ForTy is een wereldkaart met pixels van 10 meter die land in zes bos- en landgebruiksklassen verdeelt. De studie in Scientific Data rapporteert 90,2% algemene nauwkeurigheid voor de kaart uit 2020, op basis van 8.190 locaties met een gezamenlijk expertlabel. Dat totaalcijfer vat de zes klassen samen; de scores lopen per klasse uiteen. Lees de studie
Wat de nauwkeurigheid van 90,2% meet
De onderzoekers vergeleken de ForTy-classificatie op 8.190 locaties met labels waarover experts overeenstemming hadden bereikt. Op elke locatie telde de centrale pixel van 10 bij 10 meter mee. De 90,2% is de algemene nauwkeurigheid voor de volledige indeling in zes klassen, niet een afzonderlijke score voor elke bossoort.
ForTy onderscheidt primair bos, natuurlijk regenererend bos, aangeplant bos, plantagebos, boomgewassen en agroforestry, en overig land. De studie toetste de kaart aan een steekproef van 9.100 locaties; 8.190 daarvan waren volledig beoordeeld en telden mee voor de nauwkeurigheidsberekening.
De F1-scores verschillen per klasse
Een F1-score combineert precisie en terugvindpercentage in één maat. De scores hieronder laten zien waarom de algemene nauwkeurigheid niet hetzelfde vertelt als de prestatie voor een specifieke klasse.
| Bos- of landklasse | F1-score in het zesklassenschema |
| Primair bos | 82,9% |
| Natuurlijk regenererend bos | 72,6% |
| Aangeplant bos | 58,2% |
| Plantagebos | 66,7% |
| Overig land | 96,4% |
Aangeplant bos scoort met 58,2% het laagst van de bosklassen. Overig land komt uit op 96,4%. De studie schrijft dat deze sterk presterende klasse de algemene nauwkeurigheid aanzienlijk beïnvloedt. Wie vooral geïnteresseerd is in aangeplant bos, kan dus meer hebben aan de klasspecifieke F1-score dan aan het totaalcijfer.
Confidence-scores zijn geen gekalibreerde kansen
ForTy geeft per pixel relatieve confidence-scores voor de klassen. Het zijn gemiddelde uitkomsten van vijf modellen, maar de studie heeft de scores niet achteraf gekalibreerd als posterior-kansen. Een score mag je daarom niet lezen als de exacte kans dat de classificatie van die pixel klopt.
De gekozen drempel verandert bovendien de afweging tussen twee soorten fouten. Een hogere drempel bevordert de gebruikersnauwkeurigheid: minder pixels krijgen een klasse toegewezen als de zekerheid daarvoor laag is. Een lagere drempel bevordert de producentennauwkeurigheid: er worden dan minder locaties van een klasse gemist. De studie adviseert voor toepassingen met specifieke eisen drempels te beoordelen met lokale validatiegegevens.
De kaart uit 2020 en de aangekondigde jaarreeks
De 90,2% hoort bij de validatie van ForTy v1, de referentiekaart voor 2020. Op 22 oktober 2026 kondigde Google DeepMind daarnaast een vroege jaarlijkse ForTy-reeks aan voor 2017 tot en met 2025. Die aankondiging beschreef een aparte reeks; de 90,2% is de gerapporteerde algemene nauwkeurigheid van de kaart uit 2020. Google DeepMind kondigde de jaarreeks aan.
