より高精度な世界の森林マッピング：Canopy Height Maps v2 の公開
Meta AI は世界資源研究所と協力し、自己教師ありビジョンモデル DINOv3 を基盤とした高精度な森林キャノピー高さマップ「Canopy Height Maps v2」を公開し、気候変動対策や生物多様性保全のためのデータ精度を劇的に向上させた。
キーポイント
DINOv3 ベースの技術的刷新
前バージョンの DINOv2 から、大規模衛星画像で事前学習されたより高性能な DINOv3 バックボーンへ移行し、影やテクスチャなどの微細な視覚的特徴から樹高を推定する能力が大幅に強化された。
予測精度の劇的向上
モデルの R²（決定係数）が 0.53 から 0.86 に上昇し、特に高木におけるバイアスが最小化され、科学的・運用上の信頼性が飛躍的に高まった。
データセットと学習手法の拡充
地理的多様性に富む高品質な LiDAR データを追加し、衛星画像と実測値を自動マッチングするツールや、キャノピー高さ特有の課題に対応した損失関数を開発して精度を向上させた。
環境保護への即応的活用
森林の健全性モニタリング、復元活動の追跡、劣化検出、炭素貯蔵量の推定など、気候変動対策や生物多様性保全のための意思決定を支援するオープンソースツールとして提供される。
影響分析・編集コメントを表示
影響分析
この発表は、AI が環境科学や気候変動対策において単なる分析ツールから、実効性のある意思決定支援インフラへと進化していることを示す画期的な事例です。特に、ラベル付けコストのかかる LiDAR データに依存せず衛星画像のみで高精度なマップを生成できる技術は、途上国を含む全球規模での森林監視を現実的なコストで可能にし、国際的な気候目標の達成に向けたデータ基盤を強化します。
編集コメント
DINOv3 の視覚理解能力が、環境モニタリングという極めて重要な社会課題に対して具体的な成果（R²の劇的向上）として現れた点に注目すべきです。これは AI が「ブラックボックス」から「信頼性の高い計測ツール」へと進化している象徴的なケースと言えます。
森林は地球上の生命にとって不可欠であり、炭素を蓄え、野生生物に棲家を提供し、気候を形成しています。これらを保護し回復させるためには、これまで以上に森林を見つめ直す必要があります。本日、World Resources Institute と連携して、オープンソースモデルおよびそれを用いて生成された世界規模のマップである Canopy Height Maps v2（CHMv2）を発表します。これらにより、研究者や政府はすべての樹木、ギャップ、樹冠の縁を測定・理解できるようになり、より賢明な生物多様性支援や土地利用管理の意思決定が可能になります。
CHMv2 の核心には、Meta の自己教師ありビジョンモデルである DINOv3 が位置しており、これが世界中の森林マッピングに前例のない明確さと詳細をもたらします。しかし、可視性だけでは不十分です。洞察を実行に移すためには、森林構造に関する正確で高解像度のデータが必要です。樹冠の高さ測定は、森林の健康状態の監視、回復活動の追跡、劣化の検出、炭素貯留量の推定において重要な役割を果たします。
2024 年に公開した 元の高分解能樹冠高マップ を基盤として、CHMv2 は精度、詳細度、そして世界的な一貫性において大幅な改善を実現しました。これは、DINOv2 のバックボーンを、大規模で多様な衛星画像データセットである SAT-493M で事前学習された、より能力の高い DINOv3 バックボーンに置き換えた結果です。
「DINOv3 は、多様な景観全体における森林構造の測定能力を強化し、高分解能での復元モニタリングを一貫性のあるものとし、スケーラビリティを高めます」と、世界資源研究所（World Resources Institute）のデータサイエンスリーダーであるジョン・ブランドト氏は述べています。
DINOv3 は、大量のラベルなし画像から堅牢な視覚的特徴を学習します。多様な衛星データをトレーニング対象とすることで、DINOv3 は樹高を示す微妙な視覚的手がかり（影、テクスチャ、樹冠形状など）を捉えることができますが、数百万もの手動でラベル付けされた例を必要としません。これにより、CHMv2 は前バージョンに比べて精度と詳細度において大きな向上を実現します。
さらに、モデルの R²（予測値と実測値との一致度を測定する方法）は 0.53 から 0.86 に急上昇しました。このモデルは now より鮮明な樹冠マップを提供し、高木に対するバイアスを最小化することで、科学的および運用上の利用においてその予測をより信頼性の高いものとしています。
