Descrizione del progetto
Nuovi modi per valutare l’impatto della riduzione dei ghiacciai
I ghiacciai del mondo continuano a perdere massa, causando l’innalzamento del livello del mare, alterazioni nel deflusso superficiale dei fiumi, cambiamenti nell’afflusso di acqua dolce negli oceani, rischi legati ai ghiacciai e cambiamenti nei paesaggi: tutti questi fattori si ripercuotono sui mezzi di sussistenza e sugli ecosistemi umani. Per un adattamento efficace sono essenziali valutazioni accurate delle variazioni di massa dei ghiacciai passate, attuali e future. Tuttavia, le precedenti ricostruzioni e proiezioni si basavano su dati limitati e su modelli eccessivamente semplificati, ostacolati da vincoli computazionali. Partendo da questo presupposto il progetto GLACMASS, finanziato dal CER, unirà osservazioni satellitari su scala globale avvalendosi dell’assimilazione dei dati e delle moderne tecniche di apprendimento automatico, per fornire un quadro di modellazione basato sulla fisica. Questo approccio innovativo consente di ottenere ricostruzioni multidecennali affidabili, proiezioni plurisecolari rilevanti per le politiche e un monitoraggio in tempo reale dei cambiamenti di massa per regioni specifiche.
Obiettivo
World-wide glaciers are losing mass which affects global sea-level, river runoff, freshwater influx to the oceans, glacier-related hazards, and landscape changes, with implications for human livelihoods and ecosystems. Hence, accurate estimates of past, current and future glacier mass variations at a high temporal and spatial resolution are key to effective adaptation strategies. However, previous mass-balance reconstructions and projections have relied on scarce observations with limited spatial and/or temporal resolution, as well as overparameterized, insufficiently constrained and highly simplified models, the latter necessitated by high computational costs incurred by the global scale.
GLACMASS will propel the current state-of-the-art of global-scale glacier reconstruction and projection forward in unprecedented ways by delivering a fundamentally novel and internally consistent physically-based modelling framework that draws, for the first time on a global scale, on both data assimilation and modern machine learning techniques facilitated by emerging global-scale glacier-related satellite-derived data. The framework will be used to reconstruct multi-decadal past glacier changes, and make policy-relevant multi-century projections of mass and area changes of all >200,000 glaciers outside the ice sheets with unprecedented accuracy, spatiotemporal detail and computational efficiency, and also nowcast present mass changes in a near-real-time fashion for selected regions. The model framework will fuse output from a novel physically-based glacier evolution model with all relevant observations available for each glacier, such as in-situ, geodetic and gravimetry-derived mass balances, as well as snowlines and other observations, thus simultaneously exploiting the untapped strengths of different types of observational data sets in an optimal manner.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Parole chiave
Programma(i)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Argomento(i)
Invito a presentare proposte
(si apre in una nuova finestra) ERC-2022-ADG
Vedi altri progetti per questo bandoMeccanismo di finanziamento
HORIZON-ERC - HORIZON ERC GrantsIstituzione ospitante
0313 Oslo
Norvegia