Google DeepMind створила глобальну карту лісів за допомогою супутникових даних і ШІ

Google DeepMind і World Resources Institute розробили ForTy — карту на основі ШІ, яка розрізняє первинні ліси, лісозаготівельні плантації та ферми деревних культур у всьому світі.

Супутникові карти зазвичай показують, чи ростуть дерева на певній території, не визначаючи тип лісу або культури. ForTy, скорочено від Forest Typology, іде далі, розподіляючи всю площу суходолу світу у 2020 році за 6 класами з роздільною здатністю 10 метрів. До них належать первинний ліс, ліс, що природно відновлюється, висаджений ліс, плантаційний ліс, деревні культури, як-от олійна пальма, каучук або какао, а також інші землі. Автори стверджують, що ForTy є першою глобальною картою такого типу. Попередні набори даних, зокрема створений Європейською комісією, охоплюють лише частини світу.

Правила ЄС щодо вирубування лісів потребують надійної точки відліку за 2020 рік

Головною рушійною силою проєкту є Регламент ЄС щодо продукції, не пов’язаної з вирубуванням лісів (EUDR), який забороняє товари, пов’язані з лісами, вирубаними або деградованими після 31 грудня 2020 року, зокрема товари, вироблені після перетворення первинного лісу на плантацію. Ферми олійної пальми та какао вважаються сільськогосподарськими землями, тому компаніям, які оцінюють ризики ланцюгів постачання, потрібно знати, як використовувалася ділянка у 2020 році.

ForTy надає цю точку відліку за 2020 рік і також може використовуватися в інших ініціативах, що залежать від даних такого типу, зокрема в Tropical Forest Forever Facility (TFFF) і цілі ООН щодо захисту 30 відсотків світових земель до 2030 року.

Створити таку точку відліку складно, оскільки тип лісу залежить від його історії, а не лише від того, як він виглядає, зазначає DeepMind. Старий змішаний висаджений ліс із космосу може виглядати як природний, а нещодавно вирубана плантація за визначенням усе ще вважається лісом, хоча супутникові зображення показують оголену землю.

ForTy використовує три етапи моделювання для уточнення класифікацій

Щоб розрізняти ці категорії, ForTy працює на моделі Google DeepMind AlphaEarth Foundations, яка стискає дані з кількох супутників у компактний опис кожного пікселя. На основі цих описів працюють кілька моделей розпізнавання зображень, починаючи з моделі, яка навчається на перевірених прикладах.

Прогнози першої моделі разом із зовнішніми даними про висоту дерев, будівлі та втрати лісів стають розширеними навчальними даними для другої моделі. На завершальному етапі кілька років даних аналізуються разом, щоб згладити викиди. Мовна модель Google Gemini також допомогла адаптувати старіші навчальні дані до визначень ЄС.

Під час цих раундів виправлень експерти додали близько 43 000 прикладів, щоб усунути такі помилки, як класифікація виноградників у Європі як деревних культур, позначення природних соснових лісів у Центральній Америці як висаджених лісів і пропущені олійні пальми в Африці та Індонезії.

Навіть із цими виправленнями деякі відмінності залишаються недоступними для визначення лише за супутниковими даними. Супутникові зображення рідко показують, як саме використовується земля, тому дослідники використовують 40-річний період ротації, щоб відокремити плантації від інших висаджених лісів, але цей поріг не підходить для кожного регіону.

ForTy менш надійна для плантацій і деревних культур

Щоб перевірити карту, 2 експерти переглянули кожну з 8 190 випадково вибраних ділянок і виявили, що у 90,2 відсотка випадків вона була правильною. Автори попереджають, що цей загальний показник значно підвищується завдяки легкому для ідентифікації класу «інші землі».

Результати суттєво відрізняються залежно від типу лісу. Карта правильно визначила 89 відсотків первинних лісів, які експерти підтвердили на місцевості, але виявила лише близько половини деревних культур і висаджених лісів та 60 відсотків плантацій. Якщо подивитися на це з іншого боку, приблизно чверть — третина територій, позначених як плантації або деревні культури, виявилися класифікованими неправильно, а для третини територій, позначених як висаджені ліси, карта помилилася.

