Kunstig intelligens analyserede 1.500 politikker for at reducere emissioner. Disse var vellykkede.

Forskere brugte maskinlæring til at analysere omkring 1.500 klimapolitikker og identificere dem, der dramatisk reducerede kuldioxidemissionerne. Dit studie, som i dag iVidenskaboffentliggjort fandt, at politikker, der kombinerer flere instrumenter, er mere effektive til at reducere emissioner end enkeltstående foranstaltninger ¹.

Analysen identificerede 63 indgreb i 35 lande, der resulterede i betydelige emissionsreduktioner, hvilket reducerede dem med et gennemsnit på 19 %. De fleste reduktioner var knyttet til to eller flere politikker. Tilsammen reducerede de 63 politikker emissionerne med 0,6 til 1,8 gigaton (Gt) kuldioxidækvivalent.

At få den rigtige blanding af politikker er vigtigere end at bruge mange forskellige politikker, siger Annika Stechemesser, medforfatter og forsker ved Potsdam Institute for Climate Impact Research i Tyskland. For eksempel i Storbritannien virkede udfasningen af ​​kulfyrede kraftværker, fordi de blev brugt i kombination med prismekanismer såsom en bundpris for kulstof, mens forbuddet mod forbrændingsmotorer i Norge var mest effektivt, når det kombineres med et prisincitament, der gjorde elbiler billigere.

"Mig bekendt er det et unikt studie, der giver sådan en global vurdering," siger Jan Minx, miljøøkonom ved Mercator Research Institute for Global Commons and Climate Change i Berlin.

Vejen til emissionsreduktioner

Som en del af analysen brugte Stechemesser og hendes kolleger en database med 1.500 klimapolitikker implementeret mellem 1998 og 2022 i 41 lande, herunder de tre største udledere af drivhusgasser på verdensplan: Kina, USA og Indien. Politikkerne faldt i 48 kategorier, fra emissionshandelsordninger til reformer af tilskud til fossile brændstoffer.

"Tidligere vurderinger har typisk fokuseret på et begrænset antal fremtrædende politikker i udvalgte lande og overset de hundredvis af andre tiltag," siger Stechemesser.

Forfatterne kombinerede maskinlæring med en statistisk analytisk tilgang til at identificere store emissionsreduktioner i fire højemissionssektorer - bygninger, el, industri og transport. De sammenlignede resultaterne med politikkerne i databasen for at vurdere, hvilke politikker og kombinationer af politikker, der førte til de største reduktioner i emissioner.

"Dette er en ret smart metode," siger Zheng Saina, der har analyseret globale klimapolitikker ved Southeast University i Nanjing, Kina. Den konventionelle måde ville have været at gennemgå de mange politikker og udvælge de vigtige, men denne tilgang er subjektiv og besværlig, tilføjer hun. "Forfatterne brugte i stedet maskinlæring til at opdage store ændringer i emissioner. Dette er mere objektivt."

Rigtig blanding

Resultaterne viste, at visse politikkombinationer fungerede bedre i visse sektorer og økonomier. Med hensyn til at reducere emissioner forbundet med elproduktion har prissætningsforanstaltninger såsom energiafgifter været særligt effektive i højt udviklede lande, men mindre i lav- og mellemindkomstlande.

I byggesektoren fordoblede politiske blandinger, der udfaser og forbyder emissionsgenererende aktiviteter, reduktionerne i forhold til at implementere disse politikker individuelt.

Beskatning var den eneste politik, der opnåede næsten lige store eller større emissionsreduktioner i alle fire sektorer som en selvstændig politik i modsætning til et policy-mix.

Minx siger, at undersøgelsens AI-drevne tilgang gjorde det muligt for forskere for første gang at vurdere effektiviteten af ​​en lang række klimapolitikker ud fra en global opgørelse over emissioner, der dækker forskellige lande og sektorer.

For andre forskere er papiret alarmerende. "Denne undersøgelse advarer lande over hele verden om, at deres klimapolitikker har haft meget begrænset effekt indtil videre," sagde Xu Chi, en økolog ved Nanjing University. "Eksisterende politikker skal gennemgås, og ændringer skal foretages," tilføjede Xu.

De årlige emissioner i verden I 2030 forventes emissionerne at være 15 Gt kuldioxidækvivalenter højere, end det ville være nødvendigt for at holde den globale opvarmning på mindre end 2°C over det førindustrielle niveau, ifølge FN.