MARC

 008260126s2025        us                              c    eng  d
■001000017357079
■00520260202103127
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798314898147
■035    ▼a(MiAaPQ)AAI31938988
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a551.5
■1001  ▼aXu,  Yike.
■24510▼aPrecipitation  and  Planetary  Boundary  Layer  Height  Analysis  Using  Surface-Based,  Airborne,  and  Spaceborne  Measurements
■260    ▼a[Sl]▼bThe  University  of  Arizona▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a105  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-11,  Section:  B.
■500    ▼aAdvisor:  Zeng,  Xubin.
■5021  ▼aThesis  (Ph.D.)--The  University  of  Arizona,  2025.
■520    ▼aAtmospheric  science  has  grown  increasingly  important,  with  fields  such  as  numerical  weather  forecasts  directly  impacting  people's  daily  lives.  However,  limitations  on  the  quality  of  observed  precipitation  and  planetary  boundary  layer  (PBLH)  produce  challenges  in  fields  such  as  weather  forecasting,  extreme  precipitation,  and  pollution  transportation.  Furthermore,  the  limitation  of  cloud  microphysics  in  climate  models  continues  to  be  an  important  topic.  Despite  gaining  increased  attention  in  recent  years,  observational  challenges  and  limited  understanding  of  cloud  microphysics  remain  significant  over  the  ocean,  an  area  with  scarce  surface-based  and  airborne  data.Given  the  above  challenges,  this  dissertation  aims  to  evaluate  observational  data  and  methods  to  estimate  rainfall  and  PBLH  in  regions  such  as  over  the  ocean  with  limited  data.  It  also  uses  high-quality  datasets  to  study  their  climatology,  providing  valuable  insights  to  improve  these  datasets.  Another  goal  is  to  use  observation-based  parameterization  of  cloud  drop  size  distribution  to  explore  its  impact  on  radiation  and  cloud  microphysics  in  climate  models.  This  dissertation  includes  four  methods:  data  analysis,  algorithm  evaluations,  algorithm  improvement,  and  model  sensitivity  tests.  Using  the  above  techniques,  we  tackled,  evaluated,  and  improved  the  ways  to  understand  observational  datasets,  improve  current  retrieval  algorithms,  and  quantify  changes  in  model  outputs  using  new  parameterizations  informed  from  data  analysis.To  address  the  above  objectives,  this  dissertation  presents  the  following  findings:1.  Precipitation  Analysis:  Gauge-corrected  radar  data  over  the  U.S.  showed  that  coastal  land  receives  more  rainfall  than  coastal  ocean.  An  evaluation  of  three  satellite  precipitation  products  (IMERG,  PERSIANN,  and  CMOPRH)  using  gauge-corrected  radar  data  showed  that  IMERG  performs  best  over  coastal  land,  and  CMORPH  performs  best  over  coastal  oceans.2.  PBLH  estimation:  A  new  algorithm  was  developed  for  estimating  PBLH  from  dropsondes'  thermodynamic  profile  over  the  northwest  Atlantic.  We  also  evaluated  the  mixed  layer  height  product  from  the  airborne  High  Spectral  Resolution  Lidar-Generation  2  (MLH-HSRL)  and  found  that  it  agrees  well  with  that  of  dropsondes.  Furthermore,  we  improved  the  MLH-HSRL  to  estimate  PBLH  better.  For  the  other  study,  we  evaluated  four  methods  estimating  PBLH  from  dropsonde  profiles:  We  first  identified  the  best  one  for  each  of  the  available  four  methods,  and  then  we  identified  the  parcel  method  and  the  gradient  Richardson  number  as  the  two  best  methods  estimating  PBLH  with  the  parcel  method  performing  slightly  better.3.  Model  sensitivity  test:  Sensitivity  test  demonstrates  that  the  new  parameterization  of  cloud  droplet  size  distribution  from  Siu  et  al.  (2025)  data  analysis  improves  summer  Arctic  shortwave  cloud  forcing  in  the  Community  Earth  System  Model  simulation  by  5  W/m2.This  dissertation  provides  new  angles  for  precipitation  evaluation  and  contributes  to  the  broader  use  and  insights  of  airborne  lidar  and  dropsondes  to  estimate  PBLH.  The  findings  can  be  implemented  in  future  field  campaigns  and  global  satellite  missions.  Additionally,  insights  from  the  climate  model  sensitivity  test  highlight  the  importance  of  integrating  observational  data  for  model  improvement  of  cloud  microphysics  on  radiative  feedback.  Overall,  this  dissertation  takes  an  approach  from  remote  sensing  to  model  parameterization,  forming  a  loop  from  observation  and  model  improvement.  Hence,  through  data  analysis,  algorithm  evaluation  and  improvement,  and  model  sensitivity  tests,  this  dissertation  offers  a  meaningful  basis  for  improving  the  understanding  of  atmospheric  science.
■590    ▼aSchool  code:  0009.
■650  4▼aAtmospheric  sciences
■650  4▼aRemote  sensing
■650  4▼aClimate  change
■653    ▼aCloud  microphysics
■653    ▼aClimatology
■653    ▼aPlanetary  boundary  layer
■653    ▼aData  analysis
■690    ▼a0725
■690    ▼a0404
■690    ▼a0799
■71020▼aThe  University  of  Arizona▼bAtmospheric  Sciences.
■7730  ▼tDissertations  Abstracts  International▼g86-11B.
■790    ▼a0009
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17357079▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서