ForTy 用十米地图辨认森林类型
这次进展
Google DeepMind 介绍六类森林与土地利用地图，并开放 2017 至 2025 年早期变化序列。真正增加的信息，是一片绿色代表天然林、人工林还是树木作物，以及这些类型如何转换。
核心判断AI 辅助分析
ForTy 把树木是否存在推进到土地类型与转换过程的可比较记录，让天然林保护、人工经营和恢复分别得到观察，实际判断要继续使用分类误差与相应地面证据。
事实拆解
这次更新把基线与年度变化接起来
Google DeepMind 在 10 月 22 日介绍 Forest Typology，并同时提供 2017 至 2025 年早期年度序列。2020 年地图是比较变化的基线，不是 2026 年实时森林现状。
相关论文发表于 10 月 21 日，Figshare 数据集记录的首次发布时间为 5 月 22 日。本篇按这次介绍的材料日期整理，不把原有数据或过去的观测写成今天刚产生。
原始材料Beyond tree cover: mapping the world’s forest typesGoogle DeepMind · Maxim Neumann and Charlotte Stanton · 2026-10-22查看原始材料原始材料Global forest typology at 10-meter resolution for forest and land-use monitoringScientific Data · Neumann et al. · 2026-10-21查看原始材料原始材料Forest Typology 2020 (v1)Figshare · Forest Typology research team · 2026-05-22查看原始材料从树冠外观走向土地利用分类
ForTy 将地表分为原生林、自然再生林、人工种植林、集约经营的种植园林、树木作物与农林复合系统，以及其他土地六类。模型利用 AlphaEarth Foundations 的卫星观测表示，并通过多阶段训练与人工标注资料学习类别差异。
论文说明，类别涉及经营历史和用途，不能只靠一张绿色树冠照片判断。输出保留各类相对置信分数，而不只交付一个最高分类标签；这些分数没有经过事后概率校准。
原始材料Global forest typology at 10-meter resolution for forest and land-use monitoringScientific Data · Neumann et al. · 2026-10-21查看原始材料读懂九成准确率的分母
论文从全球分层抽样的 9,100 个验证地点中，使用已由专家达成共识的 8,190 个地点估算表现。六类总体准确率为 90.2%，不是每个地区、每个森林类别都达到相同水平。
论文特别提示，面积权重较大的其他土地类别明显影响总体指标。人工种植林的 F1 为 58.2%，低于原生林的 82.9%；判断某一类是否够用，需要看相应类别的精确率、召回率与不确定性。F1 综合反映误判和漏判，不能直接当作每个像素正确的概率。
原始材料Global forest typology at 10-meter resolution for forest and land-use monitoringScientific Data · Neumann et al. · 2026-10-21查看原始材料H/ACC 洞察
把绿色的增加变成可讨论的变化
H/ACC 编辑解读：这项工作的价值，是让一块地从什么变成什么进入同一套可比较记录。天然林被采伐后重新种树，树冠面积可能恢复，经营方式却已经改变。区分类别，才能把恢复、种植与天然林保护放回各自的目标。
保留分类分数也为核查安排提供了空间。使用者可以先查看判断模糊的地块，再结合当地记录复核；若只留下一个颜色标签，这种不确定性会在后续计算中消失。这里增加的是可检查的信息层，碳储量与生物多样性仍需要对应的测量。
年度序列要接受另一套检验
H/ACC 编辑解读：静态分类做得好，是持续监测的重要基础。要进一步判断某地何时由天然林转为种植园，还需要辨别真实变化与分类波动。相邻年份标签不同，可以作为调查线索，随后应与时间连续的影像和地面记录对照。
后续最有价值的增量，是公开逐年、逐类的转换验证，并说明误差如何影响面积统计。这样，地图更新才会逐步形成可追踪的证据，而不只是每年换一张颜色。
判断边界
- 论文中的验证指标对应 2020 年基线，不能直接套用到早期年度序列的每一年或每一种转换。
- 类别分数是未事后校准的相对置信值；数据覆盖南纬 65 度至北纬 84 度的陆地，不能按字面理解为所有极地均有数据。
- 森林经营方式存在区域差异，论文也说明部分分类使用操作性近似。本篇未独立重跑模型或验证具体地块。
接下来观察AI 辅助分析
- 2017 至 2025 年序列是否公布逐年、逐类的独立验证，尤其天然林转为种植园的精确率与召回率？
- 同一地区的采伐和再生记录能否与连续年度分类对齐，并公开低置信地块的复核结果？
原始材料
本篇使用的报道和研究材料。
- Beyond tree cover: mapping the world’s forest typesGoogle DeepMind · Maxim Neumann and Charlotte Stanton · 材料发布 2026-10-22
- Global forest typology at 10-meter resolution for forest and land-use monitoringScientific Data · Neumann et al. · 材料发布 2026-10-21
- Forest Typology 2020 (v1)Figshare · Forest Typology research team · 材料发布 2026-05-22