MARC

 008260126s2024        us                              c    eng  d
■001000017360468
■00520260202105531
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263351212
■035    ▼a(MiAaPQ)AAI32309848
■035    ▼a(MiAaPQ)GeorgiaTech77712
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a620
■1001  ▼aHurwitz,  Benjamin  Chaim.
■24510▼aCT  on  a  Chip:  Enabling  High-Resolution  Polar  In-Situ  Data  Collection
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a350  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  A.
■500    ▼aAdvisor:  Schmidt,  Britney.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2024.
■520    ▼aThe  effects  of  anthropogenic  climate  change  are  being  felt  globally,  but  there  is  still  much  unknown  about  the  long-term  impacts  of  these  changes.  Global  and  regional-scale  climate  modeling  can  help  us  better  understand  these  complex  interactions,  especially  over  the  long  term  as  the  oceans  help  to  buffer  much  of  the  response  by  taking  up  excess  carbon  dioxide  and  heat.  Most  of  this  heat  is  taken  up  by  the  Southern  Ocean,  and  then  is  distributed  around  the  globe  through  the  thermohaline  circulatory  system  via  the  Antarctic  Bottom  and  Intermediate  Waters.  Melting  plays  a  major  role  in  generating  this  cold,  fresh  water,  but  melt  rates  are  difficult  to  measure  under  hundreds  of  meters  of  ice,  and  different  parameterizations  of  this  critical  metric  lead  to  large  variations  in  model  estimates,  making  in  situ  measurements  critical  to  model  and  parameterization  improvements.  Salinity,  which  can  be  used  to  determine  melt  rates  in  these  difficult-to-access  locales,  is  calculated  using  the  conductivity,  temperature,  and  pressure  measurements  taken  by  a  CTD  instrument.  These  devices,  however,  tend  towards  large  and  expensive  tools  that  require  boats  and  cranes  to  deploy.  Hand-held  devices  are  generally  expensive  and  delicate,  as  well.  Microelectromechanical  systems  offer  one  alternative  to  these  bulky  sensors  by  taking  advantage  of  microfabrication  techniques  used  for  fabricating  integrated  circuits  to  shrink  measurement  volumes  for  improved  accuracy  and  resolution.  However,  while  work  has  been  done  to  develop  these  devices,  little  has  been  done  to  take  advantage  of  their  improved  abilities.  This  work  looks  at  addressing  that  unknown  by  examining  how  changes  in  the  geometry  of  cell  affect  the  overall  response.  I  developed  a  set  of  finite  element  models  to  better  understand  the  physics  of  the  system,  using  COMSOL  electro-physical  simulations  and  an  algorithm  proposed  previously  in  the  literature  to  calculate  cell  constants  for  a  large  number  of  simulated  chips  and  MATLAB  to  build  a  number  of  variations  of  linear  regression  models  to  help  determine  which  parameters  were  important.  I  then  fabricated  over  a  hundred  chips  of  various  geometries  on  silicon  using  standard  microfabrication  techniques,  with  a  3μm  oxide  layer  for  insulation  and  110nm  chrome/gold  electrodes.  Testing  and  characterization  of  these  devices  was  done  with  a  Keysight  impedance  measurement  system  (LCR  E4980A)  and  demonstrated  that  the  response  of  the  cell  was  largely  dictated  by  the  width  of  the  driving  electrode  and  the  interelectrode  spacings,  with  wider  electrodes  and  spacings  leading  to  weakening  responses.  Finally,  I  developed  an  instrument  in  a  1000m-rated  soda-can-sized  housing  with  a  commercial  pressure  sensor  and  thermistor  to  test  these  chips  in  the  field.  Deployments  in  Antarctica  during  the  2021/22  austral  summer  were  successful,  and  demonstrated  the  potential  of  the  system  as  a  whole,  with  some  post-field  debugging  and  diagnostics  discussed  with  solutions  implemented.  Future  opportunities  for  continuing  this  work  are  provided  at  the  end.
■590    ▼aSchool  code:  0078.
■650  4▼aReceivers  &  amplifiers
■650  4▼aMicroelectromechanical  systems
■650  4▼aCold
■650  4▼aElectrodes
■650  4▼aFlow  velocity
■650  4▼aOceanography
■650  4▼aSea  level
■650  4▼aBatch  processing
■650  4▼aChlorine
■650  4▼aClimate  change
■650  4▼aRobotics
■650  4▼aCirculatory  system
■650  4▼aIntegrated  circuits
■650  4▼aPhysics
■650  4▼aIce  sheets
■650  4▼aDesign
■650  4▼aOcean  circulation
■650  4▼aOceanographic  instruments
■650  4▼aGeometry
■650  4▼aSalinity
■650  4▼aIce  shelves
■650  4▼aElectrical  engineering
■650  4▼aFluid  mechanics
■650  4▼aGeomorphology
■650  4▼aMorphology
■650  4▼aPhysical  oceanography
■690    ▼a0771
■690    ▼a0389
■690    ▼a0404
■690    ▼a0605
■690    ▼a0544
■690    ▼a0204
■690    ▼a0484
■690    ▼a0287
■690    ▼a0415
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05A.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360468▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서