Dr. David Loibl

Dr. Loibl erforscht, wie Gletscher in Hochasien auf den Klimawandel reagieren — ein kritisches Problem, da diese Gletscher die Wasserversorgung von über einer Milliarde Menschen sichern. Sein Fokus liegt auf topoklimatischen Effekten in einzelnen Tälern und Höhenzügen, die erklären, warum benachbarte Gletscher sehr unterschiedlich auf Klimaveränderungen reagieren. Durch das Verständnis dieser lokalen Steuerungsmechanismen und nicht-linearen Dynamiken können Wasserwirtschaft, Energiesektor und Regierungen in Asien bessere Prognosen für Wasserverfügbarkeit und Klimarisiken treffen und ihre Infrastruktur- und Ressourcenplanung anpassen.

🔒 Das System hat 158 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• Topoklimatische Steuerung und nicht-lineare Dynamik der Klimawandelresonanz von Gletschern in Hochasien

  Quelle ↗

  Die Gletscher Hochasiens, existentielle Ressource der Wasserversorgung von über einer Milliarde Menschen, reagieren ausgesprochen heterogen auf den Klimawandel. Die zugrunde liegenden Wirkmuster, Steuerungsfaktoren und Sensitivitäten sind jedoch bisher nur lückenhaft verstanden. Jüngste Studien zeigen die besondere Bedeutung topoklimatischer Effekte auf der Skala einzelner Täler und Höhenzüge, die auch ein großes Potential zu nicht-linearer Abschmelzdynamik implizieren. Zur Analyse dieser mesoskaligen Phänomene fehlen aber bislang adäquate Werkzeuge, die die big-data-kritische Datenlücke zwischen großräumigen Fernerkundungs- und feldbasierten Detailstudien schließen können. Die Höhe der Gletschergleichgewichtslinie (ELA) integriert alle am Gletscher wirkenden topographischen und klimatischen Faktoren und ist daher als Indikator eben dieser topoklimatischen Phänomene bestens geeignet. Im beantragten Projekt soll ein neuartiges Fernerkundungsverfahren für ganz Hochasien angewendet werden, das eigens entwickelt wurde, um für ganze Orogene Datensätze der ELA und multitemporaler ELA-Änderungen in präzedenzlos hoher Auflösung zu generieren. Durch ein künstliches neurales Netz werden dann die räumlichen Muster und die ihnen zugrunde liegende Beziehungen im regional heterogenen Zusammenwirken klimatischer (Globalstrahlung, Temperatur, Niederschlag, Wind, etc.; aus Daten der High Asia Refined analysis, HAR) und topographischer (Exposition, Hangneigung, Gipfelhöhe, etc.; aus digitalen Geländemodellen, DGM) Faktoren zur Steuerung der ELAs in Hochasien aufgeschlüsselt. An für Teilräume repräsentativen Benchmark-Settings mit besonders guter Datensituation werden die steuernden Prozesse am Gletscher durch numerische Modellierung der Energie- und Massenbilanzen (MB) im Detail untersucht. Auf Basis der resultierenden MB-Daten wird zusätzlich die Sensitivität der MBs zu monatlichen Anomalien in Temperatur und Niederschlag (aus HAR) modelliert. Vorstudien zeigen, dass Verebnungsflächen in den Akkumulationsgebieten der Gletscher großes Potential zu nicht-linearer Abschmelzdynamik bei weiterem ELA-Anstieg bergen. Größe und Topographie dieser Verebnungen werden durch DGM-basierte GIS-Analysen für Gletscher ganz Hochasiens quantifiziert. Zur Identifizierung der zugehörigen Kipppunkte (ELA, ab der eine spezifische Verebnungsfläche zu Ablationsgebiet wird) werden jeweils aus Hochflächentopographie und ELA-Daten die verbleibenden Pufferhöhen berechnet. Die diesen Pufferhöhen entsprechenden Temperaturzu- oder Niederschlagsabnahmen werden auf Basis der zuvor erhobenen Sensitivitätsdaten abgeschätzt und die verbleibende Zeit zur Überschreitung der Kipppunkte für verschiedene Szenarien anthropogenen Klimawandels ermittelt. Die Resultate dieses interdisziplinär-polymethodischen Ansatzes werden erstmals eine Entschlüsselung der topoklimatischen Steuerung der Klimawandelresonanz von Gletschern in Hochasien und ihrer Potentiale zu nicht-linearer Abschmelzdynamik ermöglichen.

• Glacial geomorphological mapping: A review of approaches and frameworks for best practice

  2018

  Earth-Science Reviews · DOI

• Towards Global Volcano Monitoring Using Multisensor Sentinel Missions and Artificial Intelligence: The MOUNTS Monitoring System

  2019

  Remote Sensing · DOI

  Most of the world’s 1500 active volcanoes are not instrumentally monitored, resulting in deadly eruptions which can occur without observation of precursory activity. The new Sentinel missions are now providing freely available imagery with unprecedented spatial and temporal resolutions, with payloads allowing for a comprehensive monitoring of volcanic hazards. We here present the volcano monitoring platform MOUNTS (Monitoring Unrest from Space), which aims for global monitoring, using multisensor satellite-based imagery (Sentinel-1 Synthetic Aperture Radar SAR, Sentinel-2 Short-Wave InfraRed SWIR, Sentinel-5P TROPOMI), ground-based seismic data (GEOFON and USGS global earthquake catalogues), and artificial intelligence (AI) to assist monitoring tasks. It provides near-real-time access to surface deformation, heat anomalies, SO2 gas emissions, and local seismicity at a number of volcanoes around the globe, providing support to both scientific and operational communities for volcanic risk assessment. Results are visualized on an open-access website where both geocoded images and time series of relevant parameters are provided, allowing for a comprehensive understanding of the temporal evolution of volcanic activity and eruptive products. We further demonstrate that AI can play a key role in such monitoring frameworks. Here we design and train a Convolutional Neural Network (CNN) on synthetically generated interferograms, to operationally detect strong deformation (e.g., related to dyke intrusions), in the real interferograms produced by MOUNTS. The utility of this interdisciplinary approach is illustrated through a number of recent eruptions (Erta Ale 2017, Fuego 2018, Kilauea 2018, Anak Krakatau 2018, Ambrym 2018, and Piton de la Fournaise 2018–2019). We show how exploiting multiple sensors allows for assessment of a variety of volcanic processes in various climatic settings, ranging from subsurface magma intrusion, to surface eruptive deposit emplacement, pre/syn-eruptive morphological changes, and gas propagation into the atmosphere. The data processed by MOUNTS is providing insights into eruptive precursors and eruptive dynamics of these volcanoes, and is sharpening our understanding of how the integration of multiparametric datasets can help better monitor volcanic hazards.