CHMv2 のトレーニングデータセットも、地理的に多様で高品質な LiDAR 事例を追加することで拡大・改善されました。衛星画像を現実世界の LiDAR 測定値によりよく整合させるため、自動マッチングツールを構築し、樹冠高さ推定という固有の課題に対処するための専用損失関数を開発しました。これらの進展により、CHMv2 は世界規模の森林マッピングにおける新たな基準を設定できるようになりました。
欧州、米国およびその他の地域における公共部門との協力
以前の AI モデルおよび関連するマップである CHMv1 は、すでに気候変動による移住、回復活動、生物多様性保全の取り組みを支援しています。イギリスでは、林業庁の研究機関である Forest Research が、これらのツールを活用して大英諸島の森林の監視・管理方法を転換しています。その活動は、これらのツールが国規模の森林インベントリ（inventory）をどのように支え、気候コミットメントへの進捗を追跡するのを助けるかを示すものです。この協力に関する詳細はこちら。
イギリス以外にも、樹冠高マップは欧州各国および地方自治体の環境目標達成を支援しています。欧州委員会の共同研究センターは、2020 年のグローバル森林被覆マップにおいて第 1 版の樹冠高マップを使用し（ESSD 論文 ESSD paper、EU 森林観測所）、将来のマップバージョンや他の樹木監視活動にも CHMv2 の利用を期待しています。これには、2030 年までに欧州連合全域で少なくとも 30 億本の多様な樹木の植林を目指す「3 Billion Tree Initiative（30 億本樹木イニシアチブ）」3 Billion Tree Initiative も含まれています。
米国では、これらのマップは「スマート・サーフェスズ・シティーズ」の実装に利用されている都市計画ツールでも活用されています。このイニシアチブはスマート・サーフェス・コアリションが主導し、アトランタ、ボルティモア、ボストン、サウスカロライナ州コロンビア、ダラス、ニューオーリンズを含む 10 の都市の市長が署名しています。「スマート・サーフェスズ・シティーズ」は、Waverley Street Foundation と MacArthur Foundation が資金を提供する多年間のプロジェクトで、反射性（クール）ルーフや舗装、緑化屋根、太陽光エネルギー、透水性舗装、雨水庭園、そして樹木を用いて都市および大都市圏を冷却することを目指しています。さらに、WRI Ross Center for Sustainable Cities は、これらのマップを「Cool Cities Lab」でも活用しており、これは今後全世界で利用可能なシナリオ計画ツールです（当初は 11 カ国の都市向けに提供開始）。このツールは、都市が冷却対策の温度への影響を評価するのを支援します。
Looking Ahead
CHMv2 は大きな前進を表していますが、依然として課題が残っています。私たちはデータが不足している地域での予測精度向上、視点幾何学的効果への対応、時間的な被覆範囲の拡大を通じて、経時的な変化検出をよりよくサポートすることに取り組んでいます。
これらの進展を研究コミュニティに提供することで、世界中の森林モニタリングにおける進歩を加速させたいと考えています。より良いマップは、保全、気候変動対策、そして健全な森林に依存する無数のコミュニティにとって、より良い意思決定を可能にします。
研究論文を読むGoogle Earth Engine で樹冠高マップを表示するDINOv3/CHMv2 モデルをダウンロードするデータセットをダウンロードする
原文を表示
Forests are essential to life on Earth — storing carbon, sheltering wildlife, and shaping our climate. To protect and restore them, we must see them as never before. Today, in partnership with the World Resources Institute, we’re announcing Canopy Height Maps v2 (CHMv2): an open source model and world-scale maps generated with it. Together, they will help researchers and governments measure and understand every tree, gap, and canopy edge — enabling smarter biodiversity support and land-management decisions.
