ForTy 把 2020 年全球土地分成六類

Google DeepMind 與世界資源研究所（WRI）、Google Research、國際應用系統分析研究所（IIASA）合作，發表全球森林類型地圖 ForTy（Forest Typology v1）。論文《Global forest typology at 10-meter resolution for forest and land-use monitoring》於 2026 年 10 月 21 日刊登在《Scientific Data》。地圖以 10 公尺解析度，把 2020 年的全球土地分成六類：原始林、自然更新林、人工林、集約人工林、樹木作物與農林間作，以及其他用地。分類與聯合國糧農組織（FAO）及歐盟無毀林產品法規（EUDR）的定義對齊。

衛星俯瞰六種不同林型與用地的拼貼地景（示意圖）
衛星俯瞰六種不同林型與用地的拼貼地景（示意圖）

DeepMind 指出，多數全球樹冠地圖只顯示某處有沒有樹木。論文指出，區分森林類型對碳盤查、生物多樣性評估、保育規劃與供應鏈法規都有用途。

  • 原始林與自然更新林屬於天然林，後者包含干擾後自然復育的森林。
  • 人工林與集約人工林都屬人工栽植的森林。論文的操作定義是：輪伐期 ≤40 年且集約管理的為集約人工林；人工林則為另一類。The Decoder 報導指出，這個門檻不適用於每個地區。
  • 樹木作物與農林間作類別包含油棕、橡膠、可可等。

EUDR 需要 2020 年的土地基準

EUDR 要求相關商品不得來自 2020 年 12 月 31 日之後發生毀林的土地。The Decoder 報導指出，油棕與可可園屬於農業用地，企業評估供應鏈風險時，需要知道某塊土地在 2020 年的用途，ForTy 提供這個 2020 年參照點。

棕櫚園與森林交界、卡車運貨與空白日曆格（示意圖）
棕櫚園與森林交界、卡車運貨與空白日曆格（示意圖）

The Decoder 另外提到，這類資料也可能供 Tropical Forest Forever Facility（TFFF）等倡議使用。

三階段模型建立在 AlphaEarth 嵌入之上

ForTy 以 DeepMind 2025 年 7 月發表的 AlphaEarth Foundations 為基礎。這個模型把多顆衛星的資料壓縮成每個 10 公尺 × 10 公尺像素的簡短描述（嵌入）。The Decoder 報導指出，2017 年以來的年度嵌入可在 Google Earth Engine 取得。站內相關報導：OlmoEarth v1.3 公開全球 10 公尺衛星嵌入資料。

衛星嵌入立方體饋入三層像素地圖模型（示意圖）
衛星嵌入立方體饋入三層像素地圖模型（示意圖）

ForTy 串接三個模型。第一個模型用已驗證的樣本訓練，它的預測結果加上樹高、建物與森林損失等外部資料，成為第二個模型的擴充訓練資料。最後一個步驟一併分析多年資料，平滑離群值。The Decoder 報導指出，Google 的 Gemini 語言模型也協助把舊有訓練資料轉換為符合歐盟的定義。

據 The Decoder 報導（非論文摘要直接數字），團隊進行了多輪主動學習，專家針對地圖出錯的地方補入約 43,000 個樣本，處理的錯誤包括歐洲葡萄園被判為樹木作物、中美洲天然松林被判為人工林，以及非洲與印尼的油棕漏判。論文公開驗證以 8,190 個樣點為準；文中未採用未於論文核實的 90.9%／87.8% 林型比較數字。

整體準確率 90.2%，各類別差距明顯

論文以 8,190 個經專家標註的分層隨機樣點進行獨立驗證，六類整體準確率為 90.2%，天然林分類為 94.8%，森林與非森林二分類為 95.5%。The Decoder 報導指出，每個樣點由兩位專家審查，作者提醒整體分數受到容易辨識的「其他用地」類別拉高，在同一組測試資料上，歐盟為 EUDR 製作的地圖森林與非森林二分類為 93.6%。

