این مقاله انگلیسی ISI در نشریه الزویر در 9 صفحه در سال 2022 منتشر شده و ترجمه آن 20 صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

نوشته دانلود ترجمه مقاله ارزیابی فواصل زمانی گونه ها برای ادغام داده های تله متری GPS (ساینس دایرکت – الزویر 2022) (ترجمه ویژه – طلایی ⭐️⭐️⭐️) اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

چکیده
مقدمه
شرایط اقلیمی
ملاحظات فنی
پروژه های جمع آوری مه آب فعلی و پیشین
آمریکای مرکزی و جنوبی
اروپا
آسیا
طرح و برنامه زمانی پروژه
ابعاد خاص
مقدار مه آب
کیفیت مه آب
ابعاد اقتصادی
چشم اندازهای آینده

بخشی از ترجمه:

 نشان داده شده است که جمع آوری مه آب به عنوان منبع آب شیرین، یک تکنولوژی عملی در مناطق مختلف جهان می باشد. مه آب می تواند یک منبع مهم و ارزشمند آب شیرین برای جنگل کاری، باغچه کاری و نیز منبع آب شیرین برای مصرف بشری می باشد
بیشترین مزیت مه آب جمع آوری شده برای مردم فقیر و کم بضاعت است. اغلب این افراد در شرایط بسیار سختی زندگی می کنند. وقتی ایده جمع آوری مه آب به عنوان منبع آب شیرین به طور مثبتی ارزیآبی می شود، پروژه شروع می شود. تخصص و بودجه اولیه از خارج تامین می شود. عملیات منظم LFC، حاکی از وجود بسیاری از روستاها در کشورها با مقدار زیاد آب شیرین می باشد. ،
ایجاد انگیزه، آموزش و مشارکت افراد محلی از فاکتورهای موفقیت آمیز می باشد. ایجاد ساختار های جدید به عنوان کمیته های آبی برای مدیریت پروژه مفید است. تحت شرایط بهینه، هزینه های عملیاتی با فروش آب جمع شده به قیمت های پایین تر نسبت به منآبع دیگر حاصل می شود. این مفهوم برای واحد های کوچک قآبل تعمیم است. مشکلات مربوط به تک تک پروژه ها بعد از عملیات سیستم جمع آوری و دادن آن ها به دست مردم محلی بروز می یآبد. مرمت و نگهداری نامناسب موجب کاهش کارایی کلکتورها و در نهایت تخریب آن ها می شود. به نظر می رسد که این پروژه ها برای مدیریت موفقیت امیز و پایدار برنامه ای ندارند.

بخشی از مقاله انگلیسی:

INTRODUCTION The collection of fog for the purpose of the production of clean water has attracted increasing attention over the past few decades. It is a simple and sustainable technology with the potential to produce precious water in some regions of the world. It is achieved by exposure of mesh material to foggy air masses. There are numerous projects on five continents to collect fog water, of which some are more successful than others. The beneficiaries are often poor people, although successful projects also exist in more prosperous regions. A tri-annual international conference series on fog, fog collection, and dew, since 1998 (http:// www.fogquest.org/conferences.html), brings together scientific findings and users of the technique. The scope of this review is to synthesize the current understanding of fog collection and to analyze its potential and limitations for future development. In a sense, this is a follow-up contribution of a summary presented 20 years ago in Ambio (Schemenauer and Cereceda 1991). Note that the science of fog physics, chemistry, and its role in the hydrological cycle, which extends to a much wider climatic range than the ‘‘fog collection’’ addressed here, is not within the focus of this article. CLIMATIC PRECONDITIONS Fog is a cloud with physical contact to the earth’s surface. The fog droplet diameters typically range between from around 1 lm to a few 10s of lm. There are several fogforming processes (Schemenauer et al. 1988; Eugster 2008), of which only two are briefly mentioned here. In the first method, low stratus clouds can form over a rather cold body of water, e.g., the subtropical SE Pacific Ocean, and the resulting cloud base height above the surface and the cloud’s thickness may be a few tens or hundreds of meters. If such a cloud is advected by the regional winds toward the coastal mountains, advection fog may occur in the mountainous region. Another way to produce fog is adiabatic cooling of humid air masses during their uphill transport. Oceans are major sources of humidity so that the combination of an ocean with a near-coast mountainous region is a favorable setting for collecting water from such orographic fog. Only if fresh water is sparse, is there a motivation to set up a system for fog water collection. In other words, only if rain is a very limited (in many cases virtually non-existent at least for a significant time period of the year) source of fresh water, and groundwater is an unsustainable or expensive source, fog collection projects make sense. These preconditions lead to a concentration of fog collection projects in arid and semi-arid tropical and subtropical climates. TECHNICAL REALIZATIONS The collection of fog water is a simple technology. A mesh is exposed to the atmosphere, and the fog is pushed through the mesh by the wind. A fraction of the fog droplets is deposited on the mesh material by impaction. When more and more fog droplets deposit, they combine to form larger droplets, run down the mesh material into gutters and eventually into a storage tank. Differences between various fog collector designs exist regarding their size and shape, as well as the mesh material used. The Standard Fog Collector (SFC) is mainly used in exploratory studies to evaluate the amount of fog water that can be collected at given sites. The construction and use of this flat mesh panel is described in detail in Schemenauer and Cereceda (1994a). The SFC has a 1 9 1 m2 surface, with a base 2 m above ground and is installed perpendicularly to the wind direction that is associated with the occurrence of fog. It has now been used to measure fog fluxes in about 40 countries. The Large Fog Collector (LFC, Schemenauer and Cereceda 1994b) has been widely used for fog collection. The principle is identical to that of the SFC. It is, however, much larger. In most cases, the mesh is 4 m high and 10 m wide. The lower edge of the mesh, with the attached gutter, should be as high off the ground as possible (typically 2 m) in order to increase the collection rate. In the SFC design, the mesh is stretched over a rigid frame. For the LFC, the mesh is supported by a frame made of cables, which are held tightly between two vertical posts. Figure 1 shows an LFC in Spain. posts. Figure 1 shows an LFC in Spain. The collection rate of a fog collector is determined by the fog liquid water content (LWC), the size distribution of fog droplets, the size and arrangement of the mesh material, and the wind speed. The description of the physical processes behind the impaction of fog droplets is beyond the scope of this article and is described in Schemenauer and Joe (1989) and Schemenauer and Cereceda (1994a). The Raschel shade net material from a Chilean manufacturer is used in most fog collector applications worldwide.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله جمع آوری آب شیرین از مه – نشریه اسپرینگر اولین بار در ترجمه فا پدیدار شد.

