Google DeepMind 與 Google Research 聯同世界資源研究所、國際應用系統分析研究所，於二〇二六年十月二十二日發布全球森林類型圖 ForTy 2020：以十米解析度把地表劃分為六類森林與土地利用，並提供二〇一七至二〇二五年初版時間序列，顯示天然林被種植林或農作取代的軌跡；獨立驗證指森林類型正確率約九成。來源真實性已驗證（Google DeepMind 官方網誌）。對香港從事咖啡、可可、棕櫚油、木材等歐盟出口或供應鏈盡職審查的企業，這類「不只看有沒有樹、還要看是什麼林」的底圖，正對準歐盟零毀林產品法規的合規需求。

DeepMind／官方：發布全球森林類型圖 ForTy——十米解析度六類；驗證約九成；支援歐盟零毀林法規基線

Google DeepMind 於二〇二六年十月二十二日在官方網誌宣布，與 Google Research、世界資源研究所（WRI）及國際應用系統分析研究所（IIASA）共同發布 Forest Typology（ForTy）2020：一套以十米乘十米像元覆蓋全球的森林與土地利用分類圖，並同步釋出涵蓋二〇一七至二〇二五年的初版年度時間序列。來源真實性已驗證（Google DeepMind 官方網誌原文）；以下數字與分類定義均取自該頁，不另加未經官方陳述的產量或市佔估計。

從太空俯瞰，原始雨林、桉樹種植林與油棕園可同屬「一片綠」，但碳匯與生物多樣性差異極大。官方指出，多數全球地圖只標示「有沒有樹冠」，難以滿足保育與法規對「什麼類型的林、之後變成什麼」的要求；ForTy 的目標正是補上這一層。

一、核心事件：ForTy 把「樹冠」細拆成六類用途

官方說明，ForTy 2020 依聯合國糧農組織（FAO）定義，把土地分為六類：

原生林（Primary forest）：未見明顯人為干擾的原生林；
自然更新林（Naturally regenerating forest）：伐木或火災後自行回生的林分；
栽植林（Planted forest）：人為栽植或播種、較長輪伐週期的林；
種植林（Plantation forest）：速生、集約經營、常為單一樹種的樹場；
樹作物／農林複合（Tree crops and agroforestry）：油棕、橡膠、可可、果樹等非以木材為主的農作；
其他土地（Other land）：草原、耕地、城市、水域等。

官方強調，ForTy 不僅是二〇二〇年的靜態底圖，更提供早期時間序列，逐年追蹤二〇一七至二〇二五年間森林如何消失、回生，以及「天然林改為種植林／樹作物」這類在標準樹冠圖上容易「變綠後被忽略」的轉換。網誌並指該圖可作為歐盟《毀林法規》（EUDR）的重要基線參考：法規要求咖啡、可可、棕櫚油等產品不得來自二〇二〇年仍為森林、其後改作農業的土地；木材產品亦不得涉及原生林退化為種植林等情形。

二、技術原理深度解析

為何「用途」比「外觀」更難學

官方坦言，訓練難點在於類別部分取決於土地利用方式，而非單純光譜外觀。團隊為此建立約 一百七十萬 個標註地點，來源包括專家調查、國家與區域數據集，以及針對模型表現薄弱區域的定向覆核。

AlphaEarth Foundations 嵌入與遙感架構

模型以專為遙感挑戰設計的架構運作，並把 AlphaEarth Foundations embeddings（把多年衛星觀測壓縮成每個十米像元的摘要）作為關鍵輸入，用以捕捉種植紋理、生長週期與採伐節奏等細微線索。官方指出，五類「有樹」地表從上空可能極相似，ForTy 靠結構與季節模式差異加以區分。

驗證：九千餘點、雙專家覆核

與 IIASA、WRI 合作，團隊在全球隨機選取逾九千個地點，由兩名受訓專家對照高解析影像與多年衛星紀錄判定真實類型。官方公布：ForTy 正確辨識森林類型的比率約為 百分之九十，分辨「林／非林」約 百分之九十五，並稱優於其他全球森林圖。地圖輸出各類的機率分數而非單一是否標籤，讓企業可按合規風險調高門檻，研究人員則可用完整機率譜估計面積。

