Vägar framåt för global syntes av anpassningsbevis som bygger på Global Adaptation Mapping Initiative

Varför detta spelar roll i vår förändrade värld

När klimatpåverkan intensifieras försöker länder och samhällen överallt anpassa sig – genom att skydda kuster, omgestalta städer, säkra vatten och folkhälsa och mycket mer. Men med tiotusentals studier som beskriver dessa insatser har det blivit nästan omöjligt att hålla reda på vad som faktiskt prövas, var och med vilka resultat. Den här artikeln ser tillbaka på en stor global satsning, Global Adaptation Mapping Initiative (GAMI), som hade som mål att systematiskt kartlägga mänskliga svar på klimatförändringar världen över, och destillerar lärdomar om hur vi bättre kan omvandla denna växande informationsström till användbar vägledning för beslutsfattare.

En global inventering av hur människor anpassar sig

GAMI var ett omfattande, samhällsdrivet projekt med 129 forskare runtom i världen. Genom att använda maskininlärning för att skanna nästan 50 000 vetenskapliga artiklar och med djupgående manuell granskning av 1 682 studier skapade teamet en databas över verkliga åtgärder som människor vidtar för att hantera klimatförändringar. Dessa åtgärder spänner över sektorer som vatten, hälsa, skogar, städer och jordbruk, och regioner från bergssamhällen till kustmegastäder och torra områden i Afrika. Databasen har blivit en referenspunkt för att förstå global anpassning och har redan bidragit till 18 mer riktade studier och viktiga bedömningar såsom rapporter från FN:s klimatpanel (IPCC) och FN:s klimatprocess.

Vad som fungerade och vad som brast

För att förstå GAMIs styrkor och svagheter genomförde författarna en enkät bland 59 personer som hade hjälpt leda, koda eller analysera projektets data. Respondenterna var överens om att GAMI haft stort genomslag i vetenskap och politik: det har citerats flitigt, informerat stora internationella rapporter och bidragit till att bygga ett globalt nätverk av anpassningsforskare, med särskild nytta för tidigt karriärsteg och för forskare från låg- och medelinkomstländer. Samtidigt lyfte deltagare och granskare i tidskrifter också fram viktiga farhågor. Eftersom GAMI samlar information från många fallstudier under gemensamma kategorier kan lokala detaljer suddas ut – till exempel hur anpassning verkligen ser ut på små öar, i skogar eller i specifika städer. Det finns också geografiska och språkliga obalanser: fokus på peer-reviewed artiklar indexerade på engelska innebär att mycket lokal och icke-engelsk kunskap, inklusive informella metoder och ursprungsbefolkningars tillvägagångssätt, blir utelämnad.

Avvägningarna i att kartlägga hela planeten

Enkäten betonar en central spänning: för att täcka hela världen var GAMI tvunget att offra djup. En enda kodbok användes för att klassificera många olika typer av studier – från ingenjörsprojekt till samhällsbaserade initiativ – under gemensamma rubriker som typ av åtgärd, involverade aktörer eller hur snabbt förändringar sker. Kodarnas olika disciplinära bakgrunder försvårade konsekvent tolkning, och att kombinera flercountry fallstudier till ett fåtal databaspunkter suddade ibland ut kontext. Respondenterna bedömde databasens övergripande tillförlitlighet, validitet och användbarhet som god, men noterade att den är bäst på att fånga breda trender snarare än finmaskiga insikter. Användare som ville utforska särskilda teman, som rättvisa eller specifika regioner, var ofta tvungna att omkoda delmängder av data för att återfå förlorad nyans.

Att bygga rättvisare och snabbare kunskapssystem

Att driva en så stor manuell insats krävde många obetalda timmar, och arbetsbördan var särskilt tung för bidragsgivare i det globala södern och för tidigt karriärstegsforskare som jonglerade andra åtaganden. Ledarskapsteamen dominerades fortfarande av forskare baserade i det globala norr, även om författarskapsregler och senare syntesteam rörde sig mot bättre regional balans. Framöver ser respondenterna potential i att kombinera mänsklig expertis med artificiella intelligensverktyg som naturlig språkbehandling. Dessa metoder skulle kunna hjälpa till att granska fler typer av material – inte bara tidskriftsartiklar utan även regeringsrapporter, dokument från icke-statliga organisationer, rättstexter och databaser – och hålla en "levande" databas uppdaterad i takt med att ny forskning dyker upp. De betonar dock också att AI-system måste vara transparenta, tränade på högkvalitativa data och övervakade av experter för att undvika partiska eller vilseledande resultat.

Hur detta kan vägleda nästa våg av klimatåtgärder

Sammanfattningsvis konkluderar artikeln att GAMI visade att det är möjligt att ta en global ögonblicksbild av hur människor anpassar sig till klimatförändringar, och att denna typ av syntes är avgörande för internationella processer som bedömer om världen håller takt med de stigande riskerna. Men den visar också att storskaliga kartor bara är så bra som de val som ligger bakom dem: vilka studier som inkluderas, hur begrepp definieras, vem som gör kodningen och hur lokal kunskap behandlas. Ett framtida "GAMI 2.0" kommer att behöva stabil finansiering, mer inkluderande ledarskap, tydligare standarder för rapportering av anpassningsarbete och noggrant utformade människa–AI-partnerskap. Utfört väl kan sådana satsningar förvandla spridda anpassningsberättelser till aktuell, pålitlig vägledning som hjälper samhällen, regeringar och organisationer att fatta klokare beslut i en varmare värld.

Citering: 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

Nyckelord: anpassning till klimatförändringar, bevisbaserad syntes, Global Adaptation Mapping Initiative, artificiell intelligens i forskning, global klimatpolitik