跳到主要內容
2026-11-01 日報
研究與評測

Google DeepMind 聯手 WRI 推出全球 10 公尺高解析度森林 AI 地圖 ForTy,總體準確率達 90.2%

The Decoder單一來源
尚未逐項核實

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

據報導,Google DeepMind 與世界資源研究所(WRI)合作開發全球森林分類 AI 地圖模型「ForTy」(Forest Typology),以 10 公尺解析度將 2020 年全球地表劃分為原始林、自然再生林、人造林、林木種植園、樹類作物(如油棕、橡膠、可可)及其他土地共 6 類,旨在提供歐盟零毀林法規(EUDR)所需的 2020 年基準點,亦可用於支持聯合國 2030 年保護 30% 土地等倡議。 技術架構上,ForTy 以 Google DeepMind 的 AlphaEarth Foundations 基礎模型為核心,將多顆衛星資料壓縮為像素描述,再透過三階段影像識別模型整合樹高、建物與林地流失等外部資料;團隊同時導入 Gemini 語言模型調整舊訓練資料以符合歐盟定義,並由專家額外加入約 43,000 個修正樣本。為區分種植園與人造林,模型採用了 40 年輪伐期作為判定邊界。 在由雙專家審查的 8,190 個隨機採樣點實測中,ForTy 總體準確率為 90.2%,在相同測試集上優於歐盟執委會的地圖模型(林地分類 95.5% 對比 93.6%,類型分類 90.9% 對比 87.8%)。然而總體高分主要由容易辨識的「其他土地」拉抬,個別類別落差明顯:原始林辨識率達 89%,但林木種植園僅 60%,樹類作物與人造林更僅約 50%;標記為種植園或樹類作物的區域有四分之一至三分之一屬誤判,人造林標記亦有三分之一錯誤。 該模型估算全球森林面積約 41 億公頃,包含近 39 億公頃自然林(原始林占約 20 億公頃)、2.5 億公頃人造林及近 2 億公頃樹類作物。地域偏差方面,模型在亞洲多估約 2 億公頃原始林(多為俄羅斯針葉林),在非洲則因乾燥稀疏林與莽原少估約 9,400 萬公頃森林。
讀原始報導

背景

傳統衛星地圖通常僅能偵測特定區域是否有樹木覆蓋,無法進一步區分原始林、人工林或農作樹種,難以滿足供應鏈與環境法規對土地歷史用途的追溯要求。Google DeepMind 透過 AlphaEarth Foundations 基礎模型整合多顆衛星的龐大觀測資料,解決空間資訊不一致與資料過載問題,提供演算法所需的特徵表徵來精細分類全球土地。

來源

本期分類