MARC

 008250224s2024        us  ||||||||||||||c||eng  d
■001000017164002
■00520250211152819
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384464211
■035    ▼a(MiAaPQ)AAI31559141
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a628
■1001  ▼aCerasoli,  Sara.▼0(orcid)0000-0002-5999-6477
■24510▼aOptimal  Allocation  Strategies  for  Water  Resources  and  Carbon  Mitigation  Under  a  Changing  Climate.
■260    ▼a[S.l.]▼bPrinceton  University.  ▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a208  p.
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-04,  Section:  B.
■500    ▼aAdvisor:  Porporato,  Amilcare.
■5021  ▼aThesis  (Ph.D.)--Princeton  University,  2024.
■520    ▼aNatural  climate  solutions  (NCS)  and  sustainable  water  management  are  critical  for  mitigating  and  adapting  to  global  environmental  change.  However,  the  effectiveness  of  NCS  is  subject  to  large  uncertainties  due  to  complex  land-atmosphere  interactions  and  climate  feedbacks.  Similarly,  groundwater  sustainability  is  threatened  by  unsustainable  pumping  practices  and  increasing  drought  risks.  This  thesis  integrates  process-based  modeling,  satellite  observations,  and  optimization  techniques  to  quantify  the  impacts  and  uncertainties  of  NCS  and  water  management  strategies  and  identify  optimal  allocation  solutions.  First,  the  biophysical  effects  of  reforestation  on  surface  energy  fluxes  and  cloud  feedbacks  are  assessed  using  remote  sensing  and  ecohydrological  modeling,  highlighting  the  decisive  role  of  clouds  in  determining  the  net  climate  benefits.  To  manage  the  risks  and  uncertainties  associated  with  NCS,  a  portfolio  optimization  approach  is  developed  to  design  diversified  investment  strategies  across  multiple  natural  and  engineered  carbon  removal  options.  The  optimization  framework  is  then  extended  to  the  problem  of  sustainable  groundwater  management,  using  optimal  control  theory  to  diagnose  inefficient  pumping  practices  and  derive  alternative  strategies  that  reconcile  agricultural  productivity  with  long-term  aquifer  sustainability.  Building  on  these  insights,  the  thesis  presents  a  novel  extension  of  the  Budyko  framework  that  explicitly  accounts  for  irrigation  practices  in  agricultural  water  management.  By  integrating  this  extended  Budyko  model  with  multi-objective  optimization  techniques,  the  thesis  explores  sustainable  irrigation  strategies  that  balance  economic,  environmental,  and  social  objectives  under  changing  climatic  conditions.  This  integrated  framework  provides  a  mechanistic  understanding  of  the  coupled  water-vegetation-climate  dynamics  at  the  catchment  scale  and  enables  the  identification  of  Pareto-optimal  solutions  that  trade  off  competing  water  uses  and  users.  By  advancing  the  scientific  understanding  and  mathematical  modeling  of  coupled  carbon-water  cycle  dynamics  across  multiple  scales  and  sectors,  this  thesis  aims  to  inform  robust  and  adaptive  resource  allocation  decisions  in  a  rapidly  changing  world.  The  novel  frameworks  and  findings  can  guide  the  design  of  climate  mitigation  and  adaptation  policies,  sustainable  land  and  water  management  practices,  and  resilient  agricultural  systems  that  support  both  human  well-being  and  ecological  functioning.
■590    ▼aSchool  code:  0181.
■650  4▼aEnvironmental  engineering.
■650  4▼aNatural  resource  management.
■650  4▼aWater  resources  management.
■650  4▼aRemote  sensing.
■653    ▼aNatural  climate  solutions
■653    ▼aEcohydrological  modeling
■653    ▼aEcological  functioning
■690    ▼a0775
■690    ▼a0528
■690    ▼a0595
■690    ▼a0799
■71020▼aPrinceton  University▼bCivil  and  Environmental  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g86-04B.
■790    ▼a0181
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164002▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서