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 100 تا 1000 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 100 تا 1000 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 1997 به ترتیب 1000،800،300،1700 و 3800 میلیون دلار(MARD2002) است. همان طور که می توان دید،سیلاب های خفیف 1 تا 5 درصد کل GDP از دلتای رود رد و سیل اصلی در 1996 عامل خسارت اصلی ،20 تا 50 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

نوشته دانلود ترجمه مقاله مدلسازی و تخمین زیان سیلاب در حوضه رودخانه اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

۱ مقدمه
۲منطقه مورد مطالعه
۳ داده ها و مدل ها
۴ اجرای الگوریتم مونته کارلو
۴ ۱ تجزیه تحلیل های عدم قطعیت و حساسیت
۴ ۲ دامنه عدم قطعیت در پارامترهای ورودی
۴ ۲ ۱ سطح آب
۴ ۲ ۲ رشد خط طغیان
۴ ۲ ۳ براورد خسارت
۵ نتایج و بحث
۶ نتیجه گیری

بخشی از ترجمه:

در این مطالعه، آنالیزهای عدم قطعیت و حساسیت روی براوردهای خسارت سیلاب مربوط به طوفان های ساحلی در غرب هلند انجام شدند. برای تسهیل این موضوع، یک رویکر د جدید، برای محاسبه عمق طغیان که در شبیه سازی های مونته کارلو واقع می شود ایجاد و به طور موفقیت امیزی اجرا شد.مشابه با مدل سریع طغیان ایجاد شده توسط وارد و همکاران 2011، هدف این رویکرد جدید مدل سازی اجرای روش های هیدرودینامیک دو بعدی برای پاسخ به سوالاتی است که مستلزم طیف وسیعی از شبیه سازی های مدل هستند.رویکرد کارامد مدل سازی محاسباتی جدید اعماق طغیان سیل را به طور کارامدی براورد کرده و امکان انجام انالیزهای حساسیت و عدم قطعیت را با استفاده از شبیه سازی های مونته کارلو در اختیار می گذارد. مجموع انالیزهای عدم قطعیت و حساسیت اطلاعات بیشتری در خوص پارامترهایی در اختیار می گذارند که برای عدم قطعیت در خروجی زنجیره مدل سازی بسیار مهم هستند.
ما نشان میدهیم که در رابطه با براورد های خسارت سیل مربوط به بارش های ساحلی در غرب هلند عدم قطعیت قابل توجهی وجود دارد. براورد های کران بالا و پایین با حدود اطمینان 95% 4 برابر کوچکر و بزرگتر از میانه هستند.موثرترین پارامتر دخیل در این عدم قطعیت، عدم قطعیت مربوط به شکل منحنی های خسارت-سیلاب است. به طور کلی، سهم عدم قطعیت در پارامترهای مربوط به محاسبه خسارت معادل سهم پارامترهای مربوط به حجم آب ورودی است(ارتفاع بارش، زمان بارش و مصاالح به کار رفته در ساخت سیل گیر). این نشان می دهد که توجه به ارزیابی خطر سیل و پژوهش های مربوطه بایستی بین این دو به تعادل برسند.