  • 經專家確認的原始林，地圖正確辨識 89%。
  • 樹木作物與人工林約一半被正確標出，集約人工林約 60%。
  • 反過來看，被標為集約人工林或樹木作物的區域，約四分之一到三分之一實際上判斷錯誤，被標為人工林的區域有三分之一出錯。

The Decoder 指出，這些落差出現在對 EUDR 最重要的類別邊界上。專家對管理中的土地最常無法確定，這些不確定的樣點被排除在評估之外，因此評估結果可能偏高。

已知限制與區域偏差

研究團隊估計（經 The Decoder 轉述）全球森林約 41 億公頃，其中天然林近 39 億公頃，原始林約 20 億公頃；人工林約 2.5 億公頃，樹木作物近 2 億公頃，多數位於亞洲。

  • 亞洲的原始林面積被高估約 2 億公頃，主要在俄羅斯針葉林。
  • 非洲約有 9,400 萬公頃森林被漏掉，可能與開闊乾旱林和莽原有關。
  • 天然林冠下的遮蔭可可與咖啡，在部分地區仍被標為森林；擇伐與火燒後的森林也難以判別。
  • 目前沒有獨立的開闊林地類別，EUDR 對此另有規定；研究者表示未來版本應加入。
  • 訓練資料中，道路和聚落附近的森林很少被標為原始林，模型也繼承了這個偏差。

The Decoder 報導指出，地圖、分類圖層與測試資料以 CC BY 4.0 授權公開，包含 Google Earth Engine 上的版本，並附各類別的信心分數，使用者可自訂門檻；程式碼公開在 GeeFlow 與 JEO 儲存庫。實際授權條款以資料下載頁為準。

Octave Alto 2026.1 把即時視訊貼到 2D 地圖與 3D 地形

Octave Intelligence 於 2026 年 10 月 27 日發表 Octave Alto 2026.1。Alto 是該公司的地理空間方案，提供 2D、3D、4D 視覺化、分析與資料融合。新版讓開發者把無人機與攝影機的即時影像直接放在 2D 地圖和 3D 地形上，操作員看到畫面的同時，也能取得該畫面範圍的地理資訊。新聞稿指出，目前許多系統需要操作員在不同螢幕之間，用人工把影像、圖資和任務資料對起來。

無人機把視訊矩形投影到地形，操作員看雙螢幕地圖（示意圖）
無人機把視訊矩形投影到地形，操作員看雙螢幕地圖（示意圖）

新版也支援高斯潑濺（Gaussian splats），可將照片與掃描資料轉為擬真的三維場景，用於任務規劃、訓練和基礎設施監測。公司表示新版支援北約最新的軍事地圖符號與作戰計畫標準。公司指出 Alto 的主要客戶領域為國防、航空、公共部門、運輸與基礎設施。更新涵蓋 Alto Browser、Alto Lightspeed、Alto Server 與 Alto Universal 四個產品。以上功能皆為公司新聞稿的說明。

ForTy 是已運算完成、可下載的 2020 年全球基準資料集；Alto 是顯示與整合即時資料的軟體。來源並未提到兩者結合使用。

臺灣可以參考的方向

ForTy 使用衛星嵌入與專家標註的樣本訓練模型，並公布各類別的信心分數與驗證結果。這些資訊讓使用者能看到各林型的誤差差距，例如樹木作物與人工林約一半被正確標出，是臺灣討論林型與管理強度分類時可對照的參考。

臺灣業者出口的產品若涉及 EUDR 規範的商品，ForTy 的 2020 年開放基準圖可作為初步風險篩查的參考資料之一。這份資料不能單獨作為合規證明，仍須依 EUDR 要求查證。使用時也要留意前述的類別誤差，特別是樹木作物與人工林的邊界。

站內另有三維地圖相關報導：國土測繪中心開始供應千分之一地形圖與三維網格模型。