DeepMind ForTy 森林地圖：同樣一片綠，AI 如何分出天然林與經濟作物？
適合拿來找土地變化線索與設計教學，單一像素的分類仍不能獨立證明合法合規或碳儲量。
ForTy 森林地圖讓一個容易被忽略的問題變得具體：衛星照片上同樣是一片綠，天然森林、木材種植園和油棕農場，對生態的意義可能差很多。
因為樹木還在，不代表原本的森林仍然存在。天然林被砍掉後種回單一作物，從遠處看可能又變綠，但物種組成、管理方式和土地用途已經改變。
Google DeepMind 在 10 月 22 日公布的 ForTy 研究，把全球土地按森林與用途分成六類，並提供 2017 至 2025 年的早期年度變化資料。它要補上的，就是只看有沒有樹容易漏掉的部分。
這份資料的解析度為 10 公尺，代表地圖格子的尺度。它不等於每一格都被百分之百判對，也不能直接換算成某塊土地的碳儲量。
對老師、關心環境的人與做空間分析的研究者，這張地圖適合拿來提出更精確的問題。先分辨土地類型與時間，再用其他資料查證，會比把一張綠色地圖當成保育成果更有用。
要看懂它的價值，可以先想一塊地從天然林變成種植園時，一般樹木覆蓋圖會漏掉什麼。
ForTy 森林地圖為什麼要區分不同的綠？
森林是否存在與森林如何被使用，會帶出不同的環境判斷。一塊地只要長著樹，從高處就可能呈現綠色，但樹木形成的歷史與管理方式未必相同。
例如天然林被砍伐後，改種排列整齊、定期採收的樹木，土地可能重新變綠。若只看樹木覆蓋面積，就容易漏掉這次用途轉換。
Google DeepMind 在10 月 22 日的研究公告中，用這個問題解釋 ForTy 的用途。它希望讓使用者看見有樹的地方，究竟屬於哪種森林或農業土地。
為什麼這會影響我們讀環境新聞？
當新聞說某地增加了樹木，可以先問增加的是天然恢復的森林、人工栽植的林地，還是經濟作物。這些活動都可能增加綠色面積，對生態的意義卻需要分開討論。
同樣地，某個地方的樹木暫時減少，也需要知道原因與後續用途。採收、火災、農業擴張或其他變化，不能只由一張截圖推論完整過程。
這讓地圖的價值回到提問。它可以幫你選出值得進一步查的區域，但要回答變化為何發生，還需要土地管理與現地資料。
對一般讀者而言，先學會把「有沒有樹」和「土地怎麼使用」分開，就能更精確地理解保育、採購或土地變化的討論。
先理解這個差異，六類地圖才不會只是換了一套顏色。
六類土地與年度變化，分別回答哪個問題？
單年分類提供基準，跨年資料幫助看見用途改變。ForTy 的主要基準對應 2020 年，另有 2017 至 2025 年的早期年度資料，兩者不能當成今天的即時照片。
它把土地分為原始森林、自然再生林、人工栽植林、集約種植林、樹木作物與農林混作，以及其他土地。分類目的，是讓森林與農業用途的差異有共同語言。
先讀類別，再看顏色
原始森林著重天然狀態與人為干擾線索，自然再生林則包含受干擾後自行恢復的森林。這個區別涉及歷史，因此光看某一年樹長得高不高，未必判斷得出來。
人工栽植與集約種植則牽涉管理方式。對一般讀者，先理解「有人栽植」不代表每種經營方式都相同，比急著記住英文名稱更有幫助。
樹木作物可能同樣形成濃密樹冠，但用途是農業生產。把這類土地和天然林混在一起，會讓使用者難以看清供應鏈與土地轉換的關聯。
因此，使用地圖前要先看圖例。圖例是顏色與類別的對照表，顏色本身不代表好壞，也不能直接當成生態價值的排名。
單年地圖和年度序列，適合不同問題
想問某地在基準年被分類為什麼，可以先看單年圖。想問分類是否變了，則需要在同一個位置比較不同年份，並保留當時使用的資料版本。
假設一個區域在較早年份是天然林，之後變成種植林，這能形成值得調查的線索。但兩個分類標籤之間，仍缺少誰管理、為何轉換與何時發生的完整證據。
相反地，類別沒有改變，也不代表期間完全沒有活動。地圖有時間與分類尺度，短期變化或類別內部差異，可能不會被顯示成新的標籤。
把這些問題分清楚，就能避免讓一張地圖回答它原本沒有測量的事情。
要相信這些分類，還需要理解模型怎麼學與怎麼被檢查。
10 公尺與 90% 準確率，應該怎麼讀？
模型先從約 170 萬個標記地點學習森林類型，再利用多年衛星觀測的濃縮摘要，尋找栽種排列、生長週期與採收節奏等線索。因此，它不只比較某一天的綠色，也從時間變化判斷土地如何被使用。
ForTy 的空間解析度與分類準確率衡量不同事情。10 公尺描述地圖輸出格子的尺度，準確率則描述在某組檢查資料上，分類與參考答案符合的程度。
依官方研究，團隊用超過九千個隨機地點，由每點兩位專家判讀後驗證，森林類型約判對九成。這是該驗證方法下的整體結果，不能解讀成每個國家或每一格都同樣可靠。
格子很細，為什麼仍然會認錯？
一格裡可能同時出現道路、樹木與小農田，尤其土地使用複雜時，很難用單一類別完整描述。格子小能保留更多空間細節，但不會自動消除這種混合情況。
某些分類還需要知道管理歷史。成熟的次生林可能看起來接近未受干擾的森林，衛星資料中的外觀線索，未必足以完全區分。
