DeepMind lança mapa global de tipos de floresta a 10 metros
Do espaço, uma floresta primária intocada, uma plantação de eucalipto e uma fazenda de dendê podem parecer o mesmo retângulo verde. Um novo mapa global anunciado nesta quinta-feira (22) pelo Google DeepMind, em parceria com o Google Research, o World Resources Institute (WRI) e o IIASA, resolve a ambiguidade: o Forest Typology (ForTy) 2020 classifica cada pedaço de 10 por 10 metros do planeta em seis tipos de floresta e uso da terra — a primeira tipologia global nessa resolução, descrita em artigo publicado em 21 de outubro na Scientific Data.
O que o mapa mostra
O ForTy alinha suas classes às definições da FAO e do regulamento europeu contra o desmatamento (EUDR): floresta primária, floresta em regeneração natural, floresta plantada, floresta de plantio (a "fazenda de árvores" de rotação rápida), cultivos arbóreos e agrofloresta, e outras terras. Em vez de rótulos categóricos, cada pixel recebe pontuações de confiança por classe — permitindo que um auditor, por exemplo, adote um limiar estrito, ou que um cientista use todo o espectro de probabilidades. Junto do mapa-base de 2020, a equipe libera uma série temporal que acompanha cada ano de 2017 a 2025 e mostra não só onde a floresta sumiu, mas o que tomou seu lugar: plantação de madeira, cultivo agrícola ou terra abandonada em regeneração.
Por que "cobertura arbórea" não basta
O valor ecológico de uma floresta depende de sua história: uma floresta primária armazena muito mais carbono e biodiversidade do que uma monocultura colhida a cada década. Como as mudanças mais importantes são difíceis de ver de cima — uma floresta natural derrubada e replantada "fica verde" depressa, enganando os mapas de cobertura —, a tipologia serve de linha de base para o EUDR, que exige produtos como café, cacau e óleo de palma livres de desmatamento ou degradação a partir de 2020, e para financiar a conservação onde ela de fato importa.
Como a IA aprendeu a distinguir
O pipeline de aprendizado profundo roda em três estágios em cascata sobre os embeddings geoespaciais do AlphaEarth Foundations — resumos compactos de anos de observações de satélite por pixel. O modelo, baseado em Swin Transformers v2 (variante Tiny), foi treinado com cerca de 1,7 milhão de amostras rotuladas, aprendizado parcialmente supervisionado com rótulos hierárquicos e três rodadas de aprendizado ativo que miraram justamente os erros: pinheiros naturais confundidos com plantio na América Central, banana na Índia, dendê ausente na África e na Indonésia.
Precisão testada em 9 mil pontos
Para validar, dois especialistas avaliaram independentemente mais de 9 mil sítios aleatórios do mundo inteiro em imagens de alta resolução: o mapa acerta o tipo de floresta 90% das vezes (90,2%, na contagem do artigo), separa floresta de não floresta em 95% (95,5%) e floresta natural de não natural em 94,8% — superando outros mapas globais, segundo os autores. Os dados estão abertos no Google Earth Engine, sob licença aberta, com download direto do repositório.
Fontes
- Google DeepMind — "Beyond tree cover: mapping the world's forest types", 22/10/2026.
- Scientific Data — "Global forest typology at 10-meter resolution for forest and land-use monitoring" (M. Neumann et al.), 21/10/2026. DOI: 10.1038/s41597-026-08299-5.