。供应链筛查可以先设置较宽的风险门槛，把不确定地区送交更详细影像或实地核查，而不是立刻给出最终合规结论。模型概率应保留在数据导出和审批记录中，使后来的人知道当时的判断有多大不确定性。

年度序列还要注意时间上的歧义。卫星在某一年观测到树冠变化，不一定能精确确定土地用途转换的法律日期；季节、云层、采伐周期和临时干扰都可能影响判读。对具体货物，需要与地块边界、采购记录和当地证明结合。地图的真正贡献，是让调查人员看到过去二元树冠图容易漏掉的类型差异，并更有效地选择需要深入核查的位置。

使用开放数据时，还应保存下载时间和数据版本。若后来模型或时间序列更新，同一地块的分类可能变化；保留旧版本才能复现当时的判断。对公众发布的统计图表，也需要说明哪些区域经过实地验证、哪些只是模型推断。这样既能发挥十米地图的覆盖优势，也不会把分辨率误当成逐地块的确定性。