Пути развития синтеза доказательств по адаптации в мире на основе Global Adaptation Mapping Initiative

Почему это важно в нашем меняющемся мире

По мере усиления последствий климата страны и сообщества во всем мире пытаются приспосабливаться — защищая побережья, перестраивая города, обеспечивая безопасность воды и здравоохранения и делая многое другое. Но теперь, когда десятки тысяч исследований описывают эти усилия, становится почти невозможно отследить, что именно пробуется, где и с какими результатами. В этой статье подводятся итоги крупной глобальной инициативы — Global Adaptation Mapping Initiative (GAMI), которая ставила задачу систематически картировать человеческие реакции на изменение климата по всему миру, и извлекаются уроки о том, как лучше превращать растущий поток информации в полезные рекомендации для тех, кто принимает решения.

Глобальная инвентаризация того, как люди адаптируются

GAMI был масштабным проектом, реализованным сообществом: в нём участвовали 129 исследователей со всего мира. С помощью машинного обучения для сканирования почти 50 000 научных статей и детального ручного обзора 1 682 исследований команда создала базу данных реальных мер, которые люди предпринимают, чтобы справиться с изменением климата. Эти меры охватывают такие сектора, как водные ресурсы, здравоохранение, леса, города и сельское хозяйство, а также регионы — от горных сообществ до прибрежных мегаполисов и африканских сухих земель. База данных стала точкой отсчёта для понимания глобальной адаптации и уже послужила источником для 18 более целевых исследований и ключевых оценок, таких как отчёты Межправительственной панели по изменению климата (IPCC) и климатический процесс ООН.

Что сработало, а что не дотянуло

Чтобы понять сильные и слабые стороны GAMI, авторы опросили 59 человек, которые помогали возглавлять, кодировать или анализировать данные проекта. Респонденты согласились, что GAMI оказал значительное влияние на науку и политику: проект широко цитируют, он информировал крупные международные отчёты и помог создать глобальное сообщество исследователей адаптации, особенно поддержав молодых учёных и специалистов из стран с низким и средним уровнем дохода. Однако участники и рецензенты журналов также указали на важные проблемы. Поскольку GAMI агрегирует информацию из многих тематических исследований в общие категории, это может размывать локальные детали — например, как адаптация действительно проявляется на небольших островах, в лесах или в конкретных городах. Существуют также географические и языковые дисбалансы: фокус на рецензируемых статьях, индексированных на английском языке, означает, что многое локальное и неанглоязычное знание, включая неформальные практики и коренные подходы, остаётся вне учета.

Компромиссы при картировании всей планеты

Опрос выявил центральное противоречие: чтобы охватить весь мир, GAMI пришлось пожертвовать глубиной. Для классификации многих разных типов исследований — от инженерных проектов до инициатив, основанных на сообществах — использовалась единая кодовая книга с общими рубриками, такими как тип ответа, вовлечённые акторы или скорость происходящих изменений. Различный дисциплинарный фон кодировщиков усложнял единообразную интерпретацию, а объединение многостраничных тематических исследований из разных стран в несколько записей базы данных иногда стирало контекст. В целом респонденты оценили надёжность, валидность и пригодность базы данных как хорошую, но отметили, что она лучше фиксирует широкие тенденции, чем мелкоячеистые инсайты. Пользователям, желавшим изучать определённые темы, такие как справедливость или конкретные регионы, часто приходилось перекодировать подмножества данных, чтобы вернуть утраченные нюансы.

Создание более справедливых и быстрых систем знаний

Ведение столь масштабной ручной работы потребовало множества неоплачиваемых часов, причём нагрузка была особенно велика для участников из стран Глобального Юга и для молодых учёных, которые совмещали это с другими обязанностями. Руководящие команды оставались в основном представлены исследователями из стран Глобального Севера, хотя правила авторства и последующие синтетические команды смещались в сторону лучшего регионального баланса. Взгляд в будущее вселяет надежду на сочетание человеческой экспертизы с инструментами искусственного интеллекта, такими как обработка естественного языка. Эти методы могли бы помочь отслеживать больше типов материалов — не только журнальные статьи, но и правительственные отчёты, документы неправительственных организаций, правовые тексты и наборы данных — и поддерживать «живую» базу данных в актуальном состоянии по мере появления новых работ. Однако респонденты также подчёркивают, что системы ИИ должны быть прозрачными, обучаться на качественных данных и контролироваться экспертами, чтобы избежать предвзятых или вводящих в заблуждение результатов.

Как это может направить следующую волну климатических действий

В целом статья делает вывод, что GAMI продемонстрировал возможность сделать глобальную «фотографию» того, как люди адаптируются к изменению климата, и что такого рода синтез жизненно важен для международных процессов, оценивающих, не отстаёт ли мир от роста рисков. Но она также показывает, что карты широкого масштаба хороши лишь в меру корректности исходных выборов: какие исследования включены, как определены понятия, кто выполняет кодирование и как учитывается локальное знание. Будущему «GAMI 2.0» понадобятся стабильное финансирование, более инклюзивное руководство, ясные стандарты отчётности об адаптационных работах и продуманное проектирование партнёрств человек–ИИ. При правильной реализации такие усилия могли бы превратить разрозненные истории об адаптации в своевременные, заслуживающие доверия рекомендации, помогающие сообществам, правительствам и организациям принимать более взвешенные решения в мире, который становится теплее.

Цитирование: 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

Ключевые слова: адаптация к изменению климата, синтез доказательств, Global Adaptation Mapping Initiative, искусственный интеллект в исследованиях, глобальная климатическая политика