Google DeepMind und das World Resources Institute präsentieren ForTy: eine 10×10‑m‑Auflösungskarte der Wälder von 2020, nutzbar für EUDR‑Prüfungen.
In Kürze
- Sechs Waldtypen auf 10×10‑Meter‑Flächen klassifiziert
- Gesamtgenauigkeit 90,2%, Typ‑Trefferquoten variieren stark
- Daten, Karten und Code offen unter CC‑BY 4.0
Google DeepMind und das World Resources Institute (WRI) haben eine globale Satellitenkarte für das Jahr 2020 veröffentlicht, die Wälder auf 10‑Meter‑Auflösung in sechs Typen unterscheidet: Primärwald, natürlich nachwachsender Wald, gepflanzter Wald, Plantagen, Baumkulturen (z. B. Ölpalme, Kautschuk, Kakao) und sonstiges Land. Die Karte, genannt ForTy, soll unter anderem als Ausgangsbasis für die EU‑Entwaldungsverordnung (EUDR) dienen, die Lieferketten auf nach 2020 entstandene Entwaldung prüfen will.
Wie die Technik steckt
Die Grundlage bildet AlphaEarth Foundations: ein Modell, das optische Satellitenbilder, Radar, Laserscans und Klimainformationen zu einer kompakten Beschreibung jeder 10×10‑Meter‑Fläche zusammenfasst. Darauf laufen drei aufeinanderfolgende Machine‑Learning‑Modelle:
- Ein erstes Modell lernt aus geprüften Beispielen,
- ein zweites ergänzt die Vorhersagen mit zusätzlichen Indikatoren wie Baumhöhe, Rodungs‑ oder Gebäudeerkennung,
- ein drittes glättet die Klassifikationen über mehrere Jahre hinweg.
Die Teams verbesserten Trainingsdaten in mehreren Active‑Learning‑Runden: Fachleute lieferten gut 43.000 zusätzliche Labels. Googles Sprachmodell Gemini half dabei, ältere Label‑Sätze an die Definitionskriterien der EU anzupassen.
Genauigkeit und Schwächen
In der Validierung erreicht ForTy eine Gesamtgenauigkeit von 90,2 %. Die binäre Frage „Wald oder nicht“ wird in 95,5 % der geprüften Fälle korrekt beantwortet (zwei Expertinnen/Experten prüften je 8.190 zufällig gewählte Punkte). Bei der Unterscheidung von Waldtypen schwankt die Trefferquote jedoch deutlich:
- Primärwald: rund 89 %,
- Plantagen: etwa 60 %,
- Gepflanzter Wald und Baumkulturen: je rund 50 %.
Wichtig: Unsichere Fälle wurden bei der Bewertung außen vor gelassen, was die Zahlen positiver erscheinen lässt. Verglichen mit speziell für die EUDR erstellten EU‑Karten schneidet ForTy besser ab (z. B. 95,5 % vs. 93,6 % bei Wald/Nicht‑Wald; 90,9 % vs. 87,8 % bei Waldtypen auf denselben Prüfdaten).
Warum das Erkennen so schwer ist
Viele Fehler resultieren daraus, dass verschiedene Waldtypen aus dem All ähnlich aussehen, der Unterschied aber in der Nutzungsgeschichte liegt. Ein alter gepflanzter Mischwald kann natürlich wirken, eine frisch gerodete Plantage wie kahler Boden. Als pragmatische Heuristik trennt das Team Plantagen von anderem gepflanzten Wald über eine angenommene Erntezeit von 40 Jahren — ein Wert, der regional nicht überall passt.
Typische Fehlklassifizierungen:
- Weinberge wurden teils als Baumkulturen eingeordnet,
- natürliche Kiefernwälder fälschlich als gepflanzt markiert,
- Ölpalmen wurden teilweise übersehen.
Trainingsdaten enthielten zudem einen Bias: Wälder in Straßennähe waren tendenziell seltener als Primärwald gelabelt, ein Vorurteil, das ins Modell überging. Problematisch bleiben auch Flächen mit Schatten‑Kakaokulturen, selektiv geerntete oder verbrannte Bestände sowie lichte Gehölze, die noch nicht als eigene Klasse vorgesehen sind.
Was die Karte sonst noch liefert
ForTy schätzt die globale Waldfläche auf etwa 4,1 Milliarden Hektar, davon rund 3,9 Milliarden Hektar natürlich und etwa 2 Milliarden Hektar Primärwald. Gepflanzte Wälder deckt die Karte mit rund 250 Millionen Hektar ab, Baumkulturen mit etwa 200 Millionen Hektar (stark in Asien konzentriert).
Regionale Auffälligkeiten:
- In Russlands Nadelwäldern weist die Karte deutlich zu viel Primärwald aus (≈ +200 Mio. ha),
- in Afrika fehlen schätzungsweise ≈94 Mio. ha, vermutlich lichte Trockenwälder und Savannen,
- in Schweden sind etwa zwei Drittel der Waldfläche gepflanzt, natürlicher Wald macht nur rund ein Fünftel aus,
- die höchsten Anteile natürlichen Waldes finden sich in der DR Kongo, Indonesien und Brasilien.
Transparenz und Zugang
Jede Klassenzuordnung in ForTy ist mit Konfidenzwerten versehen, sodass Nutzer eigene Schwellen zur Auswertung wählen können. Karte, Klassifikationslayer und Prüfdaten stehen unter CC‑BY 4.0 frei zur Verfügung und sind auch in Google Earth Engine nutzbar. Der zugehörige Code ist in den Repositories GeeFlow und JEO veröffentlicht.
Quellen
- Quelle: Google DeepMind / World Resources Institute
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
