六类总体判对 90.2%，人工林只有 58.2%：Google 把全球森林类型做成了 10 米概率图
Google 把全球森林按 FAO 六类划成 10 米概率图，总体判对 90.2%；这篇拆开六类的真实得分：原生林 82.9、人工林只有 58.2，而 EUDR 要判的恰好是后者，以及三处会让合规答案偏离的地方。
从太空看，一片原始林、一片桉树人工林、一片油棕园，都是「有树」的一格绿。1
欧盟的《无毁林产品条例》要的恰好是这格绿下面的东西：木制品不能来自被改成种植园的原生林，咖啡、可可、棕榈油不能来自 2020 年底之后由林转农的地。2
法规要判「什么林」，卫星只报「有没有树」。这中间的落差，就是这张图想填的。
10 月 21 日，Scientific Data 刊出这篇数据论文。作者来自 Google DeepMind 与 Google Research，合作方是世界资源研究所（WRI）和国际应用系统分析研究所（IIASA）。2
产品叫 Forest Typology（ForTy）v1，是一张 2020 年、10 米分辨率、把全球陆地分成六类的概率图。次日官方博客发布，一起上线的还有 2017–2025 的逐年序列，标注为早期版本。1
论文给的总体精度是 90.22%。拆开是：原生林 F1 82.9，自然再生林 72.6，人工林 58.2，种植园 66.7，树作物与农林复合 62.1，其他土地 96.4。2
下面只回答一件事：这张图哪一层可以直接用，哪一层不能。
FAO 按管理历史分类，卫星只看得到覆盖
六类的定义照抄联合国粮农组织（FAO），也对着欧盟条例的用法。原生林是「没有可见人为干扰迹象的原生树种林」，自然再生林是人为干扰之后自己长回来的，人工林是人种下或播下的、经营周期较长，种植园是集约经营、一到两个树种、轮伐期不超过 40 年。
第五类是树作物与农林复合，油棕、橡胶、可可、果园这类不打木材的农地。剩下的都归其他土地。2
问题在于，前四类分的是管理历史与意图，遥感看的是当下的覆盖。
论文把困难拆成三条。成熟的本地树种人工林，在光谱上可以跟同龄的天然次生林一样。
火烧过的林子和采完待造林的地，按定义仍然是森林，在影像上却是裸地与冠层损失。人工林、种植园、树作物在热带冠层闭合快的地区，光谱和结构都咬得很紧。2
这不是「模型再大一点」能解决的事。要分开它们，得靠跨年份的线索——种植的行列、生长周期、收割节律——而不是某一年的颜色。
交付的是五波段概率，分类图要自己算
发布出来的是五个人造林与树作物类别的概率波段，8 位无符号整数、取值 0–250。第六类「其他土地」的概率是 250 减去前五个之和。3
想得到一张分类图，取六类分数里的最大值（argmax）就行，数据集的示例代码也是这么写的。3
全球陆地被切成 613 个 UTM 分片，每片一个 zip，里面是若干 Cloud Optimized GeoTIFF。
许可为 CC-BY 4.0，Figshare 可下载，Earth Engine 里也有镜像，覆盖 65°S–84°N。2
这是它跟上一代的分水岭。2025 年 11 月那版 Natural Forests of the World 2020 只回答一个问题：这块地在 2020 年是自然林还是不是。4
ForTy 把那一问拆成五问，还把答案从「标签」换成了「分数」。给分数而不是给标签，是个明确的产品选择，代价与收益留到后面两节说。
三级级联：45 万条人工标签撑起 120 万个 10 米小块
真正稀缺的是标签。高质量的森林类型参考数据多是点标注，一个点代表约 100 米见方内的主导类别，不是 10 米分辨率的密分割掩膜，而且地理上极不均匀。2
论文的解法是三级级联，每一级给下一级造标签。
第一级用 45 万条精编样本（GFM 2020、WorldCover 等），配上 2020 年的卫星嵌入与地形特征，用允许「部分标签」的损失函数训练，学会全局的类别模式。2
