MARC

 008260126s2025        us                              c    eng  d
■001000017360212
■00520260202105323
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798297672482
■035    ▼a(MiAaPQ)AAI32289617
■035    ▼a(MiAaPQ)PennState27801cjc358
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a551.57
■1001  ▼aChapman,  Connor  J.
■24510▼aLand  Surface-Convective  Precipitation  Interactions  and  Mechanisms  for  the  Midwest  U.S.  Corn  Belt
■260    ▼a[Sl]▼bThe  Pennsylvania  State  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a279  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-04,  Section:  B.
■500    ▼aAdvisor:  Carleton,  Andrew  M.
■5021  ▼aThesis  (Ph.D.)--The  Pennsylvania  State  University,  2025.
■520    ▼aRecent  climatic  research  for  the  heavily  agricultural  central  United  States  suggests  a  land  surface  -  land  use/land  cover  (LULC),  soil  moisture  (SM)  -  role  in  warm-season  convective  clouds  and  precipitation.  However,  these  associations  are  more  well  understood  for  the  semi-arid  U.S.  Great  Plains  than  for  the  humid  lowlands  and  agriculturally-intensive  Midwest  Corn  Belt  (CB).  To  better  determine  the  role  of  the  land  surface  in  CB  deep  convection,  I  determine  the  associations  -  and  potential  interactions  -  of  weather  radar-derived  convective  precipitation  initiation  (CVPI)  with  observational  (e.g.,  satellite-derived,  flux  tower)  and  combined  modeledobserved  reanalyzed  ("reanalysis")  data  on  LULC,  SM,  and  atmospheric  conditions  for  the  2013-  2023  warm  seasons  (1  May  -  30  September).  I  emphasize  two  CB  domains,  each  featuring  considerable  heterogeneity  in  LULC  yet  different  in  terms  of  relief:  a  topographically  varied  area  in  south-central  Indiana,  and  a  flatter  portion  of  central  Illinois.  To  account  for  the  warm-season  phenological  progression,  I  use  transpiration  data  to  divide  the  warm  season  into  three  subseasons  (early,  mid,  and  late)  of  varying  length.  I  also  stratify  the  CVPI-land  surface  association  results  into  two  categories  based  on  the  threshold  of  atmospheric  instability,  or  Convectively  Available  Potential  Energy  (CAPE):  synoptically-primed  (SP;  high  CAPE)  and  synopticallybenign  (SB;  low  CAPE).  The  first  two  research  investigations,  documented  in  Chapters  2  and  3  reveal  Corn  Belt  CVPI  composite  associations  with  LULC  and  SM,  respectively;  I  assess  the  likely  physical  processes  -  and  inferred  mechanisms  -  underlying  these  associations  on  shorter  time-space  scales  using  a  case-event  approach  in  Chapter  4.In  Chapter  2,  I  determine  LULC  types,  and  their  associated  buffer  zones  for  the  two  CB  domains.  Statistically-significant  associations  of  CVPI  with  crop-urban  buffer  zones  on  SB  days  during  the  mid-season,  and  with  croplands  on  SB  days  during  the  late-season,  imply  that  LULC  compensates  for  the  lack  of  synoptic  forcing  in  generating  deep  convection.  Moreover,  the  broad  similarity  in  results  between  the  two  domains  indicates  a  more  dominant  role  of  LULC  versus  relief  in  Corn  Belt  CVPI.  In  Chapter  3,  I  determine  Corn  Belt  CVPI-SM  statistical  associations  -and  identify  a  potential  lead-lag,  or  feedback  (i.e.,  SM  a  CVPI  a  SM)  -  for  SM  content  (low  to  high)  and  the  associated  spatial  gradients  for  the  whole  11-year  period  and  the  wettest  year  (2015)  and  driest  year  (2023)  within  the  study  period.  I  find  more  frequent  statistically  significant  associations  of  CVPI  with  SM  during  the  early-season,  and  less  for  the  late-season.  In  particular,  statistically-significant  early-season  associations  of  CVPI  on  SP  days  with  strong  SM  gradients,  and  on  SB  days  with  weak  SM  gradients,  short  SM  gradients,  and  high  SM,  imply  that  SM  can  both  increase  the  likelihood  of  deep  convection  on  days  with  weak  synoptic  forcing  or  enhance  the  convective  precipitation  occurring  in  the  presence  of  strong  synoptic  forcing.  Moreover,  physically  -  but  not  necessarily  statistically  -  significant  results  involving  SM  attributes  appear  in  other  warm-season  trimesters,  and  co-occur  with  LULC  in  urban  environments.  Similar  to  Chapter  2,  an  overall  greater  influence  of  SM  on  CVPI  versus  relief  is  evident  for  the  CB.Chapter  4  documents  the  case-event  (n  =  9)  evaluation  -  using  reanalysis  data  -  of  the  likely  physical  mechanisms  underpinning  CVPI,  in  context  of  the  empirical  results  obtained  in  Chapters  2  and  3.  My  statistical  validation  of  reanalysis  heat  fluxes  using  flux-tower  data  justifies  their  use  in  both  climate-scale  and  case-study  investigations.  The  presence  of  three  physical  processes:  1)  strong  upward  vertical  transport  of  surface  moisture,  2)  horizontal  convergence  of  the  low-level  winds  at  the  CVPI  location,  overlain  by  3)  synoptically-driven  airflow  advecting  moisture  and/or  heat  into  the  CB,  are  indicated.  The  CB  land  surface-CVPI  statistical  associations  and  their  likely  physical  mechanisms  demonstrated  in  my  three  research  chapters,  can  be  used  to  1)  help  improve  warm-season  precipitation  forecasting  in  the  central  CB  (e.g.,  for  agricultural  activity),  and  2)  provide  a  framework  for  subsequent  numerical  modeling  experiments  of  present  and  near-future  land  surface-CVP  interactions  for  that  region.
■590    ▼aSchool  code:  0176.
■650  4▼aPrecipitation
■650  4▼aHumidity
■650  4▼aStatistical  significance
■650  4▼aSeasons
■650  4▼aLand  use  planning
■650  4▼aMeteorology
■690    ▼a0536
■690    ▼a0557
■71020▼aThe  Pennsylvania  State  University.
■7730  ▼tDissertations  Abstracts  International▼g87-04B.
■790    ▼a0176
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360212▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서