At the heart of CHMv2 is DINOv3, Meta’s self-supervised vision model, which brings unprecedented clarity and detail to forest mapping worldwide. But visibility isn’t enough — having accurate, high-resolution data on forest structure is essential for turning insights into action. Tree canopy height measurements are important for monitoring forest health, tracking restoration efforts, detecting degradation, and estimating carbon storage.
Building on our original high-resolution canopy height maps released in 2024, CHMv2 delivers substantial improvements in accuracy, detail, and global consistency. This comes from replacing the DINOv2 backbone with our more capable DINOv3 backbone, pre-trained on SAT-493M, a large and diverse dataset of satellite imagery.
“DINOv3 strengthens our ability to measure forest structure across diverse landscapes, making high-resolution restoration monitoring more consistent and more scalable,” says John Brandt, Data Science Lead at the World Resources Institute.
DINOv3 learns robust visual features from large amounts of unlabeled imagery. By training on diverse satellite data, DINOv3 captures the subtle visual cues that indicate tree height, such as shadows, textures, and crown shapes — without requiring millions of manually labeled examples. This enables CHMv2 to deliver major gains in accuracy and detail over the previous version.
Additionally, the model's R² — a way of measuring how closely predictions match real-world measurements — has soared from 0.53 to 0.86. The model now delivers sharper canopy maps and minimizes bias for tall trees, making its predictions more trustworthy for scientific and operational use.
The training dataset for CHMv2 was also expanded and improved by adding more geographically diverse, high-quality lidar examples. To better align satellite imagery with real-world lidar measurements, we built automated matching tools and developed a specialized loss function to address the unique challenges of canopy height estimation. Together, these advances enable CHMv2 to set a new bar for global forest mapping.
Collaborations with the Public Sector in Europe, the United States, and Beyond
Our previous AI model and associated maps, CHMv1, are already supporting climate migration, restoration, and biodiversity efforts. In the United Kingdom, Forest Research — the research agency of the Forestry Commission — is using these to transform how they monitor and manage Great Britain’s forests. Their work demonstrates how these tools can support national-scale forest inventory and help track progress toward climate commitments. Read more about this collaboration.
Beyond the United Kingdom, Canopy Height Maps are helping national and local governments across Europe advance their environmental goals. The European Commission’s Joint Research Centre used the first version of Canopy Height Maps in its Global Forest Cover map for 2020 research (ESSD paper, EU Forest Observatory) and hopes to use CHMv2 for future map versions and other tree monitoring efforts, including the 3 Billion Tree Initiative — a commitment to plant at least 3 billion biodiverse trees across the European Union by 2030.
In the United States, these maps have also been leveraged in city planning tools being used for the implementation of Cities for Smart Surfaces, an initiative led by the Smart Surfaces Coalition and signed on by the mayors of 10 cities, including Atlanta, Baltimore, Boston, Columbia (South Carolina), Dallas, and New Orleans. Cities for Smart Surfaces is a multiyear project funded by Waverley Street Foundation and the MacArthur Foundation to cool cities and metropolitan areas with reflective (cool) roofs and pavements, green roofs, solar energy, porous pavements, rain gardens, and trees. Additionally, WRI Ross Center for Sustainable Cities is making use of these maps in Cool Cities Lab, a forthcoming globally relevant scenario planning tool — initially available for cities in 11 countries — that helps cities assess the temperature effects of urban cooling interventions.
Looking Ahead
CHMv2 represents a significant step forward, but challenges remain. We’re continuing to improve predictions in regions where data is sparse, address viewing-geometry effects, and extend temporal coverage to better support change detection over time.
By making these advances available to the research community, we hope to accelerate progress in forest monitoring worldwide. Better maps enable better decisions — for conservation, climate action, and the countless communities that depend on healthy forests.
Read the Research PaperView Canopy Height Maps on Google Earth EngineDownload the DINOv3/CHMv2 ModelsDownload the Dataset
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み