Abteilung Systemanalyse, Integrated Assessment und Modellierung

Systemanalyse und Modellierung

In SIAM entwickeln und verwenden wir Modelle und formale Techniken für natürliche, technische, soziale und ökonomische Systeme, die Wasser und andere natürliche Ressourcen betreffen. Unser Ziel ist es, das Verhalten dieser Systeme zu demonstrieren, es zu verstehen und vorherzusagen. Erfahren Sie mehr

Neue Publikationen

Ni, J., Bingler, J., Colesanti-Senni, C., Kraus, M., Gostlow, G., Schimanski, T., … Leippold, M. (2023). Chatreport: democratizing sustainability disclosure analysis through LLM-based tools. In Y. Feng & E. Lefever (Eds.), EMNLP 2023. Conference on empirical methods in natural language processing (pp. 21-51). Singapore: Association for Computational Linguistics (ACL). , Institutional Repository
Höge, M., Kauzlaric, M., Siber, R., Schönenberger, U., Horton, P., Schwanbeck, J., … Fenicia, F. (2023). CAMELS-CH: hydro-meteorological time series and landscape attributes for 331 catchments in hydrologic Switzerland. Earth System Science Data, 15(12), 5755-5784. doi:10.5194/essd-15-5755-2023, Institutional Repository
Vaghefi, S. A., Stammbach, D., Muccione, V., Bingler, J., Ni, J., Kraus, M., … Leippold, M. (2023). ChatClimate: grounding conversational AI in climate science. Communications Earth & Environment, 4, 480 (13 pp.). doi:10.1038/s43247-023-01084-x, Institutional Repository
Muller, M. F., Rusca, M., Bertassello, L., Adams, E., Allaire, M., Cabello Villarejo, V., … Pokhrel, Y. (2023). Mapping the landscape of water and society research: promising combinations of compatible and complementary disciplines. Wiley Interdisciplinary Reviews: Water. doi:10.1002/wat2.1701, Institutional Repository
Schür, C., Gasser, L., Perez-Cruz, F., Schirmer, K., & Baity-Jesi, M. (2023). A benchmark dataset for machine learning in ecotoxicology. Scientific Data, 10(1), 718 (20 pp.). doi:10.1038/s41597-023-02612-2, Institutional Repository

News

7. März 2024 –

Welche Hindernisse müssen beseitigt werden, damit wandernde Fische am meisten profitieren? Wo ergeben Massnahmen am meisten Sinn, und wie steht es um das Kosten-Nutzen-Verhältnis?

Welche Hindernisse müssen beseitigt werden, damit wandernde Fische am meisten profitieren? Wo ergeben Massnahmen am meisten Sinn, und wie steht es um das Kosten-Nutzen-Verhältnis?

Weiterlesen

Events

30.05.​2024,

Forschungsprojekte

Überbrückung der Kluft zwischen Data Science und mechanistischer Modellierung für ein besseres Verständnis der Zusammensetzung von Lebensgemeinschaften.
Heterogene Datenplattform für die operative Modellierung und Vorhersage von Schweizer Seen
Deep Neural Networks, (DNNs) haben beeindruckende empirische Leistungen gezeigt, bedeuten aber immer noch eine Blackbox-Funktion zur Modellierung von Daten
Skalierbarer Bayes'scher Inferenzrahmen für die Quantifizierung von Unsicherheiten in stochastischen Modellen mit Tausenden von parallelen Prozessoren am Swiss National Supercomputing Center und der ETH Zürich

SPUX - High performance Datenwissenschaft

Modellierung der Lebensgemeinschaften von Makroinvertebraten in Fliessgewässern.
Wir vergleichen Invasionen in aquatischen und terrestrischen Ökosystemen vor allem auf großen (nationalen) räumlichen Skalen und zwischen verschiedenen Taxa auf höherer Ebene
Wir verwenden Methoden des maschinellen Lernens um die Auswirkungen von Chemikalien auf aquatische Arten vorherzusagen
Entwicklung eines halb-verteilten hydrologischen Modells mit einem "flexiblen" Ansatz
Erforschung von Techniken des maschinellen Lernens, um niedrigdimensionale Merkmale in hochdimensionalen Datensätzen, sowohl simulierten als auch beobachteten, aufzudecken.
Interaktionen zwischen terrestrischen räuberischen Vögeln und aquatischen Fischbeutetieren auf verschiedenen räumlichen Ebenen und deren Auswirkungen auf Bewegung, Verhalten und Populationsdynamik