Google DeepMind создала глобальную карту лесов с помощью спутниковых данных и ИИ

Google DeepMind и World Resources Institute разработали ForTy — карту на основе ИИ, которая различает первичные леса, лесные плантации и фермы древесных культур по всему миру.

Спутниковые карты обычно показывают, растут ли деревья на определённой территории, но не определяют тип леса или культуры. ForTy — сокращение от Forest Typology — идёт дальше, распределяя всю площадь суши мира по состоянию на 2020 год на 6 классов с разрешением 10 метров. К ним относятся первичный лес, естественно восстанавливающийся лес, лес, посаженный человеком, лесная плантация, древесные культуры, такие как масличная пальма, каучук или какао, а также прочие территории. Авторы заявляют, что ForTy — первая глобальная карта такого рода. Более ранние наборы данных, включая созданный Европейской комиссией, охватывают лишь отдельные регионы мира.

Правила ЕС против вырубки лесов требуют надёжной точки отсчёта за 2020 год

Главным стимулом для проекта стало Положение ЕС о продукции, не связанной с вырубкой лесов (EUDR), которое запрещает товары, связанные с лесами, вырубленными или деградировавшими после 31 декабря 2020 года, включая товары, произведённые после преобразования первичного леса в плантацию. Фермы масличных пальм и какао считаются сельскохозяйственными угодьями, поэтому компаниям, оценивающим риски цепочек поставок, необходимо знать, как использовалась территория в 2020 году.

ForTy предоставляет им эту точку отсчёта за 2020 год и также может использоваться в других инициативах, зависящих от аналогичных данных, включая Tropical Forest Forever Facility (TFFF) и цель ООН защитить 30% мировых земель к 2030 году.

Создать такую точку отсчёта сложно, поскольку тип леса зависит от его истории, а не только от внешнего вида, отмечает DeepMind. Старый смешанный лес, посаженный человеком, может выглядеть из космоса как естественный, а недавно вырубленная плантация по определению всё ещё считается лесом, хотя на спутниковых снимках видна голая земля.

ForTy использует три этапа моделирования для уточнения классификации

Для различения этих категорий ForTy работает на основе модели Google DeepMind AlphaEarth Foundations, которая сжимает данные с нескольких спутников в компактное описание каждого пикселя. На этих описаниях строится несколько моделей распознавания изображений, начиная с модели, обучаемой на проверенных примерах.

Предсказания первой модели в сочетании с внешними данными о высоте деревьев, зданиях и потере лесов становятся расширенными обучающими данными для второй модели. На последнем этапе анализируются данные за несколько лет одновременно, чтобы сгладить выбросы. Языковая модель Google Gemini также помогла адаптировать старые обучающие данные к определениям ЕС.

В ходе этих раундов корректировки эксперты добавили около 43 000 примеров, чтобы исправить такие ошибки, как классификация виноградников в Европе как древесных культур, обозначение естественных сосновых лесов в Центральной Америке как лесов, посаженных человеком, а также пропущенные масличные пальмы в Африке и Индонезии.

Даже после этих исправлений некоторые различия невозможно определить только по спутниковым данным. На спутниковых снимках редко видно, как используется земля, поэтому исследователи применяют 40-летний период ротации, чтобы отличить плантации от других лесов, посаженных человеком, однако этот порог подходит не для всех регионов.

ForTy менее надёжна при картировании плантаций и древесных культур

Для проверки карты 2 эксперта изучили каждый из 8 190 случайно выбранных участков и обнаружили, что в 90,2% случаев классификация была верной. Авторы предупреждают, что этот общий показатель значительно повышается за счёт легко идентифицируемого класса «прочие территории».

Результаты резко различаются в зависимости от типа леса. Карта правильно определила 89% первичных лесов, подтверждённых экспертами на местности, но обнаружила лишь около половины древесных культур и лесов, посаженных человеком, а также 60% плантаций. Если рассматривать данные с другой стороны, примерно от четверти до трети территорий, нанесённых на карту как плантации или древесные культуры, оказались классифицированы неверно, а для трети территорий, обозначенных как леса, посаженные человеком, карта ошиблась.