بخشی از مقاله انگلیسی:

Introduction Flood management in Europe has traditionally mainly been concerned with measures designed to prevent flood events. More recently, a paradigm shift can be observed in flood risk management, moving towards an approach not only focussed on flood prevention (i.e. the hazard), but also on measures that reduce economical damage and casualties (DKKV, 2004; Tunstall et al., 2004; Vis et al., 2003). The interest in a risk-based approach has been amplified by severe flooding events in recent decades, as well as the observation that exposure to flooding has increased dramatically through population growth and urban development in vulnerable areas (Munich Re, 2005; Nicholls et al., 2008; De Moel et al., 2011). The prospect of future flood risk is continuing to increase because of these socio-economic drivers combined with the prospect of climate change (e.g. Te Linde et al., 2010; Milly et al., 2002) added further to this interest in risk-based flood management. When focusing on flood consequences to support riskbased flood management, different models have been designed to assess direct economic damages to, for instance, buildings and infrastructure (Penning-Rowsell et al., 2010; Thieken et al., 2008; Kok et al., 2005). However, research shows there is quite some uncertainty in such flood damage simulations, which is rooted in the uncertainty of the underlying data and model assumptions (Merz et al., 2004; Merz and Thieken, 2009; Apel et al., 2008; De Moel and Aerts, 2011). These sources of uncertainty can relate to both epistemic uncertainty (incomplete knowledge), or aleatory uncertainty (natural variability) (see e.g. Apel et al., 2004). Research suggests to improve our understanding of the uncertainties in flood damage modelling, in order to make the Published by Copernicus Publications on behalf of the European Geosciences Union. 1046 H. de Moel et al.: Uncertainty and sensitivity analysis of coastal flood damage estimates results defensible and reliable (Saltelli et al., 1998), build public confidence in the output (Brugnach et al., 2007), communicate implications of limitations in data and scale (Hall and Solomatine, 2008), and ultimately provide the best possible basis for effective decision making (Ascough et al., 2008; Downton et al., 2005). Moreover, studying uncertainties forces researchers to scrutinize their own models (Merz et al., 2008), improving understanding of the system and the interpretation of the results. Uncertainties can be addressed in several ways, for instance by using scenarios to create a range of possible outcomes. This is often done in studies concerning assessments of future situations which are inherently uncertain (Hall et al., 2005a; Aerts et al., 2008; Klijn et al., 2007; Bouwer et al., 2010), but can also be done to explore current uncertainties using, for instance, different inundation scenarios (Klijn et al., 2007; RWS-DWW, 2005; Van der Most and Wehrung, 2005). There are various studies that do not use scenarios but rather look at uncertainty in various components of a damage assessment. Some studies looked at uncertainties in a specific component, like the direct damage calculation part of the assessment (Merz et al., 2004; Egorova et al., 2008) or the estimation of inundation depths (e.g. Hall et al., 2005b; Noack and Yoruk, 2008). More recently, studies have focused on the combined uncertainty in various components of flood damage assessments. Merz and Thieken (2009), for instance, used different flood frequency curves, inundation models and damage models to estimate uncertainty bounds around flood risk curves. A similar approach was used by De Moel and Aerts (2011) who explored uncertainties in damage models, inundation depth and land use. A more thorough analysis of uncertainty would require a statistical analysis of uncertainty in individual parameters, which are used as input for the various models and how they propagate through the entire modelling chain (Heuvelink, 1998). This is usually done using a Monte Carlo (MC) framework in which individual parameter values are (quasi-)randomly sampled and then evaluated in the model(s). This requires a large number (hundreds) of model evaluations. In flood damage assessments this is mainly hampered by the estimation of inundation depths as the models used for this (2-dimensional hydrodynamic flow models) are computationally very demanding (Gouldby and Kingston, 2007; Apel et al., 2008). The study by Apel et al. (2008) is a good example of applying MC to estimate uncertainty in flood risk modelling. To overcome the computational burden of 2-dimensional hydrodynamic models, they ran such models a priori for various dike breach scenarios to create lookup tables for inundation characteristics, which were subsequently used in a MC uncertainty analysis. They varied many different parameters in their study, though most were associated with the hazard part, and not so much the damage estimation. The damage estimation was performed after the MC analysis using three different depth-damage curves for buildings. In addition to analysing the uncertainty in the output of a model or modelling chain, calculating a large number of model evaluations also makes it possible to perform sensitivity analyses. Sensitivity analyses enable distinguishing which uncertainty sources impact the output the most. Such insights allow identifying parameters, which are justified to keep constant, and can be used to direct research efforts to address parameters that heavily impact the output in order to make a more robust assessments.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله تجزیه و تحلیل عدم قطعیت و حساسیت تخمین خسارت ناشی از سیلاب ساحلی – مجله Doaj اولین بار در ترجمه فا پدیدار شد.