Google DeepMind e parceiros lançam ForTy 2020, mapa global que classifica florestas em seis tipos a 10 metros de resolução

O ForTy 2020 troca a pergunta "há árvores aqui?" por "que tipo de floresta é essa?". O modelo classifica cada pixel de 10 por 10 metros em seis classes baseadas em definições da FAO: floresta primária, em regeneração natural, plantada, de plantation, cultivos arbóreos e agrofloresta, e outras terras. A dificuldade técnica é que as classes dependem em parte do uso da terra, e não só da aparência vista do espaço.

Para treinar, a equipe montou cerca de 1,7 milhão de locais rotulados, vindos de levantamentos de especialistas, bases nacionais e regionais e revisões de áreas onde o modelo errava. O modelo usa arquitetura própria para sensoriamento remoto e recebe como entrada embeddings do AlphaEarth Foundations, resumos compactos de anos de observações de satélite por pixel. Na validação, com mais de 9.000 locais sorteados e dois especialistas por ponto, acertou o tipo de floresta em 90% dos casos e separou floresta de não floresta em 95%, segundo os autores, superando outros mapas globais. O mapa entrega probabilidade por classe, não só um rótulo, o que permite limiares rígidos (uso sob o EUDR) ou o espectro completo (estimativa de extensão florestal). O mapa de 2020 e a série temporal preliminar de 2017 a 2025 estão disponíveis no Google Earth Engine sob licença aberta. A série continua em melhoria nos próximos meses.

Para quem trabalha com IA aplicada a geoespacial, o caso mostra o valor de embeddings pré-treinados de satélite como entrada para tarefas de classificação difíceis. Para equipes de compliance sob o EUDR, os scores de probabilidade permitem calibrar o rigor ao risco regulatório. Como a série temporal é preliminar, vale tratá-la como insumo a validar, não como prova definitiva de conversão.