第二级把第一级的预测当成伪标签，用高分辨率辅助数据精修，扩到 120 万个 10 米密标小块，改用标准交叉熵。2
第三级把 2019–2024 六年的年度嵌入拼成六帧输入联合训练，做时间校准与降噪，同时保留真实的年度变化。2
模型本身不复杂：Swin Transformer v2 的 Tiny 版，五份独立初始化各训一次做集成，每份输出 128×128 像素（1,280 米见方）的分割。2
推理时相邻块中心间隔 210 米，重叠像素按到块心距离反比加权，把拼缝抹平。2
这里有个口径值得单独说清。摘要写的是「1.7 million samples」，博客写的是「约 170 万个标注点位」，而 Table 1 的标题把来源拆开了。2
第一级是 450,275 条参考样本；第二、三级用的是 120 万个 10 米小块，标签由第一级的预测加辅助数据精修而来。两数相加约 165 万，与 1.7 million 大致对得上。2
也就是说，真正由人标过的只有 45 万条，剩下四分之三是模型自己产的。这不是隐瞒，这正是级联方法的目的，但读者该知道自己读的「170 万标注」是什么成色。
主动学习补进来的是最后一层：三轮，共约 4.3 万条。
第一轮 22,131 条，主要修原生林与次生林的混淆（11,842 条，用专家核过的完整森林景观标签定案），以及东南亚、西非、南美的树作物漏检（7,254 条）。2
第二轮 1,016 条，盯中国、美国西北与东南、日本、智利、韩国的工厂化林。
第三轮 19,880 条，修的是反方向的错：欧洲葡萄园与印度西孟加拉香蕉园被过判成树作物，中美洲 Miskito 松林被判成人工林，加拿大、西伯利亚、土耳其、美国的原生林过判，非洲与印尼漏掉的油棕。2
修正方向是双向的，被点名的地点也具体到生态区。这说明错误是地理系统性的，不是随机噪声。
40 年轮伐期，是这张图最要紧的一次定义替换
前面说人工林与种植园靠管理强度分开：单一树种、同龄级、规整间距。这三样都拍不出来。
论文的办法是换一个能从多年时序里看出来的代理：轮伐期。超过 40 年的算人工林，40 年及以下的算种植园。2
作者自己把这层写进了正文与数据集文档，用词是「操作性的简化」。
它未必适用于所有生物群区、所有营林体系与各国的经营传统；40 年附近的轮伐期分不出管理强度，长期轮伐却高强度经营（或反过来）的林分照样会错。3
这一条比任何精度数字都值得记住。当监管说「人工林」与「种植园」是两类、后果不同时，这张图实际判的是「轮伐期长不长」。
判得准不准，取决于这个代理在你那块地上成不成立。
90.2% 是被「其他土地」撑起来的
验证用的是分层随机抽样：七个层（六类加一个「潜在森林」层）各抽 1,300 个点，共 9,100 个。2
两名受过训练的专家各自独立判读，看 30 米上下文窗和中心 10 米像素，分歧靠共识会议解决。报告里的精度全部基于中心那个 10 米像素。2
分层的意思，是总体精度按各层的面积加权。而权重最大的那一层是「其他土地」：7,644.6 百万公顷，占 13,374 百万公顷的 57%，它的 F1 是 96.4。2
论文自己的提醒是：总体精度受这个类别影响很大，用户应该去看与自己应用相关的那几类的 F1。2
森林侧的面积分配是这样的：原生林 2,123.7 百万公顷，自然再生林 1,797.9，人工林 204.7，种植园 118.0，树作物与农林复合 145.8。2
前四类合计 4,244.3 百万公顷，约占全球陆地的 31.7%。
逐类拆开，就是开头那组数。精确率与召回率的方向也不一样。
原生林召回 88.5 高于精确 77.9，说明它更少漏判、更容易多判。人工林精确 65.1、召回 52.6，两头都低——漏掉近一半，判成人工林的地里约三分之一不是。2
专家自己也没判下来的，正是那三类
那张图右列值得单独看。七个分层里，种植园未达成共识 163 个、人工林 146 个，而其他土地只有 12 个。「不确定」的分布同样偏：树作物 44、种植园 40、人工林 38，原生林 9、其他土地 1。2
