Climate-tectonics interactions using big data-informed models | INITIATE

DC1: How does anthropogenic climate change control debris flow activities in active tectonic areas.

Debris flows are expected to be more frequent and of larger magnitude under the rapidly warming climate in the Alpine environment, which will destroy property and cause loss of lives in these regions. Debris flow is a process with causal links between climate, tectonics, and topographic changes primarily through precipitation, but in some cases also through temperature-induced changes in snowfall. In this project, continuous data from seismic networks and high-resolution topography covering entire landscapes will be used to develop a machine learning approach for determining the controlling factors and thresholds for debris flows (year 1). Using this hybrid modelling framework, we can test the existence of natural patterns that geospatial and climate characteristics can be correlated with debris flow frequency and magnitude (years 2 and 3). The project will focus on the western US and the European Alps (years 1 and 2), with additional data from existing partner-based instrument networks in Norway, Corinth, China, and Nepal (year 3).
 

 

Section researchers involved: Wenchao Cheng, Dr. Hui Tang and Prof. Jean Braun

Wechselwirkungen zwischen Klima und Tektonik unter Verwendung von Modellen, die auf Big Data basieren | INITIATE

DC1: Wie beeinflusst der anthropogene Klimawandel die Murgangaktivitäten in tektonisch aktiven Gebieten?

Es wird erwartet, dass Murgänge unter dem sich rasch erwärmenden Klima in der alpinen Umwelt häufiger auftreten und ein größeres Ausmaß annehmen werden, was in diesen Regionen zu Sachschäden und zum Verlust von Menschenleben führen wird. Murgänge sind ein Prozess mit kausalen Verbindungen zwischen Klima, Tektonik und topografischen Veränderungen, die in erster Linie durch Niederschläge, in einigen Fällen aber auch durch temperaturbedingte Veränderungen des Schneefalls verursacht werden. In diesem Projekt werden kontinuierliche Daten aus seismischen Netzen und hochauflösender Topografie, die ganze Landschaften abdecken, verwendet, um einen Ansatz des maschinellen Lernens zur Bestimmung der Kontrollfaktoren und Schwellenwerte für Murgänge zu entwickeln (Jahr 1). Mithilfe dieses hybriden Modellierungsrahmens können wir prüfen, ob es natürliche Muster gibt, bei denen geografische und klimatische Merkmale mit der Häufigkeit und dem Ausmaß von Murgängen korreliert werden können (Jahre 2 und 3). Das Projekt wird sich auf den Westen der USA und die europäischen Alpen konzentrieren (Jahr 1 und 2), mit zusätzlichen Daten aus bestehenden Instrumentennetzwerken von Partnern in Norwegen, Korinth, China und Nepal (Jahr 3).

 

Beteiligte Forscher der Sektion: Wenchao Cheng, Dr. Hui Tang und Prof. Jean Braun

 

back to top of main content