Google DeepMind создала ForTy: карту типов лесов мира по снимкам со спутников

Google DeepMind и Всемирный институт ресурсов (World Resources Institute) разработали ForTy (Forest Typology), карту на основе ИИ, которая различает первичные леса, лесные плантации и сельскохозяйственные древесные культуры по всему миру. Обычные спутниковые карты показывают, растут ли на участке деревья, но не говорят, какой это лес или культура. ForTy относит всю сушу в состоянии на 2020 год к шести классам с разрешением 10 метров: первичный лес, естественно возобновившийся лес, посадочный (искусственно созданный) лес, лесная плантация, древесные культуры (масличная пальма, каучуковое дерево, какао) и прочие земли. Авторы называют ForTy первой глобальной картой такого рода; прежние наборы данных, включая набор Европейской комиссии, охватывают лишь часть мира.

Главный стимул проекта, регламент ЕС о продукции, не связанной с обезлесением (EUDR). Он запрещает товары, связанные с лесами, вырубленными или деградировавшими после 31 декабря 2020 года, в том числе произведённые после превращения первичного леса в плантацию. Фермы масличной пальмы и какао считаются сельскохозяйственными землями, поэтому компаниям, оценивающим риски цепочек поставок, нужно знать, как участок использовался в 2020 году. ForTy даёт эту точку отсчёта и, как сказано в материале, может пригодиться другим инициативам с теми же данными, Фонду «Тропические леса навсегда» (TFFF) и цели ООН защитить 30% суши к 2030 году. Сложность в том, что тип леса определяется его историей, а не только видом, объясняют в DeepMind: старый посадочный смешанный лес из космоса выглядит как естественный, а недавно вырубленная плантация по определению всё ещё лес, хотя на снимках, голая земля.

Карта работает на модели AlphaEarth Foundations от Google DeepMind, которая сжимает данные нескольких спутников в компактное описание каждого пикселя. Поверх этих описаний работают несколько моделей распознавания изображений. Первая обучается на проверенных примерах; её прогнозы вместе с внешними данными о высоте деревьев, зданиях и потере леса становятся расширенной обучающей выборкой для второй модели. Завершающий этап анализирует данные за несколько лет вместе, сглаживая выбросы. Языковая модель Gemini помогла привести старые обучающие данные к определениям ЕС. В ходе раундов исправления эксперты добавили около 43 000 примеров, чтобы устранить ошибки: виноградники в Европе, принятые за древесные культуры, естественные сосновые леса Центральной Америки, названные посадочными, и пропущенные масличные пальмы в Африке и Индонезии. Часть различий спутникам недоступна: управление землёй на снимках видно редко, поэтому плантации от прочих посадочных лесов отделяют по 40-летнему циклу ротации, а он подходит не для каждого региона.

Для проверки двое экспертов оценили каждый из 8 190 случайно выбранных участков; карта оказалась верной в 90,2% случаев. Авторы предупреждают, что общую оценку заметно поднимает лёгкий для распознавания класс «прочие земли». По типам результаты сильно различаются: карта верно нашла 89% первичных лесов, подтверждённых экспертами на местности, но лишь около половины древесных культур и посадочных лесов и 60% плантаций. С обратной стороны: примерно от четверти до трети участков, отнесённых к плантациям или древесным культурам, определены неверно, а для посадочных лесов ошибка, у трети участков. Эти провалы приходятся на границы, важнейшие для EUDR. К тому же неопределённость оценки могла чуть улучшить результаты: эксперты чаще всего сомневались насчёт управляемых земель, и такие случаи из оценки исключили. Зато на тех же тестовых данных ForTy обошла карты Еврокомиссии, сделанные специально для EUDR: 95,5% против 93,6% в разделении лес/не лес и 90,9% против 87,8% по типам леса. Из обучающих данных модель унаследовала слабость: аннотаторы редко относили леса рядом с дорогами и поселениями к первичным, даже если они выглядели нетронутыми.

Исследователи оценивают площадь лесов мира примерно в 4,1 млрд гектаров, из них почти 3,9 млрд, естественные леса, и около 2 млрд, первичные. Посадочные леса занимают около 250 млн га, древесные культуры, почти 200 млн га, в основном в Азии. Региональные ошибки заметны: карта завышает площадь первичных лесов в Азии примерно на 200 млн га, в основном в хвойных лесах России, а в Африке пропускает около 94 млн га леса, вероятно, из-за редколесий сухих районов и саванн. В Швеции около двух третей лесной площади, посадки, а естественный лес занимает лишь около пятой части страны; по мнению авторов, общего древесного покрова там может хватать, но доля естественных лесов, важных для биоразнообразия, может быть критически низкой. Наибольшая доля естественных лесов, в Демократической Республике Конго, Индонезии и Бразилии.