论文对这件事的措辞很直白。
专家不确定性最高的地方，恰好是森林类型的区分取决于管理历史与土地利用意图、而非可观测冠层属性的地方——也正是遥感最难的那条边界；把这些点排除在精度估算之外，可能让精度估计略有偏差。2
这是作者自己写的偏差，不是外部指控。
它的分量在于：类别边界本身在摇，不只是模型在摇。当两名受训专家看着最高分辨率影像、多年时间序列和区域经验，仍在一成半的种植园点上给不出结论时，任何模型在这一档上的上限都不会太高。
跟 JRC 比赢了 3.1 个百分点，裁判是同一套
论文在同一套验证集上跟几个全球产品做了对照。
森林／非森林二分类：ForTy 95.5%，欧盟委员会联合研究中心的 JRC GFC2020 v3 是 93.6%，ESA WorldCover 2020 是 91.6%，ALOS PALSAR FNF4 是 86.9%。2
四类方案（原生、自然再生、人工、其他）对 JRC GFT2020：总体 90.9% 对 87.8%，差 3.1 个百分点。
逐类 F1 是原生 82.9 对 76.9（+6.0）、自然再生 72.3 对 66.7、人工 65.8 对 57.2（+8.6）、其他 96.7 对 95.3。这里的「人工」是人工林与种植园合并后的类。2
进步是真的，但要说清两件事。
一是裁判问题。这些对照都跑在自家那套 GVFT 验证集上，两个产品由同一批专家、同一套判读协议打分。
这在数据论文里是常规做法，但它不是中立第三方盲测。
训练数据里含 GFM 的标签，验证协议由作者设计，而 GFM 那篇的作者 Lesiv、Fritz 也在这篇的作者名单里。这套流程对「按 FAO 定义重新对齐过标签的模型」天然有利。2
二是分区读数里有些格子撑不住。六类总体从欧洲 88.5% 到南美 90.7%，看起来平；逐类差别大得多。
原生林 F1 南美 92.6% 最高，澳大利亚 65.8% 最低，而澳大利亚那一格只有 277 个样本。自然再生林在各洲之间最稳，62.5%–79.5%。2
还有三格的标准误大到不该被引用：澳大利亚的树作物只有 5 个参考点，非洲的人工林一个预测点都没有，欧洲的种植园 32 个参考点。2
阈值能换不能加，概率没有校准
发布概率而不是标签，是为了让使用者自己定操作点。论文 Figure 7 把这条权衡画了出来：横轴是置信阈值，纵轴是精确率与召回率，三条曲线分别是「全部自然林」「全部森林」「全部人工林」。2
前两条在高阈值处都还能维持八成以上。第三条不一样：阈值往上推，精确率缓慢爬到接近八成就见顶，召回率同步从六成多掉到四成。2
这条曲线没有两头都高的位置。做合规的人如果想「只接受模型很有把握的像素」，代价就是放弃一半以上的实际人工林。
更要紧的一条写在数据集文档与论文里：这些分数是五个模型 softmax 输出的算术平均，没有做后验校准。3
它应当当「相对置信度」用，不能当真实的类别后验概率；要拿它做定量风险评估，得用本地独立参考数据做区域重校准。2
换句话说：拿一个 0.73 去乘面积算「有多少公顷是原生林」，在这份数据上是不成立的算法。它可以排序、可以筛区域，不能直接当概率做积分。
三处会让答案变的地方
把产品到合规判断的路径拆成五步，会把不确定性往下传的地方只有三处，但每一处都不小。
第一处是概率没校准，上面已经说过。第二处是阈值只能换不能加：想要更干净的「是」，就得多接受一些「漏」。
第三处是定义被替换过，而且是三处替换叠在一起。
人工林与种植园的界线换成了 40 年轮伐期。「其他有林地」（OWL）被整体并入了其他土地，这意味着「原生林退化成疏林」在图上会表现为「森林 → 其他土地」，跟「林子被推平」混在同一条通道里。2
论文对此的建议是叠加能分辨 10% 郁闭度阈值的冠层变化产品来补。另外，采完待造林、扰动后早期这类按 FAO 仍算森林的地，也会因为单年观测被判成其他土地。2
还有一处方向性的偏差值得单列。原生林这一类在道路、居民点、农地附近偏保守。