Эти пробелы затрагивают границы, наиболее важные для EUDR, а неопределённость при оценке также может создавать впечатление, что результаты немного лучше, чем на самом деле. Чаще всего эксперты не были уверены в классификации территорий, находящихся под управлением человека, и команда исключила эти неопределённые случаи из оценки.

Тем не менее ForTy превосходит карты Европейской комиссии, созданные специально для EUDR, на тех же тестовых данных: 95,5% против 93,6% для классификации лесов и нелесных территорий и 90,9% против 87,8% для классификации типов леса.

Модель также унаследовала слабость своих обучающих данных: их разметчики редко классифицировали леса рядом с дорогами или поселениями как первичные, даже если эти леса выглядели нетронутыми.

В Швеции много деревьев, но мало естественных лесов

Исследователи оценивают площадь лесов в мире примерно в 4,1 млрд гектаров, включая почти 3,9 млрд гектаров естественных лесов, из которых около 2 млрд гектаров приходятся на первичные леса. Леса, посаженные человеком, занимают около 250 млн гектаров, а древесные культуры — почти 200 млн гектаров, преимущественно в Азии.

Региональные ошибки усложняют эту картину. Карта завышает площадь первичных лесов в Азии примерно на 200 млн гектаров, главным образом из-за хвойных лесов России. В Африке, напротив, она не учитывает около 94 млн гектаров лесов, вероятно, из-за разреженных сухих лесов и саванн.

Около двух третей лесной площади Швеции приходится на леса, посаженные человеком, а естественные леса занимают лишь примерно пятую часть территории страны. Авторы отмечают, что общий древесный покров там может быть достаточным, однако доля естественных лесов, имеющая значение для биоразнообразия, может быть критически низкой. Наибольшая доля естественных лесов приходится на Демократическую Республику Конго, Индонезию и Бразилию.

ForTy по-прежнему испытывает трудности с затенёнными культурами и редколесьями

Помимо этих региональных ошибок, некоторые варианты землепользования по-прежнему трудно классифицировать. В отдельных регионах карта всё ещё обозначает затенённые какао или кофе, выращиваемые под естественным пологом, как лес, а выборочные рубки и выгоревшие леса также создают проблемы.

В ForTy пока нет отдельного класса для редколесий, которые EUDR рассматривает отдельно, хотя исследователи заявляют, что в будущих версиях такой класс появится. Пользователи могут самостоятельно выбирать правила классификации, используя показатели уверенности набора данных для каждого класса, что позволяет устанавливать собственные пороговые значения.

Карта, слой классификации и тестовые данные доступны бесплатно по лицензии CC BY 4.0, в том числе в Google Earth Engine. Google DeepMind опубликовала код в репозиториях GeeFlow и JEO.

DeepMind представила базовую модель AlphaEarth Foundations в июле 2025 года как своего рода виртуальный спутник. Она объединяет оптические спутниковые снимки, радарные данные, лазерное сканирование и климатические симуляции в компактное описание каждой территории размером 10 на 10 метров; ежегодные эмбеддинги за годы начиная с 2017-го доступны бесплатно в Google Earth Engine.

ForTy — один из первых крупных картографических проектов, созданных на основе этих эмбеддингов, и, по словам Google, является частью Earth AI. Благодаря этому проект входит в более широкую инициативу: осенью 2025 года Google связала Earth AI с Gemini, чтобы быстрее обнаруживать наводнения, засухи и цветение водорослей.

Новости ИИ без шумихи — отобраны людьми

Подпишитесь на THE DECODER, чтобы читать материалы без рекламы, получать еженедельную рассылку об ИИ, эксклюзивный годовой отчёт о передовых разработках «AI Radar», полный доступ к архиву и разделу комментариев.