Google DeepMindとWRI、世界拠点の森林タイプを10m解像度で識別するAIマップ「ForTy」を発表

Google DeepMindと世界資源研究所（WRI）は、世界中の原生林、人工林、農業用の樹木作物を区別するために設計されたAI駆動型の世界土地被覆マップ「ForTy」（Forest Typologyの略）を開発した。

従来の衛星マップが通常は樹冠被覆の有無を示すのみであるのに対し、ForTyは2020年の世界の土地面積を10メートルの空間解像度で6つの異なるカテゴリに分類している。これらのカテゴリには、原生林、自然再生林、植林地、人工林（プランテーション）、樹木作物（アブラヤシ、ゴム、カカオなど）、およびその他の土地が含まれる。基データは10メートル単位の詳細を提供するが、可視化されたマップは1平方キロメートルごとの優勢な土地利用クラスを表示する。研究者らは、ForTyを同種のものとしては初のグローバルマップであり、特定の地理的地域にしかまたがらない既存のデータセットを改善するものと説明している。

厳格化する森林破壊規制の推進

このプロジェクトの主な触媒となっているのは、欧州連合（EU）の森林破壊ゼロ製品規制（EUDR）である。同規制は、原生林が商業用プランテーションに転換された事例を含め、2020年12月31日以降に発生した森林破壊や森林劣化に関連するコモディティを禁止している。カカオやアブラヤシなどの作物は農業に分類されるため、サプライチェーンの適合性を評価する企業には、2020年末時点での正確な土地利用の歴史的基準線が必要となる。

EUDRの追跡を超えて、ForTyは「Tropical Forest Forever Facility（TFFF）」や、2030年までに地球の陸地面積の30％を保護するという国連の目標などの保全イニシアチブに向けて、基礎データを提供することも予定されている。

2020年の信頼できる基準線を確立することは、土地の分類が表面的な外観だけでなく歴史的コンテキストに大きく依存するため、技術的に困難なままである。軌道上からは、成熟した混交人工林は手つかずの自然の樹冠とほとんど見分けがつかない一方、新しく伐採されたプランテーションは、むき出しの土壌に見えても技術的には依然として林業地としての資格を有している。こうした曖昧さに対処するため、ForTyは単一の瞬間の画像だけに頼るのではなく、植栽レイアウト、生物学的成長サイクル、収穫のタイムラインを追跡する。

AlphaEarth上に構築された3段階のアーキテクチャ

ForTyは、Google DeepMindの「AlphaEarth Foundations」モデル（2025年7月に導入された仮想衛星アーキテクチャ）に依存している。AlphaEarthは、光学衛星写真、レーダー、レーザースキャン、気候シミュレーションを網羅する複数の衛星ストリームを、高密度のピクセルレベルの記述へと圧縮する。

ForTyは、3つの連続するモデリングフェーズを通じてこれらの記述を洗練させる。

1. 最初の画像認識モデルが、検証済みの基準データの例でトレーニングを行う。

1. このモデルからの予測が、樹高、周囲のインフラ、記録された森林消失をカバーする外部データセットと統合され、2番目のモデルのための拡張されたトレーニングコーパスを形成する。

1. 3番目のモデルが数年分の連続データを評価し、一時的な異常値や誤読を平滑化する。

Googleの言語モデル「Gemini」は、古いトレーニングデータを公式のEU規制の定義に合わせて再解釈する作業をチームで支援した。さらに、開発サイクルには複数のアクティブラーニングのラウンドが組み込まれ、その中で人間の専門家が約43,000件の修正に貢献した。これらは、樹木作物として誤ってフラグ付けされた欧州のブドウ畑、プランテーションとして誤ってラベル付けされた中央アメリカの天然の松林、アフリカやインドネシア全域のフラグ付けされていないアブラヤシの区画といった、対象を絞ったエッジケースに対処したものである。

精度ベンチマークと既知の弱点

2人の専門家によって独立してレビューされた無作為に選ばれた8,190のサイトの評価において、ForTyは90.2パーセントの総合精度を示した。しかし、研究者らは、広範な「その他の土地」カテゴリがこの集計スコアを大幅に押し上げていると指摘している。

パフォーマンスは、個々の森林カテゴリ間で大きく分岐している。

• 原生林： モデルは、地上で確認された原生林地域の89パーセントを正しく特定した。

• 樹木作物と人工林： モデルは既存サイトの約50パーセントしか捉えられなかった。

• プランテーション（人工林）： 検出率は60パーセント前後にとどまった。

• 誤検出： 樹木作物やプランテーションとしてラベル付けされた領域の約4分の1から3分の1が誤分類されており、植林地として指定されたエリアの3分の1が不正確であった。

こうした死角にもかかわらず、ForTyは同一の評価セットにおいて欧州委員会の専用EUDRデータセットを上回る性能を示した。森林と非森林の一般的な分離では95.5パーセント対93.6パーセント、特定の森林サブカテゴリを区別する際には90.9パーセント対87.8.パーセントの精度を達成した。

また、同モデルには地理的な乖離も見られる。主にロシアの北方針葉樹林帯を中心に、アジアの原生林を約2億ヘクタール過大評価している一方、開けた乾燥林やサバンナの特定における課題から、アフリカ全域で約9,400万ヘクタールを過小評価している。さらに、自然の樹冠の下で栽培されるカカオやコーヒーなどのアグロフォレストリーシステムの特定にも困難に直面している。

世界の森林分布とオープンな可用性

マッピングデータに基づき、研究者らは地球の森林被覆率を約41億ヘクタールと見積もっており、その中には約39億ヘクタールの天然林（約20億ヘクタールの原生林を含む）が含まれている。人工林は約2億5000万ヘクタール、樹木作物は主としてアジアを中心に約2億ヘクタールに及ぶ。

また、この調査結果は地域ごとの構成比も浮き彫りにした。ブラジル、インドネシア、コンゴ民主共和国が天然林の相対的なシェアの大半を占めている。対照的に、スウェーデンとフィンランドでは人工林が森林地帯の約3分の2を占めており、スウェーデンの領土全体では天然林は約5分の1にすぎない。

ForTyのマップレイヤー、分類モデル、およびベンチマーク評価データは、クリエイティブ・コモンズのCC BY 4.0ライセンスの下でパブリックにリリースされており、Google Earth Engine経由でアクセスできる。また、Googleのより広範なEarth AIイニシアチブの一環として、コードの実装もGeeFlowおよびJEOリポジトリで利用可能になっている。