以全球适应图谱倡议为基础推进全球适应证据综合的路径

这对我们不断变化的世界为何重要

随着气候影响加剧，各国与社区都在尝试调整——保护海岸、重塑城市、保障水资源与健康等诸多方面。但如今已有数以万计的研究描述这些努力，要追踪实际采用了哪些措施、在哪些地方以及取得了何种结果，几乎已成不可能。本文回顾了一项重大全球性工作——全球适应图谱倡议（GAMI），该倡议致力于系统性地绘制全球人类应对气候变化的努力，并提炼出如何将这股日益增长的信息洪流更好地转化为决策者可用指南的经验教训。

关于人们如何适应的全球盘点

GAMI 是一项规模宏大、由社区驱动的项目，汇聚了全球 129 位研究人员。团队借助机器学习扫描近 5 万篇学术论文，并对 1,682 项研究进行了深入人工审核，创建了记录现实中人们为应对气候变化所采取行动的数据库。这些行动涵盖水、健康、森林、城市与农业等领域，涉及从山区社区到沿海大城市以及非洲干旱区等不同地区。该数据库已成为理解全球适应的参考点，并已被用于 18 项更针对性的研究以及诸如政府间气候变化专门委员会（IPCC）报告和联合国气候进程等重要评估中。

成效与不足

为了解 GAMI 的优势与局限，作者对 59 位参与领导、编码或分析该项目数据的人员进行了调查。受访者一致认为 GAMI 在科学与政策方面影响力显著：它被广泛引用，影响了重要国际报告，并促成了一个全球适应学者社区的形成，尤其惠及早期职业研究者以及来自中低收入国家的研究者。然而，参与者与期刊审稿人也提出了重要担忧。由于 GAMI 将众多案例研究汇总到共同类别中，可能会模糊本地细节——例如适应在小岛、森林或特定城市中如何真实地展开。此外存在地域与语言不平衡：聚焦于以英语编入索引的同行评审论文意味着许多地方性与非英语知识，包括非正式做法与原住民方法，被排除在外。

绘制全球图谱的权衡

调查凸显了一个核心矛盾：为了覆盖全球，GAMI 必须牺牲深度。团队使用单一编码手册来将不同类型的研究——从工程项目到社区主导的举措——归类到诸如应对类型、参与者或变化速度等共同条目下。编码者来自不同学科背景，使得一致性解释具有挑战性，将多国案例合并为少数数据库条目有时抹去了情境信息。受访者认为数据库的总体可靠性、有效性与可用性良好，但指出其更擅长捕捉广泛趋势，而非细致入微的见解。希望探究特定主题（如公平）或特定地区的用户，常常需要对数据子集重新编码以恢复丢失的细微差别。

构建更公平更快速的知识体系

运行如此庞大的人工工作要求投入大量无偿时间，而这项工作对全球南方的贡献者和那些兼顾其他职责的早期职业学者的负担尤为沉重。尽管署名规则和后续的综合团队在努力改善地区平衡，领导团队仍以北半球研究者为主导。展望未来，受访者认为将人工专业知识与自然语言处理等人工智能工具结合具有潜力。这些方法可以帮助筛查更多类型的材料——不仅限于期刊文章，还可包括政府报告、非政府组织文件、法律文本与数据集——并使数据库随着新成果出现保持“活态”更新。然而，他们也强调，人工智能系统必须透明、以高质量数据训练，并由专家监督，才能避免产生有偏或误导性的结果。

这将如何引导下一波气候行动

总体而言，文章得出结论：GAMI 证明了有可能对人类如何适应气候变化进行全球性快照，这类综合对评估世界是否跟上日益上升的风险的国际进程至关重要。但它也表明，大局图谱的价值取决于背后的选择：包括纳入哪些研究、如何定义概念、谁来做编码以及如何对待地方知识。未来的“GAMI 2.0”需要稳定的资金、更具包容性的领导、更清晰的适应工作报告标准以及精心设计的人机（人–人工智能）合作关系。如果实施得当，此类工作可以将支离破碎的适应故事转化为及时且值得信赖的指导，帮助社区、政府与组织在变暖的世界中做出更明智的选择。

引用: 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

关键词: 气候变化适应, 证据综合, 全球适应图谱倡议, 研究中的人工智能, 全球气候政策