Ці прогалини стосуються меж, які мають найбільше значення для EUDR, а невизначеність під час оцінювання також могла зробити результати дещо кращими, ніж вони є насправді. Експерти найчастіше не були впевнені щодо територій, якими керують, і команда виключила ці невизначені випадки зі своєї оцінки.

Попри це, ForTy перевершує карти Європейської комісії, створені спеціально для EUDR, на тих самих тестових даних: 95,5 відсотка проти 93,6 відсотка для класифікації лісів і нелісових територій та 90,9 відсотка проти 87,8 відсотка для типів лісу.

Модель також успадкувала слабке місце своїх навчальних даних: їхні розмітники рідко класифікували ліси поблизу доріг або поселень як первинні, навіть коли ці ліси здавалися недоторканими.

У Швеції багато дерев, але мало природних лісів

Дослідники оцінюють, що у світі є близько 4,1 мільярда гектарів лісів, зокрема майже 3,9 мільярда гектарів природних лісів, із яких близько 2 мільярдів гектарів припадає на первинні ліси. Висаджені ліси займають близько 250 мільйонів гектарів, а деревні культури — майже 200 мільйонів гектарів, переважно в Азії.

Регіональні помилки ускладнюють цю картину. Карта завищує площу первинних лісів в Азії приблизно на 200 мільйонів гектарів, переважно через хвойні ліси Росії. В Африці, навпаки, вона не враховує близько 94 мільйонів гектарів лісів, імовірно через розріджені сухі ліси та савани.

Близько двох третин лісової площі Швеції є висадженими, а природні ліси займають лише приблизно одну п’яту території країни. Автори зазначають, що загальний деревний покрив там може бути достатнім, але частка природних лісів, важлива для біорізноманіття, може бути критично низькою. Демократична Республіка Конго, Індонезія та Бразилія мають найбільші частки природних лісів.

ForTy досі має труднощі з затіненими культурами та розрідженими лісами

Окрім цих регіональних помилок, деякі види землекористування залишаються складними для класифікації. У деяких регіонах карта досі позначає затінене какао або каву, вирощені під природним пологом, як ліс, а вибірково вирубані або спалені ліси також створюють проблеми.

ForTy поки що не має окремого класу для розріджених лісів, які EUDR розглядає окремо, хоча дослідники кажуть, що майбутні версії мають додати такий клас. Користувачі можуть самостійно обирати варіанти класифікації, використовуючи показники впевненості набору даних для кожного класу, що дає змогу встановлювати власні пороги.

Карта, шар класифікації та тестові дані доступні безкоштовно за ліцензією CC BY 4.0, зокрема в Google Earth Engine. Google DeepMind опублікувала код у репозиторіях GeeFlow і JEO.

DeepMind представила базову модель AlphaEarth Foundations у липні 2025 року як своєрідний віртуальний супутник. Вона поєднує оптичні супутникові зображення, радарні дані, лазерне сканування та кліматичні симуляції в компактний опис кожної ділянки розміром 10 на 10 метрів, а річні ембеддинги за роки, починаючи з 2017-го, доступні безкоштовно в Google Earth Engine.

ForTy є одним із перших масштабних картографічних проєктів, побудованих на цих ембеддингах, і, за словами Google, входить до складу Earth AI. Це пов’язує проєкт із ширшими зусиллями, оскільки восени 2025 року Google поєднала Earth AI з Gemini, щоб швидше виявляти повені, посухи та цвітіння водоростей.

Новини ШІ без хайпу — відібрані людьми

Підпишіться на THE DECODER, щоб читати матеріали без реклами, отримувати щотижневу розсилку про ШІ, наш ексклюзивний звіт про передові технології «AI Radar» шість разів на рік, повний доступ до архіву та доступ до розділу коментарів.