Time series, such as seismic data or paleoclimate proxy data (such as stable istopes) from lake deposits, are one of the most common data structures in geoscience. Detecting causal associations and understanding mechanisms based on them is a key challenge for providing insights and predicting behaviors in Earth system. We will develop (1) a causal and equation discovery framework for various time series and spatiotemporal datasets; and (2) a statistical learning model for detecting and predicting phase transition and tipping points in Earth system components and critical thresholds for hazard early warning system. This project will mainly use seismic data for hazard early warning of mass movement events and isotope time series for paleoclimate reconstruction from various sites in Europe and worldwide for identifying regime transitions.

Section researchers involved: Zinan Lyu and Dr. Hui Tang

Zeitreihen wie seismische Daten oder Paläoklima-Proxydaten (z. B. stabile Isotope) aus Seeablagerungen sind eine der häufigsten Datenstrukturen in den Geowissenschaften. Die Erkennung kausaler Zusammenhänge und das Verständnis der darauf basierenden Mechanismen ist eine zentrale Herausforderung für die Bereitstellung von Erkenntnissen und die Vorhersage von Verhaltensweisen im Erdsystem. Wir werden (1) einen Rahmen für die Erkennung von Kausalzusammenhängen und Gleichungen für verschiedene Zeitreihen und raumzeitliche Datensätze und (2) ein statistisches Lernmodell zur Erkennung und Vorhersage von Phasenübergängen und Kipppunkten in Erdsystemkomponenten und kritischen Schwellenwerten für ein Frühwarnsystem für Gefahren entwickeln. Im Rahmen dieses Projekts werden hauptsächlich seismische Daten für die Frühwarnung vor Massenbewegungen und Isotopenzeitreihen für die Rekonstruktion des Paläoklimas an verschiedenen Standorten in Europa und weltweit zur Ermittlung von Regimeübergängen verwendet.

Beteiligte Forscher der Sektion: Zinan Lyu und Dr. Hui Tang