fbpx Clima, delusione (con qualche sorpresa) a Madrid | Scienza in rete

Clima, delusione (con qualche sorpresa) a Madrid

Tempo di lettura: 2 mins

Abbiamo chiesto a Chiara Soletti, di Italian Climate Network, un commento sulla COP 25 di Madrid. 

“In generale il mio bilancio sulla COP25 è negativo, la situazione è sconfortante, ma allo stesso tempo credo che il multilateralismo sia un’opzione migliore del vuoto internazionale che esisteva in passato con gli stati nazione ognuno per suo conto”. 

Una delle poste in gioco era definire regole chiare per l’istituzione di mercati di carbonio (previsti dall’articolo 6 dell’Accordo di Parigi), strumenti essenziali per ridurre in modo consistente le emissioni.

“Su questo articolo è preoccupante che non si sia giunti ad un accordo, ma allo stesso tempo il testo stava prendendo una piega tale che la sua approvazione avrebbe rappresentato un danno maggiore. La mancanza di salvaguardie sociali ed ambientali avrebbe creato il rischio di ricommettere gli errori fatti sotto il Clean Development Mechanism (vedi la costruzione delle centrali idroelettriche in Brasile e in Cile - hanno devastato l’ecosistema e hanno messo a repentaglio i mezzi di sussistenza delle popolazioni indigene i cui membri sono emigrati o sono morti). Ci vuole davvero maggiore pressione politica per vincere le resistenze ancora presenti. Le prossime elezioni americane nel caso di vincita dei democratici potrebbero cambiare il quadro. 

Su quali altri aspetti c’erano aspettative dal summit di Madrid?

Importante era definire il meccanismo di risposta alle perdite e ai danni (Loss and Damage, art.8) dovuti agli impatti del cambiamento climatico. E qui ancora una volta si è vista una mancanza di ambizione. Il testo approvato contiene sì dei riferimenti ai diritti umani, ma blandi e senza una definizione su come implementare il programma. Gli aspetti finanziari verranno discussi a giugno 2020 a Bonn e a novembre/dicembre  alla COP26 di Glasgow, sperando in progressi più consistenti. 

Qualche nota positiva?

Certamente l’approvazione inaspettata del Piano per l’Azione di Genere (Gender Action Plan), programma non obbligatorio dedicato alla promozione dei diritti delle donne e della loro rappresentazione e partecipazione nelle politiche climatiche. Va notato anche che l’advocacy da parte della società civile è stata massiccia e su quel fronte non c’è nessuna intenzione si smettere di lavorare per l’integrazione dei diritti umani nel Paris Rule Book, vale a dire lo strumento che renderà operativo l’accordo di Parigi. 


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.