Prospettive per la sintesi globale delle evidenze sull’adattamento basate sulla Global Adaptation Mapping Initiative

Perché questo conta nel nostro mondo che cambia

Con l’intensificarsi degli impatti climatici, paesi e comunità di tutto il mondo cercano di adattarsi—proteggendo le coste, riprogettando le città, tutelando acqua e salute, e molto altro. Ma con decine di migliaia di studi che descrivono questi sforzi è diventato quasi impossibile tenere traccia di ciò che viene effettivamente sperimentato, dove e con quali risultati. Questo articolo ripercorre un’importante iniziativa globale, la Global Adaptation Mapping Initiative (GAMI), che si proponeva di mappare sistematicamente le risposte umane ai cambiamenti climatici a livello mondiale, e sintetizza lezioni su come trasformare questo crescente flusso di informazioni in indicazioni utili per i decisori.

Un inventario globale di come le persone si stanno adattando

GAMI è stato un grande progetto guidato dalla comunità che ha coinvolto 129 ricercatori in tutto il mondo. Utilizzando tecniche di machine learning per esaminare quasi 50.000 articoli scientifici e una revisione umana approfondita di 1.682 studi, il team ha creato un database delle azioni concrete intraprese per affrontare i cambiamenti climatici. Queste azioni coprono settori come acqua, salute, foreste, città e agricoltura, e regioni che vanno dalle comunità montane alle megacittà costiere e alle terre aride africane. Il database è diventato un punto di riferimento per comprendere l’adattamento globale e ha già alimentato 18 studi più mirati e valutazioni chiave come i rapporti dell’Intergovernmental Panel on Climate Change (IPCC) e il processo climatico delle Nazioni Unite.

Cosa ha funzionato e cosa è mancato

Per comprendere punti di forza e limiti di GAMI, gli autori hanno intervistato 59 persone che avevano contribuito alla direzione, alla codifica o all’analisi dei dati del progetto. I partecipanti hanno convenuto che GAMI ha avuto un forte impatto nella scienza e nelle politiche: è stato ampiamente citato, ha informato importanti rapporti internazionali e ha contribuito a costruire una comunità globale di studiosi dell’adattamento, avvantaggiando in particolare ricercatori alle prime armi e quelli di paesi a basso e medio reddito. Tuttavia, partecipanti e revisori della rivista hanno sollevato anche preoccupazioni rilevanti. Poiché GAMI aggrega informazioni da molti casi di studio in categorie comuni, può attenuare i dettagli locali—per esempio, come l’adattamento si manifesta realmente nelle piccole isole, nelle foreste o in specifiche città. Esistono inoltre squilibri geografici e linguistici: concentrarsi su articoli peer-reviewed indicizzati in inglese significa che gran parte della conoscenza locale e non inglese, incluse pratiche informali e approcci indigeni, resta esclusa.

I compromessi nel mappare l’intero pianeta

Il sondaggio evidenzia una tensione centrale: per coprire il globo, GAMI ha dovuto sacrificare la profondità. È stato usato un unico codice per classificare molte tipologie di studi—da progetti di ingegneria a iniziative di base comunitaria—sotto intestazioni condivise come tipo di risposta, attori coinvolti o rapidità dei cambiamenti. I diversi background disciplinari dei codificatori hanno reso difficile un’interpretazione coerente, e combinare casi studio provenienti da più paesi in poche voci di database talvolta ha cancellato il contesto. I rispondenti hanno valutato l’affidabilità, la validità e l’usabilità complessive del database come buone, ma hanno osservato che esso è più adatto a cogliere tendenze generali piuttosto che intuizioni dettagliate. Gli utenti interessati ad esplorare temi particolari, come l’equità o specifiche regioni, spesso hanno dovuto ricodificare sottoinsiemi di dati per recuperare la sfumatura perduta.

Costruire sistemi di conoscenza più equi e più rapidi

Gestire un impegno manuale così vasto ha richiesto molte ore non retribuite, e il carico di lavoro è stato particolarmente pesante per i contributori del Sud del mondo e per i ricercatori alle prime armi che dovevano conciliare altri impegni. I team di leadership erano ancora dominati da ricercatori con base nel Nord del mondo, sebbene le regole di attribuzione e i successivi team di sintesi si siano mossi verso un bilanciamento regionale migliore. Guardando avanti, i partecipanti vedono potenzialità nella combinazione di competenze umane con strumenti di intelligenza artificiale come il natural language processing. Questi metodi potrebbero aiutare a esaminare più tipi di materiale—non solo articoli di riviste ma anche rapporti governativi, documenti di organizzazioni non governative, testi legislativi e set di dati—e a mantenere un database “vivo” aggiornato con i nuovi contributi. Tuttavia, sottolineano anche che i sistemi di IA devono essere trasparenti, addestrati su dati di alta qualità e supervisionati da esperti per evitare risultati distorti o fuorvianti.

Come questo può guidare la prossima ondata di azione climatica

Nel complesso, l’articolo conclude che GAMI ha dimostrato la fattibilità di uno scatto globale su come gli esseri umani si stanno adattando ai cambiamenti climatici, e che questo tipo di sintesi è vitale per i processi internazionali che valutano se il mondo sta tenendo il passo con i rischi crescenti. Ma mostra anche che le mappe d’insieme sono tanto valide quanto le decisioni che le sottendono: quali studi vengono inclusi, come sono definiti i concetti, chi esegue la codifica e come viene trattata la conoscenza locale. Un futuro “GAMI 2.0” avrà bisogno di finanziamenti stabili, di una leadership più inclusiva, di standard più chiari per la rendicontazione del lavoro di adattamento e di partnership umano–IA progettate con cura. Se ben condotte, tali iniziative potrebbero trasformare storie sparse di adattamento in indicazioni tempestive e affidabili che aiutino comunità, governi e organizzazioni a fare scelte più consapevoli in un mondo che si riscalda.

Citazione: Petzold, J., Garschagen, M., Biesbroek, R. et al. Ways forward for global adaptation evidence synthesis building on the Global Adaptation Mapping Initiative. Commun. Sustain. 1, 62 (2026). https://doi.org/10.1038/s44458-026-00071-5

Parole chiave: adattamento ai cambiamenti climatici, sintesi delle evidenze, Global Adaptation Mapping Initiative, intelligenza artificiale nella ricerca, politica climatica globale