一句话看懂：Google DeepMind 与世界资源研究所（WRI）合作推出全球森林类型地图 ForTy，以 10 米分辨率区分原始林、人工林和经济林等六类土地覆盖，为欧盟零毁林法规提供 2020 年基准，但人工林和树作物识别仍明显偏弱。
事件核心：发生了什么
根据 The Decoder 2026 年 10 月 31 日的报道，Google DeepMind 与 WRI 发布了 ForTy（Forest Typology）地图，将 2020 年全球陆地以 10 米分辨率归入六类：原始林、自然再生林、种植林、人工林场、油棕/橡胶/可可等树作物，以及其他土地。作者称这是首个全球尺度的同类地图，此前包括欧盟委员会在内的数据集只覆盖部分地区。地图以模型跑在 AlphaEarth Foundations 之上，再叠加多级图像识别模型，综合树高、建筑和森林损失等外部数据，并利用种植格局、生长周期和采伐节奏来区分外观相似的类型；Gemini 语言模型被用于把旧训练数据对齐到欧盟定义。
为什么重要
直接驱动力是欧盟《零毁林产品法规》（EUDR）：它禁止 2020 年 12 月 31 日之后毁林或退化土地所产商品，企业需要知道供应链地块在 2020 年的用途。卫星图像通常只能判断“有没有树”，ForTy 试图进一步回答“是什么林”，这填补了合规数据的关键空白；同一基准也可能服务于热带森林永久基金（TFFF）和 2030 年保护 30% 陆地的全球目标。对 AI 行业而言，它展示了基础模型加多阶段主动学习在遥感分类上的可行路径。
对用户/开发者/创作者的影响
目前公开信息显示，ForTy 的定位是 2020 年参考底图，而非实时监测产品。企业做 EUDR 尽职调查时可将其作为辅助证据，但不能单独依赖；开发者若基于该地图构建供应链风险工具，需注意人工林场和树作物的误差。评测中 8,190 个随机样点由两名专家复核，总体准确率 90.2%，但这一分数被易区分的“其他土地”拉高；原始林召回约 89%，树作物和种植林仅约一半，人工林场约 60%，被标为种植林的区域约三分之一有误。专家在纠错轮次中补充约 4.3 万条样本，修正了欧洲葡萄园被误判为树作物等问题。对内容创作者而言，这是解读“AI+遥感+合规”案例的好素材，但不宜直接引用其细分品类数据做结论。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 ForTy 数据是否开放下载、以何种许可发布，以及是否提供 API 或与 AlphaEarth Foundations 的调用方式。二是细分品类的精度能否通过更多地面样本和区域化规则改善，尤其是非洲和印尼的油棕识别。三是 EUDR 执行时间表与监管对第三方地图的认可程度，将直接影响这类工具的商业价值。
