Google DeepMind, Google Research가 세계자원연구소(WRI), 국제응용시스템분석연구소(IIASA)와 함께 산림 유형 분류(Forest Typology, ForTy) 2020를 공개했습니다. 이 프로젝트는 전 세계 육지를 10×10 미터 격자로 나누어 원시림, 자연 갱신림, 인공림, 단기 수확용 목재림, 경제림 및 농림 복합(유기농 야자, 고무, 코코아 등), 기타 토지의 6가지 유형으로 분류합니다. 또한 2017년부터 2025년까지의 연도별 변화 초기 시계열 데이터를 함께 공개하여, 천연림이 인공림이나 농지로 전환되었는지 여부를 파악할 수 있게 합니다. 모델은 AlphaEarth Foundations의 위성 임베딩을 입력으로 사용하며, 논문은 10월 21일 《Scientific Data》에 게재되었습니다.
신뢰도: 높음(95) · 이벤트 발생 시간 2026-10-22
이유
- 유럽연합의 '산림 벌채 방지 제품 규정(EUDR)'은 커피, 코코아, 팜유 등이 2020년 이후 산림에서 농지로 전환된 지역에서 생산되어서는 안 되며, 목재 제품은 원시림에서 인공림으로 전환된 지역에서 생산되어서는 안 된다고 요구합니다. 기업과 규제 당국은 2020년 당시 각 토지가 어떤 유형의 산림이었는지 알아야 하지만, 대부분의 전 세계 지도는 단순히 '나무가 있는지 여부'만 표시합니다.
- 공식 발표에 따르면 전문가들이 9000개의 무작위 지점에서 재검토한 결과, 산림 유형 판별 정확도는 약 90%, 산림 및 비산림 판별 정확도는 약 95%로 다른 전 세계 산림 지도보다 우수한 것으로 나타났습니다. 각 픽셀마다 6가지 유형별 신뢰도 점수를 제공하므로, 사용자는 용도에 따라 임계값을 조정할 수 있습니다. 예를 들어, 규정 준수 검토 시에는 높은 신뢰도의 픽셀만 선택할 수 있습니다.
사용법
- 지도 및 검증 데이터는 Google Earth Engine과 Figshare에서 CC BY 4.0 라이선스로 무료로 이용할 수 있으며, 학습, 추론 및 평가 코드는 GitHub의 google-deepmind/jeo 및 google-deepmind/geeflow 저장소에 있습니다. DeepMind 블로그의 'Beyond tree cover' 게시물에는 온라인 지도 및 시계열 데이터 탐색 링크가 포함되어 있습니다.
리스크
- 논문 및 The Decoder에 따르면, 경제림과 인공림의 식별 정확도는 약 50%, 단기 수확용 목재림은 약 60%에 불과하며, 단기 수확용 목재림 또는 경제림으로 분류된 지역의 4분의 1에서 3분의 1이 잘못 판별되었습니다. 이는 바로 EUDR이 가장 중요하게 여기는 경계 부분입니다. 아시아에서는 원시림 면적을 약 2억 헥타르 과대평가했으며, 아프리카에서는 약 9400만 헥타르의 산림을 누락했습니다.
- 전체 정확도 약 90%은 판별이 쉬운 '기타 토지' 샘플의 영향으로 크게 높아진 결과이며(저자 스스로 지적함), 시계열 데이터는 초기 버전입니다.
- 공식 발표일은 10월 22일로, 지난 24시간 내의 새로운 소식이 아닙니다. 이번 호에는 새로운 언론 보도를 계기로 수록되었습니다.