Остаются и другие трудности: в некоторых регионах карта по-прежнему считает лесом какао или кофе, растущие под естественным пологом, а выборочные рубки и выгоревшие леса тоже плохо поддаются классификации. Отдельного класса для редколесий, которые EUDR рассматривает особо, пока нет; исследователи говорят, что будущие версии должны его добавить. Пользователи могут сами задавать пороги по оценкам уверенности для каждого класса. Карта, слой классификации и тестовые данные свободно доступны по лицензии CC BY 4.0, в том числе в Google Earth Engine; код Google DeepMind выложила в репозиториях GeeFlow и JEO. AlphaEarth Foundations компания представила в июле 2025 года как своего рода виртуальный спутник; ForTy, по словам Google, один из первых крупных картографических проектов на его эмбеддингах (компактных описаниях территории) и часть Earth AI.

Ключевые факты

ForTy (Forest Typology) от Google DeepMind и World Resources Institute относит сушу в состоянии на 2020 год к шести классам с разрешением 10 метров; авторы называют её первой глобальной картой такого рода.
Общая точность по оценке экспертов, 90,2% (8 190 участков), но это число поднимает лёгкий класс «прочие земли»: первичные леса найдены в 89% случаев, плантации, в 60%, древесные культуры и посадочные леса, примерно в половине.
На тех же тестовых данных ForTy опередила карты Еврокомиссии для EUDR: 95,5% против 93,6% (лес/не лес) и 90,9% против 87,8% (типы леса).
Заметные региональные ошибки: завышение первичных лесов в Азии примерно на 200 млн га (в основном в хвойных лесах России) и пропуск около 94 млн га леса в Африке.
Карта, слой классификации и тестовые данные открыты по лицензии CC BY 4.0, в том числе в Google Earth Engine; код, в репозиториях GeeFlow и JEO.

Почему это важно

Регламент ЕС по продукции без обезлесения (EUDR) запрещает товары, связанные с лесами, вырубленными или деградировавшими после 31 декабря 2020 года, и компаниям нужна карта того, чем была каждая территория в 2020 году. По словам авторов, глобальной карты типов леса до ForTy не было: прежние наборы данных, включая набор Еврокомиссии, охватывали лишь часть мира. ForTy различает первичные леса, плантации и древесные культуры, чего обычные карты древесного покрова не делают. Те же данные могут пригодиться и другим инициативам, например Фонду «Тропические леса навсегда» (TFFF) и цели ООН защитить 30% суши к 2030 году.

Кому это важно

Компаниям, которые оценивают риски цепочек поставок масличной пальмы, какао, каучука и древесины в связи с EUDR. Экологическим организациям и исследователям лесов и биоразнообразия, например, оценка по Швеции показывает, что при большом древесном покрове доля естественного леса может быть критически низкой. Специалистам по дистанционному зондированию и геоданным: это один из первых крупных проектов на эмбеддингах AlphaEarth Foundations.

Как это применить

Карта, слой классификации и тестовые данные свободно доступны по лицензии CC BY 4.0, в том числе в Google Earth Engine. Код выложен в репозиториях GeeFlow и JEO. В набор данных входят оценки уверенности для каждого класса, поэтому пользователь может задать собственные пороги под свою задачу. Карту стоит использовать с учётом слабых мест: для плантаций, древесных культур и посадочных лесов нужна дополнительная проверка, а 40-летний цикл ротации, которым отделяют плантации от прочих посадочных лесов, подходит не для всех регионов.

Можно ли доверять

Все цифры точности, это оценка самих авторов по экспертной проверке 8 190 случайных участков (каждый смотрели двое экспертов). Сами авторы предупреждают, что общие 90,2% завышены за счёт простого класса «прочие земли», а неопределённость оценки могла слегка улучшить результаты: сомнительные случаи, чаще всего на управляемых землях, исключили. Сравнение с картами Еврокомиссии сделано на одних и тех же тестовых данных. В материале не сказано, что какая-либо компания или регулятор уже приняли ForTy для проверки соответствия EUDR. Это пересказ издания The Decoder о работе DeepMind и WRI.

Риски и подводные камни

Карта слабее всего там, где важнее всего для EUDR: находит лишь около половины древесных культур и посадочных лесов и 60% плантаций; примерно четверть, треть участков, отнесённых к плантациям или древесным культурам, определены неверно, а для посадочных лесов ошибочна треть. Есть региональные перекосы: первичные леса в Азии завышены примерно на 200 млн га, в Африке пропущено около 94 млн га леса. Модель унаследовала от обучающих данных занижение первичных лесов вблизи дорог и поселений. В некоторых регионах какао и кофе под естественным пологом всё ещё считаются лесом, а выборочные рубки и гари трудно классифицировать. Отдельного класса для редколесий, которые EUDR рассматривает отдельно, пока нет; срок появления его в будущих версиях не назван.