MARC

 008260126s2025        us                              c    eng  d
■001000017359126
■00520260202104838
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798270226114
■035    ▼a(MiAaPQ)AAI32172173
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a551.5
■1001  ▼aRoychoudhury,  Chayan.
■24510▼aModeling  and  Analysis  of  Black  Carbon  in  the  Third  Pole:  From  Emissions  to  Snowmelt
■260    ▼a[Sl]▼bThe  University  of  Arizona▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a259  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-06,  Section:  B.
■500    ▼aAdvisor:  Arellano,  Avelino  F.,  Jr.
■5021  ▼aThesis  (Ph.D.)--The  University  of  Arizona,  2025.
■520    ▼aHigh  Mountain  Asia  (HMA),  often  referred  to  as  the  Third  Pole  and  Asia's  water  tower,  sustains  the  livelihood  of  over  30%  of  our  global  population.  However,  increasing  anthropogenic  activities  within  developing  economies  in  the  vicinity  of  HMA's  glaciers  threaten  the  sustainability  of  this  water  tower.  Deposition  of  light-absorbing  particles  from  these  human  activities  (LAPs,  particularly  black  carbon  (BC)  and  dust)  and  their  interactions  with  regional  climate  have  been  found  to  contribute  to  accelerated  snowmelt  and  glacier  retreat  in  the  last  few  decades.  There  are  significant  uncertainties  in  our  understanding  of  how  LAPs  interact  with  the  cryospheric  interface,  their  sources,  transport/removal  across  HMA,  and  their  representation  in  Earth  system  models,  precluding  accurate  predictions  and  assessments  of  their  impacts.  This  dissertation  addresses  some  of  these  gaps  by  integrating  across  available  observations,  a  fully  coupled  novel  regional  reanalysis,  inverse  modeling,  and  machine  learning  diagnostics  to  quantify  the  impacts  of  LAPs,  particularly  BC,  on  HMA's  cryosphere  and  their  key  emission  sources.              First,  this  dissertation  introduces  and  evaluates  MATCHA,  a  high-resolution  (12  km),  fully  coupled  hydroclimate-chemical  reanalysis  for  Asia  spanning  17  years  between  2003  to  2019.  MATCHA  provides  a  first-of-its-kind  regional  dataset  that  accounts  for  aerosol-snowpack  interactions,  tags  BC  emissions  across  major  regions  and  sectors,  and  assimilates  satellite  data  for  chemical  species.  Second,  tagged  estimates  of  BC  from  MATCHA  are  leveraged  within  a  hierarchical  Bayesian  inversion  framework  constrained  by  91  observation  sites  across  HMA,  to  quantify  regional  and  sectoral  BC  source  contributions  and  assess  model  biases,  revealing  significant  underestimations  in  prior  emission  inventories,  particularly  for  anthropogenic  sources  in  remote  locations  and  biomass  burning.  Subsequently,  this  work  investigates  the  impact  of  LAPs  on  HMA's  cryosphere,  utilizing  statistical  and  machine  learning  methods  with  network  theory  to  help  unravel  the  non-linear  interactions  between  aerosols  and  meteorological  processes  impacting  snowmelt.            My  findings  demonstrate  that  these  coupled  aerosol-meteorology  interactions  are  statistically  significant  and  an  underrepresented  contributor  to  snow  cover  variability,  especially  during  the  late  snowmelt  season,  where  BC  and  large-scale  circulation  emerge  as  dominant  factors.  The  results  also  reveal  inconsistencies  in  how  feedbacks  between  dust,  temperature,  and  circulation  are  represented  across  state-of-the-art  reanalyses,  highlighting  the  need  for  improved  representation  of  these  feedbacks  in  the  development  of  Earth  system  models.            Overall,  this  dissertation  provides  a  quantitative,  observationally-constrained  assessment  of  BC,  its  sources,  and  its  complex  interactions  with  HMA's  cryosphere.  By  investigating  biases  in  emissions  and  modeled  aerosol-meteorology-snow  processes,  the  results  emphasize  the  need  to  refine  emission  inventories,  develop  region-specific  model-coupled  parameterizations,  and  implement  targeted  policies  to  mitigate  LAPs-related  pollution.  Furthermore,  it  introduces  a  novel  diagnostic  framework  and  allied  techniques  that  can  assist  in  evaluating  structural  biases  in  current  models,  informing  targeted  model  developments  and  observational  monitoring  strategies  to  improve  Earth  system  predictability  and  future  projections  of  freshwater  availability  in  this  climate-vulnerable  region.
■590    ▼aSchool  code:  0009.
■650  4▼aAtmospheric  chemistry
■650  4▼aClimate  change
■650  4▼aGeophysics
■653    ▼aBlack  carbon
■653    ▼aCoupling
■653    ▼aHigh  Mountain  Asia
■653    ▼aInteractions
■653    ▼aModeling
■653    ▼aLight-absorbing  particles
■690    ▼a0371
■690    ▼a0404
■690    ▼a0373
■71020▼aThe  University  of  Arizona▼bAtmospheric  Sciences.
■7730  ▼tDissertations  Abstracts  International▼g87-06B.
■790    ▼a0009
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17359126▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서