AI & computing › AI-gestuurde wetenschappelijke ontdekkingen

Google DeepMind maakt wereldwijde boskaart om ontbossing op te sporen

· Bijgewerkt 1 november 2026, 01:10 · 2 min leestijd

AI-gestuurde wetenschappelijke ontdekkingen
Beeld: The Decoder

Google DeepMind en het World Resources Institute hebben een wereldwijde kaart gemaakt die bossen, plantages en boomgewassen zoals palmolie en cacao van elkaar onderscheidt. De kaart, ForTy genoemd, moet bedrijven helpen bewijzen dat hun producten niet bijdragen aan ontbossing. Het systeem combineert satellietbeelden met kunstmatige intelligentie en is het meest gedetailleerde overzicht van zijn soort tot nu toe.

Waarom deze kaart nodig is

Vanaf 2021 geldt in de Europese Unie een strenge regel: bedrijven mogen geen producten verkopen die te maken hebben met ontbossing na 31 december 2020. Deze wet, de EU-verordening tegen ontbossingsvrije producten (EUDR), geldt voor grondstoffen zoals palmolie, cacao, rubber, soja, koffie en hout. Om te kunnen aantonen dat een stuk land toen nog bos was of juist al een plantage, is een betrouwbare foto van de wereld uit 2020 nodig. Die bestond nog niet op wereldschaal. Bestaande kaarten, zoals die van de Europese Commissie, dekken maar een deel van de aarde en maken vaak geen onderscheid tussen een oerbos en een aangeplant bos.

Hoe de AI bossen van plantages onderscheidt

Het team van Google DeepMind loste dat probleem op met een nieuw model: ForTy, een afkorting van 'Forest Typology'. De kaart deelt elk vlak van 10 bij 10 meter in zes categorieen in: oerbos, natuurlijk hergroeiend bos, aangeplant bos, plantagebos, boomgewassen zoals palmolie en cacao, en overig land. Dat onderscheid is moeilijker dan het lijkt, want satellietbeelden laten vooral zien hoeveel groen er staat, niet hoe een stuk land wordt gebruikt of hoe oud de begroeiing is. Een oud gemengd aangeplant bos kan er vanuit de ruimte net zo uitzien als een natuurlijk bos. Een net gekapte plantage telt volgens de regels nog als bos, terwijl de satellietfoto kale grond laat zien. Om dat onderscheid toch te maken, gebruikt ForTy het AlphaEarth Foundations-model van Google DeepMind. Dat model perst gegevens van meerdere satellieten, waaronder optische camera's en radar, samen tot een compacte beschrijving van elk stukje land. Op basis daarvan leren meerdere AI-modellen stap voor stap om groeipatronen, oogstcycli en aanplantpatronen te herkennen. Google zette ook zijn taalmodel Gemini in om oudere trainingsgegevens aan te passen aan de nieuwe Europese definities. Experts verbeterden het systeem bovendien handmatig door tienduizenden foute voorbeelden te corrigeren, zoals wijngaarden in Europa die ten onrechte als boomgewas waren aangemerkt.

Nog niet overal even nauwkeurig

Twee onafhankelijke experts controleerden ruim achtduizend willekeurige locaties. Gemiddeld bleek de kaart in 90,2 procent van de gevallen correct, een hoger percentage dan vergelijkbare kaarten van de Europese Commissie. Maar dat totaalcijfer verbergt grote verschillen. Oerbos herkent het systeem in 89 procent van de gevallen goed. Bij plantages en boomgewassen ligt de trefzekerheid veel lager: ongeveer de helft van de boomgewassen en aangeplante bossen werd gemist, en zo'n een derde van de gebieden die als plantage werden aangemerkt, bleek dat bij controle niet te zijn. Ook per regio lopen de resultaten uiteen. In delen van Rusland overschat de kaart de hoeveelheid oerbos met circa 200 miljoen hectare, terwijl in Afrika juist zo'n 94 miljoen hectare bos wordt gemist, vermoedelijk open droog bos en savanne. Opvallend is Zweden: tweederde van het Zweedse bosareaal bestaat uit aanplant, en slechts een vijfde is nog natuurlijk bos. Volgens de onderzoekers lijkt er genoeg boomgroei te zijn, maar is het aandeel natuurlijk bos, belangrijk voor biodiversiteit, mogelijk kritisch laag. De onderzoekers maakten de kaart, de onderliggende data en de testresultaten gratis beschikbaar, zodat bedrijven, overheden en wetenschappers er zelf mee aan de slag kunnen.

Achtergrond & begrippen

Wat betekent dit voor de toekomst? Een nauwkeurige wereldwijde boskaart maakt het makkelijker om ontbossing te bewijzen en aan te pakken, wat de druk op bedrijven vergroot om hun grondstoffenketens te verduurzamen. Dit project laat ook zien hoe AI-modellen die getraind zijn op satellietdata, steeds gedetailleerdere inzichten in klimaat en natuur kunnen opleveren voor beleid en wetenschap. Omdat de data vrij beschikbaar is, kunnen ook kleinere landen en organisaties zonder eigen satellietprogramma's meeprofiteren.

ForTy
De naam van de AI-kaart van Google DeepMind, een afkorting van 'Forest Typology', die wereldwijd bossen en boomgewassen in categorieen indeelt.
AlphaEarth Foundations
Een AI-model van Google DeepMind dat beelden van meerdere satellieten combineert tot een compacte digitale beschrijving van elk stukje aardoppervlak.
EUDR
De EU-verordening tegen ontbossingsvrije producten, die bedrijven verplicht aan te tonen dat hun grondstoffen niet afkomstig zijn van land dat na 2020 is ontbost.
Oerbos
Bos dat nooit significant door mensen is aangeplant of grootschalig gekapt en zijn natuurlijke structuur heeft behouden.
Plantagebos
Aangeplant bos dat vooral wordt beheerd voor houtproductie, met een regelmatige aanplant- en oogstcyclus.
Boomgewassen
Landbouwgewassen die op boomachtige planten groeien, zoals palmolie, rubber en cacao, en die soms op satellietbeelden op bos lijken.
Resolutie van 10 meter
De mate van detail van de kaart: elk vakje van 10 bij 10 meter op aarde krijgt een eigen classificatie.
Gemini
Het taalmodel van Google dat onder meer is gebruikt om oudere trainingsdata aan te passen aan nieuwe definities.

Bronnen

Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.

Meer over AI-gestuurde wetenschappelijke ontdekkingen