超越樹冠覆蓋：Google DeepMind 等機構繪製全球森林類型地圖 ForTy 2020

October 22, 2026 研究

Maxim Neumann and Charlotte Stanton

一幅全新的 10 米解析度地圖，顯示全球森林哪些屬於天然森林、人工種植森林或農業用地，以及它們隨時間的變化

保護地球森林，首先要回答一個簡單問題：我們看到的是哪一類森林？從太空俯瞰，原始雨林、桉樹種植園和油棕種植園看起來可能都是同一片綠地，但它們所儲存的碳和所孕育的生物多樣性大有不同。分辨它們，並瞭解各片土地隨時間的變化，能讓我們知道保育工作在哪些地方奏效，以及天然森林在哪些地方正被改建成種植園和農場。

今天，Google DeepMind 和 Google Research 聯同 World Resources Institute (WRI) 及 International Institute for Applied Systems Analysis (IIASA)，推出 Forest Typology (ForTy) 2020。這是一幅全球地圖，將地球上每一塊 10 米乘 10 米的土地劃分為六種不同的森林及土地用途類別，是歐盟零毀林規例的重要基準資料。我們亦同時分享一組初步時間序列，追蹤 2017 至 2025 年間森林每年的變化，包括天然森林被種植園或農場取代的地點。有史以來，用戶首次可以逐年查看全球各地 10 米解析度的資料，不僅知道森林在哪裏消失，還能看到哪些土地取代了森林：木材種植園、樹木作物農場或其他土地。

為甚麼只看「樹木覆蓋」並不足夠

所有森林都能儲存碳，而全球大部分陸生動植物物種都以森林為棲息地。但森林的生態價值亦取決於其過往狀況：從未被砍伐開發的原始森林，其碳儲量和生物多樣性遠高於每隔十年或二十年便採伐一次的單一樹種木材種植園。

大部分全球地圖只顯示某處是否有樹木，這令希望保護天然森林的人士面對挑戰。例如，歐盟《零毀林規例》（EUDR）規定，咖啡、可可或棕櫚油等產品不得來自 2020 年曾為森林、其後轉作農業用途的土地。同樣，傢俱等木製品亦不得涉及森林退化：產品不得來自其後被改建為種植園林或人工種植林的原始森林，也不得來自其後被改建為種植園林的自然再生森林。因此，企業和監管機構不僅要知道樹木分佈在哪裏，還要知道它們構成哪一類森林（原始森林或再生森林、人工種植林或種植園林、森林或農場），以及森林採伐後由甚麼取代。

去年，我們共同發布了 Natural Forests of the World 2020，這是一幅 10 米解析度的全球地圖，將天然森林與所有其他樹木覆蓋區域區分開來。這幅地圖提供了起點，協助企業和監管機構落實歐盟《零毀林規例》，並支持商品生產商履行不將天然森林改作其他用途的承諾。這幅地圖回答了每一塊土地的一個問題：它在 2020 年是否屬於天然森林？ForTy 更進一步，顯示當地的森林類型，涵蓋原始森林、木材種植園和樹木作物；配合全新的時間序列，亦能顯示這些類型每年如何變化。

ForTy 如何為全球森林分類

具體而言，ForTy 根據聯合國糧食及農業組織（FAO）的定義，將土地劃分為六個類別：

1. 原始森林：沒有明顯人為幹擾跡象的原生森林。
2. 自然再生森林：自行重新生長的森林，例如在伐木或火災後再生的森林。
3. 人工種植森林：由人種植或播種，並以較長週期管理的森林。
4. 集約經營人工林：快速生長、以集約方式管理的樹木種植園，通常只種植一個物種。
5. 林木作物與農林複合經營：種植木材以外作物的農場，例如油棕、橡膠、可可或水果。
6. 其他土地：其餘所有土地，包括草地、農地、城市和水域。

訓練 ForTy 模型並不容易，因為這些類別部分取決於土地用途，而不只是外觀。為了讓模型學會區分不同類別，我們建立了大型森林類型樣本集，包含約 170 萬個已標註地點，資料來自專家調查、國家及區域數據集，以及針對模型難以判斷地點的專項檢視。模型採用專為遙感數據帶來的挑戰而設計的架構，並以 AlphaEarth Foundations embeddings 作為關鍵輸入。這些嵌入是每個 10 米像素多年衞星觀測資料的精簡摘要，讓模型能識別種植模式、生長週期和收成節奏等細微線索。

測試地圖

地圖只有在人們信任它時才有用。因此，我們與 IIASA 和 WRI 合作，使用全球隨機抽選的 9,000 多個地點驗證 ForTy。在每個地點，兩名受過訓練的專家研究高解像度影像及多年衞星紀錄，判定當地實際的土地類型。ForTy 有 90% 的時間能正確識別森林類型，並有 95% 的時間能區分森林與非森林土地，表現優於其他全球森林地圖。

除了準確度，我們也明白全球保育並非一刀切。ForTy 不會為某一片土地簡單標上「是」或「否」，而是為每個類別提供機率分數，讓用戶按區域情況及應用所需的精確度取捨調整分類。例如，根據 EUDR 評估森林砍伐風險的公司，可能會設定嚴格門檻，只接納模型判斷高度確定的像素，以避免監管風險。另一方面，估算森林總面積的研究人員，則可能採用完整的機率範圍，更全面掌握潛在的森林分佈。

從單一時間截面，到變化歷程

單一年份的地圖可作為實用基準，但森林會不斷變化。我們新推出的早期版本時間序列以類似方法呈現 2017 至 2025 年的每一年。它不但顯示森林在哪些地方消失、又在哪些地方重新生長，也呈現變化的類型：例如天然林轉為用材人工林，或棄置土地逐漸再生為森林。

這種區分很重要，因為一些最重要的變化難以從太空觀察到。天然森林遭砍伐並重新種植為人工林後，土地很快便會再次呈現綠色，因此一般的樹木覆蓋地圖可能無法察覺這種變化。ForTy 的時間序列能讓這些隱藏的變化顯現出來，包括森林覆蓋的減少和增加。

下一步

Forest Typology 2020 地圖（刊載於《Scientific Data》）和全新的時間序列現已在 Google Earth Engine 上免費提供，並採用開放授權。我們希望政府、公司、保育團體和科學家能運用這些資料，協助建立零毀林供應鏈、將森林資金投放到有需要的地方，並保護最重要的天然森林。未來幾個月，我們會與合作夥伴和用戶繼續改進時間序列，也很期待了解大家如何使用它。ForTy 是我們研究項目組合中運用 AI 保護自然研究的一部分，相關研究包括繪製森林流失成因的地圖、預測毀林風險、建立全球物種分佈模型，以及在野外監測生物多樣性。FortTy 也是Google Earth AI的最新成員。Google Earth AI 是 Google 的地理空間模型和數據集系列，旨在協助應對地球上最迫切的環境挑戰。

鳴謝

這項工作由 Google DeepMind 和 Google Research 與世界資源研究所（World Resources Institute）及國際應用系統分析研究所（International Institute for Applied Systems Analysis）共同開發。我們感謝共同作者 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，也感謝協助改進地圖的受信任測試人員。