Czy szybka transformacja energetyczna w kierunku neutralności klimatycznej wspiera cele ochrony przyrody, czy im zagraża? Odpowiedzi na to pytanie poszuka międzynarodowe konsorcjum z udziałem badaczy z Uniwersytetu Przyrodniczego we Wrocławiu.
Naukowcy z Austrii, Niemiec, Danii, Holandii i Polski rozpoczynają realizację trzyletniego projektu BIOGAIN, poświęconego postępującemu spadkowi różnorodności biologicznej wywołanemu kumulacją stresorów środowiskowych, w tym zmianami użytkowania gruntów oraz zmianą klimatu. Ich zadaniem będzie analiza, w jaki sposób szybka transformacja energetyczna w kierunku neutralności klimatycznej może równocześnie wspierać cele ochrony przyrody lub im zagrażać, zależnie od lokalizacji, skali i sposobu wdrożenia inwestycji.
Dane, analiza i sztuczna inteligencja
BIOGAIN akcentuje potrzebę planowania przestrzennego, które priorytetowo traktuje rezultaty pozytywne dla przyrody (nature-positive outcomes), spójne z europejskimi ramami polityk publicznych, w tym ze Strategią Unii Europejskiej na rzecz Bioróżnorodności oraz Taksonomią UE, a także z wymaganiami dotyczącymi ujawniania i porządkowania informacji środowiskowych.
Celem projektu jest wsparcie transformacji od podejścia „brak strat netto” (no-net-loss) do strategii Net-Biodiversity-Gain, czyli osiągania netto przyrostu bioróżnorodności w planowaniu energetycznym. BIOGAIN koncentruje się na tym, jak zaawansowana kolekcja i analiza danych, wspierana przez sztuczną inteligencję, może wzmacniać planowanie pozytywne dla przyrody (nature-positive planning) w warunkach presji czasowej i ograniczeń instytucjonalnych – wyjaśnia dr Grzegorz Chrobak z Katedry Badań Systemowych Uniwersytetu Przyrodniczego we Wrocławiu, kierownik polskiego zespołu.
W projekcie kluczową rolę odgrywają nowe strumienie danych, agregowane w Essential Biodiversity Variables (EBVs) oraz Essential Climate Variables (ECVs). Naukowcy zbadają, w jakim stopniu narzędzia AI pozwalają lepiej odwzorować złożoną dynamikę ekosystemów, w tym skutki skumulowane, które w praktyce planistycznej bywają niedoszacowane.
Sztuczna inteligencja umożliwia operacjonalizację procesów i zależności w ekosystemach, które były trudne do uchwycenia przy użyciu wyłącznie klasycznych metod inwentaryzacji i próbkowania – podkreśla dr Chrobak.
BIOGAIN analizuje klasy algorytmów głębokiego uczenia użytecznych w monitoringu i wnioskowaniu o stanie bioróżnorodności, m.in. konwolucyjne sieci neuronowe (CNN; przykładowo BirdNET i MegaDetector), rekurencyjne sieci neuronowe (RNN) oraz architektury transformerowe, w tym duże modele językowe (LLM) i podejścia typu Retrieval-Augmented Generation (RAG). Cel jest praktyczny: ograniczenie problemu braków informacyjnych na różnych poziomach planowania, zwłaszcza w decyzjach o długotrwałych konsekwencjach podejmowanych na poziomie ponadlokalnym.
Mój zespół skupia się na jakości i dostępności informacji o bioróżnorodności oraz na tym, jak wiedza oparta na danych, wpływa na przebieg procesów decyzyjnych. Interesuje nas odporność na wahania poparcia politycznego oraz to, w jakim stopniu transparentność danych może korygować asymetrie informacyjne i powiązaną z nimi dynamikę władzy w planowaniu energetycznym – dodaje dr Chrobak.
W warstwie empirycznej projekt zestawia podejścia konwencjonalne z rozwiązaniami wspomaganymi przez AI, integrując dane z wielu źródeł: pasywnego monitoringu akustycznego, obserwacji satelitarnych, bezzałogowych statków powietrznych (UAV), pułapek fotograficznych oraz środowiskowego DNA (eDNA). Zintegrowane podejście metodyczne obejmuje m.in. serious game (symulacyjną grę planistyczną), Discrete Choice Experiments, Collaborative Decision Analysis oraz narzędzia optymalizacji przestrzennej. Taki układ metod ma umożliwić ocenę, w jaki sposób „wzmocnienie danych” (biodiversity-data-advancement) przekłada się na realną zmianę praktyk planistycznych i mechanizmów społecznych związanych z podejmowaniem decyzji.
Podział zadań
Przedsięwzięcie angażuje interesariuszy w wielu krajach Europy, uwzględniając odmienne kompromisy między celami rozwoju odnawialnych źródeł energii a celami ochrony bioróżnorodności. BIOGAIN obejmuje studia przypadków skoncentrowane na energetyce słonecznej, wiatrowej oraz układach hybrydowych (wiatr–słońce), ze szczególnym naciskiem na poziomy subnarodowe i regionalne, gdzie zapadają decyzje o dużym wpływie przestrzennym. Liderem konsorcjum jest Universität für Bodenkultur Wien (Austria).
Projekt jest zorganizowany w tzw. paczki zadaniowe. W pierwszym kroku porządkujemy stan zasobów i praktyk: jakie dane są dostępne, na jakich zasadach są udostępniane i jak wygląda ich użyteczność w planowaniu energetycznym. W Europie ścierają się dziś dwie narracje: jedna wskazuje na rosnącą dostępność danych oraz ramy ich harmonizacji, druga podkreśla, że sama „podaż danych” i „podaż możliwości AI” nie przesądza o tym, co da się wdrożyć w realnych procesach planistycznych – mówi dr Chrobak.
W ramach prac prowadzonych przez partnerów z Austrii i Niemiec analizowane są zasoby danych wytwarzanych przez uczelnie, administrację publiczną oraz organizacje pozarządowe, a następnie ich przełożenie na praktykę decyzyjną. Istotnym kontekstem są relacje transgraniczne i przepływ informacji w obszarach przygranicznych, na przykładzie Polski i Niemiec.
Energetyka wiąże się z bezpieczeństwem i infrastrukturą krytyczną, a procesy decyzyjne pozostają wypadkową wielu interesów. Nie uciekamy od tej złożoności: do dialogu włączamy przedstawicieli administracji i instytucji wdrażających polityki rozwojowe, w tym m.in. Instytutu Rozwoju Terytorialnego na Dolnym Śląsku, a także jego odpowiedników w Niemczech, Austrii, Holandii i Danii. Chcemy, by efektem prac były narzędzia i procedury, które da się zastosować w rzeczywistych procesach planistycznych – wyjaśnia badacz z UPWr.
Kolejny etap obejmuje ocenę, czy i w jakiej formie nowe źródła danych (np. satelity i drony) mogą zasilać wspólną „przestrzeń informacyjną” planowania. Na tej podstawie powstanie narzędzie symulacyjne oparte na silniku gry planistycznej (serious game), pozwalające interesariuszom testować scenariusze inwestycji OZE w wybranych lokalizacjach oraz analizować konsekwencje środowiskowe, w tym dla bioróżnorodności.
Interesuje nas też efekt uboczny cyfryzacji: sprawdzimy, czy przyrost danych i nowe możliwości analityczne przyspieszają decyzje i podnoszą ich jakość, czy też generują nadmiar informacji, który utrudnia rozstrzygnięcia – zapowiada dr Grzegorz Chrobak.
MK, źródło: UPWr