Google Deepmind เปิดตัว ForTy แผนที่ป่าไม้โลกด้วย AI

Image description

ประเด็นสำคัญ

Google Deepmind และ World Resources Institute สร้างแผนที่ดาวเทียมโลกปี 2020 โดยจำแนกพื้นที่ที่ความละเอียด 10 เมตร ออกเป็น 6 ประเภท รวมถึงป่าปฐมภูมิ พื้นที่ปลูกป่า และพืชยืนต้น
ระบบใช้ AlphaEarth Foundations และขั้นตอนการจดจำภาพหลายขั้นตอนเพื่อแยกแยะประเภทป่าตามรอบการเติบโตและการเก็บเกี่ยว ไม่ใช่แค่รูปลักษณ์ภายนอก
แผนที่บรรลุความแม่นยำโดยรวม 90.2% ซึ่งสูงกว่าแผนที่ของคณะกรรมาธิการยุโรป แต่การระบุพืชยืนต้นและพื้นที่ปลูกป่ายังทำได้เพียงประมาณครึ่งหนึ่ง และระบุพื้นที่สวนป่าได้ 60%

Google Deepmind และ World Resources Institute ได้พัฒนา ForTy ซึ่งเป็นแผนที่ AI ที่แยกแยะป่าปฐมภูมิ พื้นที่สวนป่าเพื่อทำไม้ และฟาร์มพืชยืนต้นทั่วโลก โดยปกติแล้วแผนที่ดาวเทียมจะแสดงเพียงว่ามีต้นไม้เติบโตหรือไม่ โดยไม่ได้ระบุประเภทป่าหรือพืช แต่ ForTy (Forest Typology) ก้าวไปไกลกว่านั้นด้วยการจำแนกพื้นที่ดินโลกในปี 2020 ออกเป็น 6 ระดับที่ความละเอียด 10 เมตร ครอบคลุมทั้งป่าปฐมภูมิ ป่าฟื้นฟูธรรมชาติ พื้นที่ปลูกป่า พื้นที่สวนป่า พืชยืนต้น (เช่น ปาล์มน้ำมัน ยางพารา โกโก้) และพื้นที่ดินอื่นๆ

ผู้เขียนระบุว่า ForTy เป็นแผนที่โลกฉบับแรกในประเภทนี้ เนื่องจากชุดข้อมูลเดิม รวมถึงของคณะกรรมาธิการยุโรป ครอบคลุมพื้นที่เพียงบางส่วนของโลกเท่านั้น

The map shows the most common forest or land use class in each square kilometer, while the underlying data has a resolution of 10 meters.

กฎระเบียบ EUDR ต้องการจุดอ้างอิงปี 2020 ที่เชื่อถือได้

แรงผลักดันสำคัญของโครงการนี้คือ EU Regulation on Deforestation-free Products (EUDR) ซึ่งห้ามสินค้าที่เกี่ยวข้องกับการแผ้วถางหรือทำให้ป่าเสื่อมโทรมหลังวันที่ 31 ธันวาคม 2020 รวมถึงการเปลี่ยนป่าปฐมภูมิเป็นสวนป่า เนื่องจากฟาร์มปาล์มน้ำมันและโกโก้ถือเป็นที่ดินเกษตร บริษัทที่ประเมินความเสี่ยงในห่วงโซ่อุปทานจึงต้องทราบสถานะการใช้งานที่ดินในปี 2020 อย่างแม่นยำ ForTy จึงเข้ามาเป็นจุดอ้างอิงสำคัญสำหรับโครงการอย่าง Tropical Forest Forever Facility (TFFF) และเป้าหมายของสหประชาชาติในการปกป้องพื้นที่ดิน 30% ของโลกภายในปี 2030

DeepMind ระบุว่าการสร้างจุดอ้างอิงทำได้ยาก เพราะประเภทป่าขึ้นอยู่กับประวัติการเติบโต ไม่ใช่แค่รูปลักษณ์ ป่าผสมที่ปลูกมานานอาจดูคล้ายป่าธรรมชาติเมื่อมองจากอวกาศ ส่วนสวนป่าที่เพิ่งถูกแผ้วถางยังคงถือเป็นป่าตามนิยาม แม้ภาพดาวเทียมจะเห็นเป็นพื้นดินว่างเปล่าก็ตาม

The model distinguishes the 5 visually similar forest and tree crop classes using planting patterns, growth cycles, and harvest schedules.

ForTy ใช้โมเดลสามขั้นตอนเพื่อยกระดับการจำแนกประเภท

ForTy ทำงานบนโมเดล AlphaEarth Foundations ของ Google DeepMind ซึ่งบีบอัดข้อมูลดาวเทียมหลายดวงเป็นคำอธิบาย pixel ที่กะทัดรัด จากนั้นจึงใช้โมเดลจดจำภาพหลายตัวประมวลผลต่อ โดยเริ่มจากตัวอย่างที่ผ่านการตรวจสอบโดยผู้เชี่ยวชาญ

การคาดการณ์จากโมเดลแรกจะถูกนำไปรวมกับข้อมูลความสูงต้นไม้ สิ่งปลูกสร้าง และการสูญเสียป่า เพื่อใช้เป็นข้อมูลฝึกสำหรับโมเดลที่สอง ส่วนขั้นตอนสุดท้ายจะวิเคราะห์ข้อมูลหลายปีร่วมกันเพื่อลดค่าที่ผิดปกติ (outliers) นอกจากนี้ยังใช้โมเดลภาษา Gemini ของ Google ช่วยปรับข้อมูลการฝึกแบบเดิมให้ตรงตามนิยามของสหภาพยุโรป

ForTy trains 3 models in sequence and improves its training data through several rounds of active learning focused on areas where the map made mistakes.

