Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Ice-sheet thickness reconstruction with uncertainty quantification

Descrizione del progetto

Utilizzare le teorie della probabilità per ricostruire la distribuzione dello spessore della calotta glaciale

Le calotte glaciali esercitano un impatto significativo sull’innalzamento del livello del mare. La distribuzione stimata dello spessore della calotta glaciale, tuttavia, si basa su misurazioni limitate per creare ricostruzioni, determinando un notevole livello di incertezza che rende inoltre difficile prevedere adeguatamente i tassi di innalzamento del livello del mare. Sostenuto dal programma di azioni Marie Skłodowska-Curie, il progetto IceSTRUQ si propone di sviluppare ricostruzioni dello spessore dei ghiacci basate su un approccio di inversione bayesiana che combina dati e modelli matematici per la dinamica della calotta glaciale, come i metodi della catena di Markov Monte Carlo (MCMC, Markov chain Monte Carlo) e Newton MCMC stocastico. Il metodo che ne deriva sarà applicato al fine di ricostruire la distribuzione dello spessore del ghiaccio della calotta glaciale della penisola Antartica, la cui complessa geometria ha messo a dura prova gli attuali metodi di ricostruzione dello spessore del ghiaccio.

Obiettivo

The Antarctic and Greenland ice sheets are fundamental to the Earth's climate system and the main contributors to sea-level rise. The overall ice-thickness distribution of an ice sheet is computed from sparse ice-thickness measurements using reconstruction methods. This data sparsity results in a marked uncertainty of the ice-thickness reconstructions, which is never taken into account in a mathematically rigorous manner. This implies large deviations between different ice-thickness reconstructions, delivering inconsistent estimates of sea-level rise rates.
To remedy this, we propose formulating the ice-thickness reconstruction as a Bayesian inverse problem that combines data and mathematical models for ice-sheet dynamics. The solution of this inverse problem is a probability distribution for the ice-thickness, resulting in a rigorous quantification of uncertainty. However, conventional numerical methods either break down or become impractically slow when solving this problem. To circumvent this, we propose the design of a Monte-Carlo Markov-Chain (MCMC) method that combines ideas from multi-fidelity and the stochastic Newton MCMC methods. These are two sophisticated mathematical techniques that have achieved extraordinary reductions in computational time, allowing for previously unfeasible computations.
We will apply our method to reconstruct the ice-thickness of the Antarctic Peninsula Ice sheet (APIS). This important Antarctic region has a complex geometry that has defied existing ice-thickness reconstruction methods. Our Bayesian inversion approach has the potential of reconciling dissimilar estimates of ice-discharge by quantifying confidence intervals via uncertainty.
This highly interdisciplinary project will develop the applicant's mathematical and glaciological knowledge in an internationally-recognized research team. Research will be complemented with enriching activities such as Antarctic fieldwork (as training) and supervision of PhD students.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2024-PF-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

UNIVERSIDAD POLITECNICA DE MADRID
Contributo netto dell'UE
€ 194 074,56
Indirizzo
CALLE RAMIRO DE MAEZTU 7 EDIFICIO RECTORADO
28040 Madrid
Spagna
Regione
Comunidad de Madrid Comunidad de Madrid Madrid
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato