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