原因是它继承了 GFM 训练数据的标注惯例，缓冲效应让模型系统性地把靠近基础设施的林缘排除在原生林之外，多数改判成自然再生林。3
也就是说，这张图对「人迹附近还剩多少原生林」是低估的。
逐年序列没有精度数字
博客最有分量的一句话，是「第一次能按年看到不是林子没了，而是什么替代了它」。1
它对应的是 2017–2025 的逐年序列：自然林被换成木材种植园、弃耕地慢慢长回森林，这些变化在只看树冠的图上根本显示不出来。
但这套序列目前只有产品级支撑。论文覆盖的是 2020 这一年的基线，第三级模型用 2019–2024 做时间校准，正文没有给出逐年序列的任何精度评估。2
博客的措辞是「早期版本」，未来几个月还会与伙伴和使用者一起改进。1
还有一个细节值得留意：作为输入的 AlphaEarth Foundations 嵌入，公开数据集覆盖的是 2017–2024 年，而序列写到了 2025。5
最后一年怎么来的，公开材料里没有交代。所以「2020 年后这块地有没有转农」这种判断，2020 那一端有论文与验证集兜底，2021 之后那一端目前只能算产品级证据。
这份数据该怎么用
论文自己给瑞典算了一笔账：约三分之二的森林面积被归为人工林或种植园，天然林只占国土面积的两成左右。2
对这样的国家，看总树冠覆盖率会得出「森林充足」的结论，看这一张图才知道天然林那一块有多薄。
用起来只有四条规矩，按代价从低到高排。
先确认你要判的是哪一类，然后只看那一类的数。90.2% 对任何具体应用都没有意义。
判「是不是森林」看 95.5%，判「是不是自然林」看 94.8%，判「是人工林还是种植园」就接受 58.2 与 66.7 这个量级。2
再确认这条边界在你的区域靠什么成立。40 年轮伐期这个代理，在巴西的大豆带、印尼的油棕带、瑞典的林业区含义完全不同，先找本地的已知地块核对，比看全球平均有用。
然后才是定阈值。要精确率就抬阈值，要召回率就压低，但别指望两者同时改善。
最后，凡是要出金额或面积数字的场合，先做区域重校准，或者至少把概率当序数用。3
要去读原文的话，四节最值：Limitations 一节把这张图的边界一次写完，Table 5 的未解决分布是全文最诚实的一张表，Table 7 是那个 90.2% 的拆解，Figure 7 是阈值权衡的原始曲线。2
代码在 google-deepmind/geeflow 与 google-deepmind/jeo 两个仓库，训练与推理都跑在 Earth Engine 上。2
它的分量在于把监管定义变成了可计算的图层
Google 的地球 AI 这两年分成几支：能预测的基础模型、会调工具的地理空间智能体、以及一层层往上叠的数据集。ForTy 属第三支。1
它不回答「这片林子会怎么变」，只回答「2020 年它被归为哪一类，置信度多少」。这个定位决定了它的价值与天花板。
价值是：以前只有法规文本和国别统计能回答的问题，现在有一张全球一致、10 米、开放许可、带概率的底图可以对着看。
天花板是：法规判的是管理意图，图给的是可观测代理。两者之间那几次替换——40 年轮伐期、OWL 并入其他、单年观测——不会因为分辨率更细而消失。
要让这张图真正进合规流程，缺的不是把 58.2 提到 80，而是把「哪几处替换被接受」写成公开约定：用哪一年做基线、退化怎么算、概率到什么水平才算证据。
在那之前，这张图该被当成一份把监管语言翻译成数据和概率的初稿：范围缩得很准，结论还得自己校准。
References
- 1Beyond tree cover: mapping the world's forest types
deepmind.google
- 2
- 3Forest Typology (ForTy) 2020 v1.0 | Earth Engine Data Catalog
developers.google.com
- 4
- 5
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.