此数据集属于发布商目录，并非由 Google Earth Engine 管理。 如需报告 bug 或查看 Nature Trace Catalog 中的更多数据集，请发送电子邮件至 biosphere-models@google.com。详细了解发布方数据集。
- 目录所有者
- Nature Trace
- 数据集可用时间
- 2020-01-01T00:00:00Z–2020-12-31T23:59:59Z
- 数据集生产者
- 标签
说明
森林类型学 (ForTy) v1 数据集包含 2020 年全球每类概率地图，分辨率为 10 米，覆盖南纬 65° 至北纬 84° 之间的所有陆地区域。
六类森林类型与粮农组织和欧盟森林砍伐法规 (EUDR) 的定义保持一致：
- 1 类 - 原始森林：由本土物种组成的天然森林，没有明显的人为干扰迹象。
- 第 2 类 - 自然再生林：主要通过自然再生建立的森林，包括从扰动中恢复的次生林和以自然再生为主的混交林。
- 3 类 - 人工林：主要通过种植或播种建立的森林，作业轮伐期超过 40 年。
- 4 类 - 人工林：集约经营的森林，以一到两个树种为特征，树龄均匀，间距规则，轮伐期为 40 年或更短。
- 第 5 类 - 树木作物和农林业：生产木材以外的商品（例如油棕、橡胶、果园）的农业种植园，包括农林业系统。根据 EUDR 分类为农业用地。
- 第 6 类 - 其他土地：所有非树木土地用途、稀疏的木本植被（冠层覆盖率 < 10%）、其他林地、城市环境中的树木以及不符合森林阈值的小树林。
主要数据记录是一个五波段栅格，包含无符号 8 位整数值 (0-250)，表示五种森林类型类别的量化概率值。第六类（其他陆地）的概率通过求补获得：p_other = 250 − sum(p_i)。该地图使用通用横轴墨卡托投影 (UTM) 坐标系。
若要获得第六个“其他陆地”类的概率得分，您需要从 250 中减去前五个概率的总和。通过将每个像素分配给概率最高的类别 (argmax)，可以得出类别地图。概率表示法可让用户应用自定义阈值、评估预测置信度，并为下游应用计算不确定性估计值。
源数据以 Cloud Optimized GeoTIFF (COG) 的形式提供，存储在 Google Cloud Storage 中，网址为 gs://nature-trace/export_rasters/forest_typology_2020_v1_0/。Earth Engine ImageCollection 由这些 COG 提供支持。
限制：虽然此地图提供了有价值的全球基准，但用户应注意以下几项限制：
- 时间参考日期：该地图基于多时相卫星合成数据，展示了 2020 年的土地覆盖情况。 合成期内发生的快速土地利用变化可能无法完全捕获。
- 定义模糊不清：欧盟森林砍伐法规 (EUDR) 分类所依据的 FAO 定义依赖于管理意图和历史记录，而这些信息无法直接从卫星图像中观察到。模型会根据代理指标（光谱特征、冠层结构、空间模式）推断这些类别，从而在类别边界引入不可约简的不确定性。例如，成熟的自然再生（次生）森林在光谱和结构上与未受干扰的原始森林无法区分。
- 农林复合系统模糊性：混合农林复合系统（例如可可或咖啡等树木作物生长在原生树冠下）是最难解决的类别之一。在某些地区，遮荫可可和咖啡农林仍可能被错误地归类为天然森林。
- 人工林混淆：在所有森林类别中，人工林的分类准确率最低（F1 = 58.2%）。此类森林在光谱和结构上可能与自然再生林相似，也可能与人工林相似，因此经常出现双向误分类。
- 小块森林和达到阈值的树冠覆盖率：靠近 FAO 森林面积阈值（0.5 公顷）的孤立树块和树冠覆盖率达到边界值 (10%) 的区域本身就具有不确定性。
- 概率校准：每个类别的概率表示的是集成平均 softmax 输出，尚未进行事后校准。如果用户需要经过良好校准的概率来进行定量风险评估，则应考虑使用独立参考数据进行区域重新校准。
- 野火：野火过后，我们不一定能确定土地用途。
- 保守型原始森林地图：在人类基础设施附近，原始森林类别的边界较为保守。由于训练数据中固有的空间缓冲效应，该模型会系统性地将道路、定居点或农业用地附近的森林边缘排除在原始森林类别之外，通常将其标记为自然再生森林。
- 暂时无林区：根据粮农组织的定义，暂时无林区（例如最近刚收获的等待重新种植的种植园或处于扰动后早期恢复阶段的森林）仍被视为森林。不过，由于此地图仅依赖于一年的观测数据（2020 年），因此这些区域可能会显示为非森林区域，并被错误地归类为“其他土地”。
- 种植林与人工林代理变量：种植林与人工林之间的区别采用 40 年的轮伐期阈值作为代理变量。无法直接从卫星图像中观测到真正的 EUDR/FAO 管理强度标准（例如，同龄级、规则间距）。
