دانلود ترجمه مقاله مدلسازی و تخمین زیان سیلاب در حوضه رودخانه

فهرست مطالب:

چکیده
مقدمه
۲ براورد مقادیر حد برای سطح آب
۲ ۱ داده های سطوح آب مشاهده شده
۲ ۲ مقادیر درجه بندی شده سطح آب سالانه
۲ ۳ آنالیز سطوح آب سالانه
۳ ارزیابی خسارت سیل
۳ ۱ داده های خسارت مشاهده شده
۳ ۲ تغییر مولفه های خسارت سیل
۳ ۳ تغییرات خسارت کل سیل
۴ روابط بین خسارت سیل و سطح آب
۵ روابط بین خسارت مادی و غیرمادی سیل
۶ نتیجه گیری

بخشی از ترجمه:

این مقاله دارای سطوح آب،خسارت سیل و روابط بین این متغیرها برای حوضه رود رد در ویتنام است. پی برده شده است که خسارت کل سالانه سیل ۱۰۰ تا ۱۰۰۰ میلیون دلار بوده و دارای عدم قطعیت بالایی است. این عدم قطعیت ناشی از کمبود دادهای خسارت، هزینه های واحد و دیگر دسته های خسارت نظیر خسارت غیر مستقیم و نامحسوس است. بنابراین،توابع خسارت سیلاب یعنی روابط بین خسارت سیل و سطوح آب نیز غیر قطعی می باشند. این توابع را می توان با استفاده از نقشه های با اعماق طغیان سیل با توزیع مکانی علاوه بر داده های خسارت و هزینه های واحد بهبود بخشید.
مقایسه میزان خسارت کل سالانه ۱۰۰ تا ۱۰۰۰ میلیون دلار با تولید ملی ناخالص از چندین بخش اقتصادی، اهمیت خسارت سیل را به وضوح نشان می دهد.GDP برای کشاورزی، صنعت، ساخت و ساز، خدمات و چهار بخش دیگر در داده های دلتای رود رد ۱۹۹۷ به ترتیب ۱۰۰۰،۸۰۰،۳۰۰،۱۷۰۰ و ۳۸۰۰ میلیون دلار(MARD2002) است. همان طور که می توان دید،سیلاب های خفیف ۱ تا ۵ درصد کل GDP از دلتای رود رد و سیل اصلی در ۱۹۹۶ عامل خسارت اصلی ،۲۰ تا ۵۰ درصد کل GDP است. مورد دوم مشابه با GDP بزرگترین بخش کشاورزی و خدمات است. مجددا این مورد بیانگر و موکد اهمیت لحاظ کردن خسارت سیل در ارزیابی اندازه گیری های کنترل اکوسیستم و سیلاب در سیستم های پشتیبان تصمیم گیری است.

بخشی از مقاله انگلیسی:

The FLOCODS DSS is a decision support system for evaluation of different flood control and ecosystem upgrading measures under different scenarios in the Red River basin in Vietnam and China (see e.g. Booij, 2003). In this DSS, cost-benefit analysis could be used as an evaluation tool and therein, flood damage is an important component. By comparing annual expected flood damage for different measures, a priority list of preferred measures can be made. It is therefore of crucial importance that a flood damage assessment module is incorporated in the FLOCODS DSS. Flood damage can be broadly classified into two categories: tangible and intangible damages. Tangible flood damages, which can be expressed in monetary values, can be subdivided into two types: direct and indirect damage. These can be further subdivided into primary and secondary damages. Therefore four types of tangible flood damage can be distinguished (Dutta et al., 2003): direct primary (e.g. structures, agriculture), direct secondary (land and environment recovery), indirect primary (business interruption) and indirect secondary (impact on regional and national economy). Intangible damages (e.g. health, psychological problems) have been occasionally investigated in literature (e.g. Lekuthai and Vongvisessomjai, 2001), but in general, research is limited to tangible damages. Here, flood damage is restricted to direct primary tangible damages because of the complexity of modelling other damage types. Intangible damage will only slightly be considered. The most common approach for flood damage estimation employs the unit loss model, which is based on a property-by-property assessment of potential damage. In principal, such a model comprises a relationship between flood variables (inundation depth, duration, velocity) and damage for different damage categories. There are wide variations in the 1 M.J. Booij existing methodologies for flood loss estimation around the world and only a few countries have adopted standardized methodologies for this estimation (Dutta et al., 2003). There are a few models available for flood damage assessment basically using relationships between flood variables and damage in a specific context (river basin, country etc.), examples are FDAP (USACE, 1988; 1994), ANUFLOOD (Greenaway and Smith, 1983) and ESTDAM (Chatterton and Penning-Rowsell, 1981). In the Red River basin, due to the specific context and the lack of data on flood variables (maps with inundation depths, durations) and damage (costs to convert to monetary units, spatial distribution), a situation specific model for flood damage assessment needs to be developed. This model is based on statistical relations between extreme water levels at different stations and the total damage lumped at the provincial level. The total damage is estimated from different direct primary damage categories converted to monetary units. The extreme water levels at different stations are aggregated to scaled extreme water levels per province in order to link with the damage data. In section 2, the extreme water levels are estimated, section 3 considers the total damage and in section 4 relations between both variables are estimated. Additionally in section 5, an attempt is done to verify the estimated damage data using intangible flood damage data. Finally, in section 6 conclusions are drawn. 2 Extreme value estimation for water level 2.1 Observed water level data Water level data from the Institute of Mechanics in Vietnam are employed in this analysis. These data have temporal resolutions of 6 hours (5 stations) and 24 hours (26 stations) for the period 1990-2001. Part of the stations is in the Red River delta and covers complete years (19 stations) and part is in the upstream Red River basin in Vietnam and covers the period June 1-October 15 (12 stations). It is assumed that the latter period represents the flood season and thus all important water level extremes. The 31 water level stations are in 15 of the 26 provinces in the Red River basin, in particular provinces with large annual flood damages.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه