MARC

 008260126s2025        us                              c    eng  d
■001000017358659
■00520260202104733
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798290649122
■035    ▼a(MiAaPQ)AAI32148963
■035    ▼a(MiAaPQ)PennState29651cms8477
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a551.57
■1001  ▼aSala,  Christopher  M.
■24510▼aLand  and  Ocean  Contributions  to  United  States  Summertime  Precipitation  Variability
■260    ▼a[Sl]▼bThe  Pennsylvania  State  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a171  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-01,  Section:  B.
■500    ▼aAdvisor:  Li,  Laifang.
■5021  ▼aThesis  (Ph.D.)--The  Pennsylvania  State  University,  2025.
■520    ▼aVariability  of  summertime  contiguous  United  States  (US)  precipitation  is  among  the  most  important  contributors  to  the  environment,  ecology,  and  economy  of  the  country.  As  such,  understanding  the  processes  that  govern  precipitation  variability  is  necessary  to  increase  seasonal-to-subseasonal  forecasting  skill  and  future  climate  projections  to  make  science-informed  policy  decisions.  The  dominant  mode  of  this  precipitation  variability  is  a  dipole  pattern  of  opposing  hydrological  extremes  between  the  Midwest  (MW)  and  Southeast  (SE)  US.  Years  of  increased  MW  precipitation  coincide  with  years  of  decreased  SE  precipitation,  and  vice  versa.  This  relationship  has  been  well  explored  on  interannual  time  scales  but  remains  to  be  fully  elucidated  on  intraseasonal  time  scales.  Using  a  Bayesian  statistical  model,  daily  summertime  precipitation  in  the  MW  and  SE  are  independently  classified  as  light,  moderate,  and  heavy  categories  and  then  backtracked  using  a  moisture  tracking  algorithm  to  determine  the  moisture  origin  points  for  the  precipitation  events.  Results  indicate  that  both  regions  are  experiencing  increasing  trends  in  moderate  and  heavy  precipitation  event  frequency,  with  light  events  becoming  less  frequent  from  1970  to  2019.  Light  precipitation  events  rely  on  local  moisture  recycling  and  land-based  moisture  to  fuel  the  events,  whereas  heavier  precipitation  events  are  supplemented  by  oceanic  moisture  pathways  dynamically  regulated  by  the  North  Atlantic  Subtropical  High  (NASH)  Western  Ridge  (WR).  As  the  NASH  WR  shifts  northwest  of  the  climatological  position,  Atlantic  Ocean  moisture  travels  along  the  southern  flank  of  the  NASH,  through  the  Caribbean  Sea,  into  the  Gulf  of  Mexico  and  funneled  into  the  Great  Plains  Low-Level  Jet  (GPLLJ).  The  bolstered  GPLLJ  transports  oceanic  moisture  to  the  MW  US,  which  concurrently  receives  Pacific  Ocean  moisture  through  geopotential  height  anomalies  that  create  favorable  conditions  for  MW  precipitation  and  unfavorable  conditions  for  SE  precipitation.  The  northwest  expansion  of  the  NASH  WR  reduces  ocean  moisture  to  the  SE  US,  resulting  in  light  precipitation  events.  Heavier  SE  US  precipitation  events  occur  as  the  NASH  WR  recedes  southeast  of  climatology,  resulting  in  the  redirection  of  moisture  from  the  GPLLJ  and  MW  to  the  SE.  Simultaneously,  geopotential  height  anomalies  create  unfavorable  conditions  for  MW  precipitation  and  favorable  conditions  for  SE  precipitation  events.  The  geopotential  height  anomalies  that  affect  MW  and  SE  US  precipitation  events  are  approximately  12-day  impressions  of  the  Asia-North  America  teleconnection  pattern  that  yields  anomalous  barotropic  wave  trains  from  East  Asian  Summer  Monsoon  latent  heating  anomalies.
■590    ▼aSchool  code:  0176.
■650  4▼aPrecipitation
■650  4▼aDrought
■650  4▼aWind
■650  4▼aFloods
■650  4▼aSeasons
■650  4▼aWeather
■650  4▼aRegions
■650  4▼aHydrology
■650  4▼aEigenvalues
■650  4▼a21st  century
■650  4▼aStatistical  significance
■650  4▼aSampling  error
■650  4▼aSummer
■650  4▼aClimate  science
■650  4▼aClimate  change
■650  4▼aGeneral  circulation  models
■650  4▼aStudent's  t-test
■650  4▼aRain
■690    ▼a0404
■71020▼aThe  Pennsylvania  State  University.
■7730  ▼tDissertations  Abstracts  International▼g87-01B.
■790    ▼a0176
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358659▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서