官方 Earth Engine 資料說明也列出類別差異與限制，包括人工栽植林容易與其他森林混淆。讀資料時，這些限制應和整體準確率一起看。
因此，挑一個剛好判對的地點展示，不能代表系統在所有地方都相同。要評估特定區域，應另外找當地可用的參考資料，檢查它常在哪些條件出錯。
機率分數，能讓使用者做什麼？
ForTy 提供各類別的機率分數，讓使用者看見模型傾向哪個答案。它能幫助篩選需要更仔細查的地方，但分數本身仍需要理解與驗證。
例如兩種類別的分數接近，就適合把這個位置標成不確定，找其他資料再判斷。直接只留下最高分的顏色，會把這種模糊性藏起來。
對教學而言，這正好能練習區分「模型給的答案」與「我們有多相信它」。讓學生寫出仍缺少哪些資訊，比只找出一塊顏色改變更有學習價值。
理解測量範圍後，才適合把地圖用在實際問題上。
用官方地圖做一次森林觀察或教學
地圖最適合先用來找變化線索，再安排其他資料查核。一般讀者可以從官方互動地圖開始，不必一開始就下載整個資料集。
選一個能說清楚位置的區域
可以挑一塊自己熟悉、能用公開資料理解背景的土地。先記錄地名或座標，避免之後縮放地圖時，不小心把附近另一塊地當成同一位置。
接著寫下你要回答的問題。例如「這片看起來都長樹的地方，分類是否一致」，比「AI 能不能拯救森林」更適合一次觀察。
把問題縮小，才能決定要查哪些資料。若關心土地用途，就找當地土地管理或產業資料。若關心生態狀態，還需要物種與現地調查，不能只看分類。
觀察紀錄，保留答案也保留不知道的部分
一份簡單紀錄可以寫下位置、資料年份、地圖類別，以及畫面中可觀察的特徵。若使用不同年份，也寫清楚是哪兩年，不能只標「以前」和「現在」。
然後分開記錄地圖顯示與個人解釋。例如「分類由 A 變成 B」是觀察結果，「可能因為農業擴張」則是需要查證的推測。
如果找不到足夠證據，就讓解釋停在可能線索。這能避免把模型的誤判，進一步放大成對某個地區或經營者的指控。
需要分享截圖時，也保留圖例、年份與來源。缺少這些資訊的圖片，讀者難以理解顏色意義，也無法重做同一個觀察。
課堂可以比較兩種說法
可以請學生比較「這裡變綠了」和「這裡的土地被分類成某一類」。前者描述外觀，後者帶有分類定義，兩句話的證據需求不同。
再問學生還需要什麼資料，才能討論保育成效。可能需要知道原本土地狀態、管理目的與現地生態，這會讓工具使用連回實際問題。
若想理解衛星資料如何支持不同分析，也可以閱讀另一個地球觀測工具的用途與限制。
延伸閱讀：OlmoEarth 1.3 開放全球衛星特徵：十公尺地圖如何找變化，也有哪些盲點？
當用途涉及企業採購或法規，證據還需要更完整。
從地圖線索到決策，還有一段查核工作
企業若用它評估採購風險，需要把地圖位置對回實際供應來源，並理解適用規則與其他文件。地圖不會自動知道某件商品是否來自該位置。
對碳量也是一樣。森林類型能提供環境背景，但要估算儲存多少碳，仍需要相應模型、測量與假設，不能把顏色直接換成數量。
這些限制不會讓工具失去用途。它們反而幫助使用者安排查核順序，把時間花在最需要進一步了解的區域。
看見模型不確定的地方，反而能改善問題
官方資料說明特別指出，樹冠下種植咖啡或可可的混合農林系統，可能與天然森林混淆。這提醒使用者，從空中看到的外觀，未必直接揭露土地的管理用途。
若你選的區域有這類背景，就應把它寫進觀察紀錄，而不只保存一個最高分的類別。後續查核可以優先找當地農業與土地利用資訊，補上影像看不到的部分。
地圖邊界也值得多看一眼。道路附近、很小的樹叢或混合土地，可能讓分類更模糊，不能因某一格變色就推定發生完整的用途轉換。
對研究者而言，這些位置可能需要另外驗證。對一般讀者，至少可以把結論寫成「地圖提供此類線索」，保留仍需其他資料回答的部分。
這樣的表達不會降低觀察的價值。它讓分享者把已知與推測分開，其他人才能接著查，也能避免將全球模型的平均表現誤套到單一地點。
ForTy 森林地圖常見問題
地圖顯示天然林，就能證明商品符合規範嗎？
地圖只能提供特定年份、位置與分類的證據。商品來源、土地歷史及適用規定仍需要其他查核，不能用一個分類標籤完成整條供應鏈的證明。
10 公尺代表可以看清每一棵樹嗎？
它描述輸出格子的尺度，並非逐棵樹辨識。小範圍混合土地、類別邊界與管理歷史，都可能讓單格結果存在不確定性。
這份地圖呈現的是 2026 年現況嗎？
主要基準圖對應 2020 年，另有至 2025 年的早期年度序列。即使今天才打開頁面，也不能把資料年份改成今天，使用時要保留實際期間。
結語：用一塊熟悉的土地，練習分辨覆蓋與用途
想理解環境資料的人，可以先比較一塊地在不同年份的分類。ForTy 的用途，是讓我們對同樣一片綠提出更精確的問題，並找出需要進一步查證的變化。
如果用途涉及採購、法規或碳量，應把地圖放進完整證據之中。先理解工具測到什麼，也能更清楚知道還缺什麼。
現在找一塊熟悉的土地，寫下位置、年份、類型與不確定處，再找另一份公開資料核對。能讓其他人重做同樣觀察，比只分享一張顏色鮮明的地圖更有價值。