ForTy 2020 地圖（官方指已刊於 Scientific Data）與時間序列現於 Google Earth Engine 以開放授權免費提供，供政府、企業、保育組織與科研使用。

三、日常應用場景

1. 開發者與技術團隊

地理資訊、供應鏈風險與 ESG 數據工程團隊，可把十米 ForTy 層與採購多邊形、港口出貨軌跡疊合，建立「來源地森林類型＋年度轉換」特徵，供內部評分或對外盡職審查報告使用；機率門檻應寫進產品規格，避免把研究用寬鬆切點直接搬進法規決策。

2. 企業與隱私敏感行業

食品、日化、家具與貿易商面對 EUDR 時，需要證明產品並非來自「二〇二〇年森林其後轉農」的地塊。ForTy 把天然林、種植林與樹作物分開，有助回答「綠色是否仍代表合規」；惟官方亦提醒保育並非一刀切，區域定義與應用精度取捨仍須由用戶自行設定。

3. 一般用戶

公眾與傳媒可在 Earth Engine 應用以十米細節瀏覽分類結果，理解「砍掉再種回」與「原生林喪失」並非同一件事；這有助閱讀氣候與商品新聞時避免只看「樹木面積增減」的單一指標。

4. 香港與亞洲市場視角

香港作為亞洲貿易與轉口樞紐，不少企業經本地或區域子公司處理咖啡、可可、棕櫚油、木材及相關製成品的歐盟訂單。EUDR 的盡職審查壓力會沿供應鏈上溯至東南亞產區；能分辨原生林、自然更新林與種植林／樹作物的公開底圖，可降低「只有樹冠圖、無法回答法規問題」的合規摩擦。對正以人工智能整理衛星、報關與供應商聲明的團隊，ForTy 提供可引用的公開基線，但仍需與交易文件、實地稽核交叉驗證。

四、專業評價與潛在考量

優勢

官方把問題從「有沒有樹」推進到「什麼林、變成什麼」，直接對準 EUDR 與保育融資常見痛點。
約一百七十萬標註、逾九千點雙專家驗證，以及約九成類型／九成五林非林準確率，披露具體可核對。
機率輸出與開放授權，利於企業合規與科研複用；時間序列揭露「變綠但仍屬轉換」的隱藏變化。

需要留意的地方

時間序列標示為早期版本，官方稱未來數月將與夥伴持續改進，不宜把初版年度結果當成最終法規裁決。
準確率為全球驗證集統計，個別國家或破碎地景可能偏差更大；法規用途應搭配更嚴的機率門檻與本地數據。
地圖無法替代供應商身份、交易單據與實地盡職審查；AI 底圖是風險篩選層，不是「一鍵合規證明」。

結語

當人工智能代理與大型模型佔滿新聞版面之際，DeepMind 這次提醒業界：高價值落地往往落在「把模糊的綠色像素變成可審計的土地用途」。對香港貿易、製造業與正建立 ESG／供應鏈數據平台的企業而言，若要把遙感特徵、文件語料與內部政策模型留在可控環境，可參考 YSK Limited 的企業私有 LLM 全託管（年費 HK$88,000 起，Dataset → QLoRA／LoRA → 私有 API，100% 數據不出境）：https://ysk.hk/services/ai-automation ；若同時需要加固對外暴露的分析入口與雲端工作負載，亦可了解雲端遷移與網絡安全（官網刊 99.99% SLA）：https://ysk.hk/services/cloud-security 。

參考來源

Google DeepMind｜Beyond tree cover: mapping the world’s forest types（2026-10-22）：https://deepmind.google/blog/beyond-tree-cover-mapping-the-worlds-forest-types/
YSK Limited｜企業私有 LLM 全託管：https://ysk.hk/services/ai-automation
YSK Limited｜雲端遷移與網絡安全：https://ysk.hk/services/cloud-security