- “其他林地”(OWL) 遗漏：欧盟法规 (EUDR) 将“其他林地”(OWL) 视为一个单独的类别，但在此数据集中，OWL 未被解析为一个单独的类别，而是完全归入“其他土地”类别。
- 亚像素异质性：混合像素（尤其是在复杂的小农户景观中）可能会降低分类精度。此外，虽然输出结果的分辨率为 10 米，但模型输入数据的有效分辨率可能低于 10 米。
频段
波段
像素大小：10 米（所有波段）
| 名称 | 最小值 | 最大值 | 缩放系数 | 像素尺寸 | 说明 |
|---|---|---|---|---|---|
PrimaryForest |
0 | 250 | 0.004 | 10 米 | 像素属于主要森林类别的量化概率（无符号 8 位整数，0-250）。 |
NaturallyRegeneratingForest |
0 | 250 | 0.004 | 10 米 | 像素属于自然再生森林类别的量化概率（无符号 8 位整数，0-250）。 |
PlantedForest |
0 | 250 | 0.004 | 10 米 | 像素属于人工林类别的量化概率（无符号 8 位整数，0-250）。 |
PlantationForest |
0 | 250 | 0.004 | 10 米 | 像素属于人工林类别的量化概率（无符号 8 位整数，0-250）。 |
TreeCropsAndAgroforestry |
0 | 250 | 0.004 | 10 米 | 像素属于树木作物和农林复合经营类的量化概率（无符号 8 位整数，0-250）。第六类（其他陆地）的概率通过以下公式计算得出：p_other = 250 − 所有五个波段值的总和。 |
使用条款
使用条款
此数据集已获得 CC-BY 4.0 许可，并且需要提供以下提供方信息：[提供方信息占位符]。
引用
Maxim Neumann、Anton Raichuk、Peter Potapov、Myroslava Lesiv、Matthew Overlan、Melanie Rey、Ravindran Rajakumar、Michelangelo Conserva、Radost Stanimirova、Michelle Sims、Sarah Carter、Elizabeth Goldman、Yuchang Jiang、Linus Scheibenreif、Ivelina Georgieva、Maria Shchepashchenko、Steffen Fritz、Nicholas Clinton、Charlotte Stanton、Dan Morris、Drew Purves：“Global forest typology at 10-meter resolution for forest and land-use monitoring”（面向森林和土地利用监测的 10 米分辨率全球森林类型学），2026 年 5 月（预印本：doi.org/10.31223/X58R27）。
通过 Earth Engine 探索
代码编辑器 (JavaScript)
var dataset = ee.ImageCollection( 'projects/nature-trace/assets/forest_typology/forest_typology_2020_v1_0_collection') .mosaic(); // Compute argmax class: 1=Primary, 2=Naturally Regenerating, // 3=Planted, 4=Plantation, 5=Tree Crops & Agroforestry, 6=Other land. var b5 = ee.Image(250).subtract(dataset.select([0, 1, 2, 3, 4]).reduce('sum')); var classified = dataset.addBands(b5).toArray().arrayArgmax().arrayGet([0]).add(1); // Palette: Primary=dark green, Naturally Regenerating=light green, // Planted=blue, Plantation=pink, TreeCrops=orange, Other=yellow. var colors = ['1B7837', '7FBF7B', '1D91C0', 'E65FA9', 'E6AB02', 'FDE278']; Map.addLayer( classified, {min: 1, max: 6, palette: colors}, 'Forest Typology 2020 (v1)'); Map.setOptions('HYBRID'); Map.setCenter(116.21, -33.31, 12);