尽管人们普遍认为大型太阳能发电场经常引发地方争议,但马萨诸塞大学阿默斯特分校研究人员的一项新研究发现,美国大多数大型太阳能项目的推进过程中遇到的公众反对相对较少。
这项发表在《能源研究与社会科学》期刊上的研究,分析了2022年1月至2023年11月期间投入运营的686个公用事业规模太阳能项目。研究人员发现,56%的项目属于"无冲突"或"低冲突"类别,而仅有19%的项目经历了高度冲突。
这些发现反驳了太阳能开发在美国各地遭遇广泛反对的观点。
"我在新闻中看到的全是关于太阳能的冲突、冲突、冲突,"该研究的主要作者、马萨诸塞大学阿默斯特分校公共政策助理教授Juniper Katz说。"但实际上很少有研究对冲突的含义进行操作化定义,并从全国范围来审视冲突的出现是否像看起来那样普遍。"
研究人员还发现,通过州级许可系统批准的公用事业规模太阳能项目往往比那些在地方或混合许可系统下审查的项目面临更少的冲突。
然而,Katz提醒说,这项研究不应被解读为州级许可系统自动优于地方审查流程的证据。相反,她表示,研究结果表明需要对不同许可结构如何影响公众参与和项目结果进行更多研究。
规模较大的太阳能项目更容易引发反对,但有一个发现格外引人注目:周边社区的政治构成似乎并没有产生太大影响。研究发现,项目附近民主党选民的比例与反对程度之间没有统计学上的显著关联。
这与一些早期关于风能项目的研究不同,那些研究通常发现更富裕、白人更多或民主党支持者更多的社区更有可能反对开发。
"我们不应该简单地假设所有可再生能源在从构想到建成的过程中都是一样的,"Katz说。
研究人员通过分析包含与公共争议相关术语的新闻报道和社交媒体帖子来衡量冲突,这些术语包括"抗议"、"诉讼"和"反对"。
这项研究是首次系统性地考察美国各地许可系统与太阳能冲突之间关系的研究。
该报告发布之际,美国的电力需求正在攀升,部分原因是数据中心的扩张。公用事业公司和政府正在竞相增加新的发电能力,特别是可再生能源,同时试图防止电力成本上涨得更快。
Katz表示,随着更多大型能源项目被提出,了解是什么驱动了对可再生能源的反对将变得越来越重要。
Q&A
Q1:马萨诸塞大学阿默斯特分校的研究发现美国太阳能项目遇到多少反对?
A:研究分析了2022年1月至2023年11月期间投入运营的686个公用事业规模太阳能项目,发现56%的项目属于"无冲突"或"低冲突"类别,仅有19%的项目经历了高度冲突。这表明大多数大型太阳能项目推进过程中遇到的公众反对相对较少。
Q2:不同许可系统对太阳能项目的冲突有什么影响?
A:研究发现,通过州级许可系统批准的公用事业规模太阳能项目往往比在地方或混合许可系统下审查的项目面临更少的冲突。但研究者提醒,这不应被解读为州级许可系统自动优于地方审查流程,需要更多研究来了解不同许可结构的影响。
Q3:社区的政治倾向会影响太阳能项目的反对程度吗?
A:研究发现,周边社区的政治构成似乎并没有产生太大影响。项目附近民主党选民的比例与反对程度之间没有统计学上的显著关联。这与早期风能项目研究的结论不同,表明不同类型的可再生能源项目面临的情况并不相同。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。