ในระหว่างการปรับปรุง ผู้เชี่ยวชาญได้เพิ่มตัวอย่างกว่า 43,000 รายการเพื่อแก้ข้อผิดพลาด เช่น การจำแนกไร่องุ่นในยุโรปเป็นพืชยืนต้น หรือการระบุป่าสนธรรมชาติในอเมริกากลางเป็นพื้นที่ปลูกป่า อย่างไรก็ตาม การแยกแยะบางอย่างยังคงเป็นข้อจำกัดของดาวเทียม เช่น การใช้ระยะเวลาหมุนเวียน 40 ปีเพื่อแยกสวนป่าออกจากพื้นที่ปลูกป่า ซึ่งอาจไม่เหมาะกับทุกภูมิภาค

ข้อจำกัดด้านความน่าเชื่อถือในพื้นที่สวนป่าและพืชยืนต้น

จากการตรวจสอบตัวอย่างสุ่ม 8,190 แห่ง พบความถูกต้องเฉลี่ย 90.2% แต่ผู้เขียนเตือนว่าคะแนนนี้สูงขึ้นเพราะหมวดหมู่ "พื้นที่ดินอื่นๆ" ที่ระบุได้ง่าย หากแยกตามประเภทป่า ความแม่นยำจะแตกต่างกันมาก โดยระบุป่าปฐมภูมิได้ถูกต้อง 89% แต่ระบุพืชยืนต้นและพื้นที่ปลูกป่าได้เพียงครึ่งหนึ่ง และสวนป่าได้ 60%

ความไม่แน่นอนนี้ส่งผลต่อเกณฑ์ของ EUDR โดยตรง เนื่องจากพื้นที่ที่มีการจัดการสูงมักจะจำแนกได้ยากที่สุด อย่างไรก็ตาม ForTy ยังคงมีประสิทธิภาพเหนือกว่าแผนที่ของคณะกรรมาธิการยุโรปในข้อมูลชุดเดียวกัน โดยทำคะแนนการจำแนกประเภทป่าได้ 90.9% เทียบกับ 87.8%

โมเดลยังมีจุดอ่อนที่รับมาจากข้อมูลการฝึก เช่น ผู้ให้ข้อมูลมักไม่จำแนกป่าใกล้ถนนหรือชุมชนว่าเป็นป่าปฐมภูมิ แม้ป่าเหล่านั้นจะดูเหมือนไม่เคยถูกรบกวนก็ตาม

สวีเดนกับสถานะป่าปลูก และภาพรวมป่าไม้โลก

นักวิจัยประเมินว่าโลกมีป่าไม้ราว 4.1 พันล้านเฮกตาร์ แบ่งเป็นป่าธรรมชาติ 3.9 พันล้านเฮกตาร์ (ในจำนวนนี้เป็นป่าปฐมภูมิ 2 พันล้านเฮกตาร์) พื้นที่ปลูกป่า 250 ล้านเฮกตาร์ และพืชยืนต้น 200 ล้านเฮกตาร์ซึ่งส่วนใหญ่อยู่ในเอเชีย

อย่างไรก็ตาม มีข้อผิดพลาดระดับภูมิภาค เช่น การประเมินป่าปฐมภูมิในรัสเซียสูงเกินจริง 200 ล้านเฮกตาร์ และการมองข้ามป่าในแอฟริกาไปราว 94 ล้านเฮกตาร์เนื่องจากลักษณะป่าโปร่งและทุ่งหญ้าสะวันนา

Tree crops and plantations dominate in Southeast Asia, while planted forests account for most of the forest area in Sweden and Finland.

กรณีของสวีเดน พื้นที่ป่า 2 ใน 3 เป็นพื้นที่ปลูก และมีป่าธรรมชาติเพียง 1 ใน 5 ของประเทศ ซึ่งอาจส่งผลเสียต่อความหลากหลายทางชีวภาพ ในขณะที่ประเทศอย่างสาธารณรัฐประชาธิปไตยคองโก อินโดนีเซีย และบราซิล มีสัดส่วนป่าธรรมชาติสูงที่สุด

ความท้าทายในอนาคต: พืชในร่มเงาและป่าโปร่ง

ForTy ยังมีปัญหากับการจำแนกโกโก้หรือกาแฟที่ปลูกใต้ร่มไม้ธรรมชาติ รวมถึงป่าที่ถูกตัดไม้แบบเลือกเฟ้นหรือถูกไฟไหม้ นอกจากนี้ยังไม่มีหมวดหมู่แยกสำหรับป่าโปร่ง (open woodlands) ซึ่งมีความสำคัญต่อกฎหมาย EUDR แต่นักวิจัยระบุว่าเวอร์ชันในอนาคตจะมีการเพิ่มหมวดหมู่นี้

ปัจจุบัน แผนที่, ชั้นการจำแนกประเภท และ ข้อมูลทดสอบ เปิดให้ใช้งานฟรีภายใต้ใบอนุญาต CC BY 4.0 รวมถึงใน Google Earth Engine โดยมีการเผยแพร่โค้ดทาง GeeFlow และ JEO

โครงการ ForTy ต่อยอดมาจาก AlphaEarth Foundations ที่เปิดตัวในปี 2025 ซึ่งทำหน้าที่เป็น ดาวเทียมเสมือน โดยรวมภาพดาวเทียม เรดาร์ และเลเซอร์สแกนเข้าด้วยกัน โครงการนี้ถือเป็นส่วนหนึ่งของ Earth AI ที่ Google กำลัง เชื่อมต่อกับ Gemini เพื่อใช้ในการวิเคราะห์พยากรณ์ภัยแล้งและน้ำท่วมในอนาคต