Mapa ForTy: série anual e precisão do mapa de 2020

A série anual inicial do ForTy cobre 2017 a 2025, segundo anúncio do Google DeepMind. Já os 90,2% de acurácia global correspondem à avaliação do mapa de seis classes de 2020, descrita no estudo publicado em Scientific Data. São recortes diferentes do projeto.

O que o mapa ForTy classifica

O ForTy v1 mapeia o ano de referência de 2020 em resolução de 10 metros. A classificação organiza a cobertura em seis categorias: floresta primária, floresta em regeneração natural, floresta plantada, floresta de plantação, culturas arbóreas e sistemas agroflorestais, e outras terras. O mapa cobre áreas terrestres entre 65°S e 84°N.

Essa divisão ajuda a diferenciar áreas com árvores que podem parecer semelhantes numa imagem de satélite, mas têm tipos de vegetação ou usos distintos. O modelo do mapa de 2020 usou representações de observações de satélite do AlphaEarth Foundations e 1,7 milhão de locais rotulados para treinamento.

Em anúncio de 22 de outubro de 2026, o Google DeepMind descreveu uma série anual inicial do ForTy para 2017 a 2025. A avaliação detalhada do estudo, por sua vez, se refere ao mapa de 2020.

O que os 90,2% medem

O estudo calculou a acurácia global das seis classes com base em 8.190 locais cuja classificação foi resolvida por consenso entre especialistas. Esses locais faziam parte de uma amostra estratificada de 9.100 pontos; a comparação considerou o pixel central de 10 metros. Para o mapa de 2020, o resultado foi de 90,2%, com erro-padrão de 0,3 ponto percentual.

A cifra resume o desempenho agregado nessa avaliação. As pontuações F1 por classe variam bastante, e a categoria “outras terras”, com F1 de 96,4%, influencia o resultado global. F1 combina precisão e revocação, duas medidas relacionadas a acertos e omissões; não é a mesma métrica que a acurácia global.

O desempenho varia entre as classes

A avaliação de seis classes de 2020 apresentou estes valores F1:

As pontuações mais baixas aparecem nas duas classes de florestas manejadas da tabela. O estudo também explica que alguns limites entre categorias dependem do histórico e da intenção de manejo, aspectos que imagens de satélite não observam diretamente. Para separar floresta plantada de floresta de plantação, por exemplo, o modelo usa um limite operacional de rotação de 40 anos, que não se aplica igualmente a todos os biomas e sistemas de manejo.

Os valores de confiança associados às classes são relativos, não probabilidades calibradas de que um rótulo esteja correto. É possível ajustar os limiares para trocar precisão por revocação. Em áreas mistas ou de transição, como sistemas agroflorestais sombreados, a classificação continua sendo mais difícil.

Como interpretar as estimativas de área

O estudo apresenta estimativas calculadas de duas formas: contagens de pixels classificados no mapa e estimativas baseadas em amostragem. Os resultados não são intercambiáveis. A tabela mostra os valores publicados em milhões de hectares (Mha):

Na Ásia, a diferença entre as estimativas de floresta primária aparece junto de totais semelhantes para floresta natural, que inclui floresta primária e floresta em regeneração natural. Isso aponta para uma distribuição diferente entre essas duas classes, não para uma diferença equivalente no total de floresta natural. Na África, o estudo relaciona a diferença de cerca de 94 Mha principalmente à omissão de florestas abertas e savanas próximas ao limite de cobertura florestal usado na classificação.

O mapa de 2020, a camada de classificação e os dados de validação estão disponíveis sob a licença CC BY 4.0 e no Google Earth Engine.