Google Earth用AI绘制全球热带商品地图，森林保护有了新武器

从“看树”到“看林”：一张地图如何改变反毁林战役

过去几年，全球反毁林行动经常卡在一个细节上：

• 卫星拍到的究竟是原始森林，还是人工种植园？
• 一片区域今年绿意盎然，明年被砍了，这是非法砍伐还是正常轮作？

分辨这些差异并不容易。传统遥感方法要么被云层挡住，要么把不同作物搞混。

Google Earth 刚刚放出一个大招：联合 FAO 主持的 Forest Data Partnership（FDaP），发布了全球首套泛热带、10米分辨率、年度更新的商品作物地图。涵盖咖啡、可可、油棕和橡胶——四种最容易引发毁林的树木经济作物。

---

这次的新东西

1. 从单一国家扩展到整个热带

之前的地图只覆盖几个重点国家，比如印尼的油棕、科特迪瓦的可可。现在四种作物的覆盖范围扩大到整个热带地区。

2. 时间跨度从两年扩大到逐年

2020 和 2024 年的数据已经发布，2025 年底前会补全 2017–2025 每年一份。这意味着你可以逐年观察同一片地的变化。

3. 地图“干净”了很多

以前像素级别的噪声很多，一片地看起来像撒了盐和胡椒。现在通过新的 Embedding 方法，田地边界清晰可辨。

4. 年度之间不再乱跳

由于直接把时间特征编码进了模型，不同年份的误判大幅减少——同一块地不会今年被标成咖啡、明年被标成森林。

5. 完全开源 & 多平台可用

• 许可证：CC BY 4.0
• 可在 Earth Engine 上直接查
• 也可下载 Cloud Optimized GeoTIFF 格式，直接在 QGIS、ArcGIS 甚至自己写的脚本里用

---

技术核心：从“静态拼图”到“动态特征”

地图背后的引擎是一套名为 AlphaEarth Foundations 的卫星嵌入数据集（Satellite Embedding dataset）。

传统做法是这样的：把一年内所有卫星影像取平均值，做成合成图。但热带地区云层厚，经常缺数据；而且把一年压缩成一幅平均图，就丢失了生长节奏——比如咖啡什么时候开花、什么时候结果，这些季节性信号恰恰是区分不同作物的关键。

AlphaEarth 的方法完全不同：

1. 融合多源数据：不光用 Sentinel-2 光学影像，还融合雷达（Sentinel-1、PALSAR-2）、气候数据、数字高程模型。
2. 压缩成 64 维向量：每个像素用 64 个数字代表一整年的变化模式。
3. 用这些向量直接训练分类模型：模型学会从“模式”里认出咖啡 vs 可可 vs 森林。

效果立竿见影：

• 即使常年有云的区域，也能得到全覆盖的结果。
• 不同光的反射率相似的作物（咖啡和可可很容易混淆），现在区分准确率大幅提升。
• 模型理解生态上下文——高海拔、凉快的地方更可能是咖啡，低洼湿热的地方更可能是油棕。

---

科特迪瓦与利比里亚边境的可可和橡胶种植园，与森林保护区交织。

不是关起门做AI：社区共建是另一大亮点

Google 没有自己攒数据。他们招募了学术界、NGO、政府、企业一起提供地面验证数据。

比如：

• Olam Food Ingredients Coffee Platform 贡献了咖啡田的实地坐标
• 国际生物多样性联盟 & CIAT 提供了作物分布参考
• Meridia 提供了土地产权信息

这些数据不断训练模型，让地图精度逐步提升。如果你也有地面数据，可以 填表提交，帮助完善下一步的模型迭代。

---

这对中国人和中国企业意味着什么？

虽然地图主要覆盖热带地区，但中国企业在全球农业供应链里扮演着重要角色。

• 咖啡进口商：想证明自己买的豆子不是毁林种出来的，这张地图是免费可查的凭据。
• 橡胶加工厂：东南亚的橡胶林是否侵占自然保护区？地图上一目了然。
• 棕榈油采购方：随着 EUDR（欧盟零毁林法案）落地，企业需要监控供应链风险。这套数据比任何商业数据都新、都广。
• ESG 报告：上市公司可以用这些数据来量化自己的原料来源风险。

另外，Google 还发布了一张互补的 《自然森林世界2020》地图，由 DeepMind 与 WRI 联合制作。两张图配合使用，能清晰区分：原始森林、退化土地、人工种植园。

---

现在就能用

• Earth Engine 用户：直接在 Earth Engine Data Catalog 搜索“2025b commodity maps”。
• 本地分析：数据存储在 GCS bucket gs://earth-engine-public-requester-pays/forestdatapartnership/2025b，可通过 GDAL 或 gcloud 工具下载。
• 模型本身：训练好的分类器放在 GitHub。

Google 说：我们希望社区的集体压力测试能让这些地图更快变好。对地球来说，这比关起门来做到完美更有意义。

---

本文编译自 Google Earth 官方博客，原文作者 Alicia Sullivan 与 Katelyn Tarrio。