نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

چکیده

یک سیستم مفهومی هشدار اولیه سیل ناگهانی برای کشورهای در حال توسعه شرح داده شده است. این سیستم از داده‌های شدت بارندگی از لینک‌های ارتباطی مایکروویو زمینی و ماهواره‌ی زمین‌ایستا نسل دوم Meteosat استفاده می‌کند .، دو سیستمی که در حال حاضر موجود و عملیاتی هستند. هشدارهای اولیه سیل ناگهانی بر اساس ترکیبی از روش هدایت سیل ناگهانی و یک مدل هیدرولوژیکی است. این سیستم از طریق مشارکت عمومی و خصوصی که شامل اپراتور تلفن همراه، خدمات ملی هواشناسی و خدمات امداد اضطراری است، حفظ و راه اندازی خواهد شد. اپراتور تلفن همراه هم به عنوان تامین کننده داده های ورودی خام و هم به عنوان انتشار دهنده هشدارهای اولیه عمل می کند. سیستم هشدار اولیه می تواند به میزان قابل توجهی تعداد تلفات ناشی از سیل های ناگهانی را کاهش دهد، کارایی تلاش های کاهش خطر بلایا را بهبود بخشد و نقش مهمی در تقویت انعطاف پذیری کشورهای در حال توسعه آفریقا در برابر تغییرات آب و هوایی ایفا کند. این مقاله سیستمی را توصیف می کند که در حال حاضر برای کنیا در حال توسعه است.
کلید واژه ها: 

سیستم هشدار سریع سیل ناگهانی ؛ پیوند مایکروویو زمینی ; Meteosat نسل دوم ; CREST ; آفریقا ؛ کنیا

 

1. مقدمه

بر اساس گزارش دفتر کاهش خطر بلایا سازمان ملل، 43 درصد از کل بلایای سال 2012، بلایای هیدرولوژیکی یا حوادث سیل بوده است [ 1 ]. اگرچه اینها تنها مسئول 15 درصد از خسارات اقتصادی ناشی از بلایا بودند، اما مسئول 42 درصد از افراد کشته شده و 57 درصد از افراد آسیب دیده از بلایا بودند. در آفریقا، 82 درصد از تلفات ناشی از بلایای طبیعی ناشی از سیل بوده است. تغییرات آب و هوایی و همچنین رشد جمعیت و شهرنشینی بی برنامه در کشورهای در حال توسعه، آسیب پذیری در برابر سیل را در سال های آینده افزایش خواهد داد.
سیل‌های ناگهانی توسط انجمن هواشناسی آمریکا به‌عنوان «…سیلی که به سرعت بالا و پایین می‌آید، بدون هشدار قبلی، معمولاً در نتیجه بارندگی شدید در یک منطقه نسبتاً کوچک، بالا می‌آید و فرو می‌رود». [ 2 ] (ص 1.1). سیستم های هشدار اولیه برای نجات جان انسان ها بسیار مهم است. سیستم‌های هشدار زودهنگام سیل‌های ناگهانی می‌توانند به ویژه در کاهش تلفات موثر باشند، به ویژه به دلیل اثربخشی و هزینه کم تخلیه برای یک سیل ناگهانی. با این حال، فاصله زمانی کوتاه بین یک رویداد طوفان باران و یک سیل ناگهانی، پیش بینی این نوع سیل را بسیار دشوار می کند (به عنوان مثال، [ 3 ]]). با توجه به اینکه اکثر کشورهای در حال توسعه سیستم‌های دقیق رصد بارش در زمان واقعی را ندارند، طبق [ 4 ] ، اجرای سیستم‌های هشدار زودهنگام سیل در 10 تا 20 سال آینده انتظار نمی‌رود .
زمانی که بارندگی در یک حوضه از ظرفیت نفوذ یا ظرفیت ذخیره حوضه بیشتر شود، رواناب سطحی رخ می دهد. هنگامی که رواناب سطحی از ظرفیت تخلیه هر نقطه در پایین دست حوضه بیشتر شود، یک سیل ناگهانی رخ می دهد. مقدار بارندگی که در یک بازه زمانی مشخص برای شروع یک سیل ناگهانی مورد نیاز است، یعنی از ظرفیت نفوذ (یا ذخیره‌سازی) حوضه تجاوز کند و باعث جریان بیش از حد کامل در خروجی حوضه شود، به حوضه (شیب) بستگی دارد. نوع خاک، ظرفیت زهکشی، شکل و ظرفیت نقطه تخلیه). نویسندگان [ 5 ، 6] به اهمیت دانش خوب از وضعیت هیدرولوژیکی واقعی یک حوضه (به ویژه آگاهی خوب از وضعیت رطوبت خاک) با توجه به لحظه وقوع رواناب سطحی اشاره کرد. حوضه های با واکنش سریع بیشتر در معرض سیلاب های ناگهانی هستند [ 7 ]. همانطور که توسط [ 8 ] اشاره شد، دانش دقیق از توزیع مکانی و زمانی بارندگی برای سیستم‌های هشدار اولیه سیل ضروری است. مقیاس فضایی نباید از حوضه های آبریز مورد نظر یا طوفان همرفتی معمولی در منطقه مورد نظر تجاوز کند. علاوه بر این، هنگام استفاده از مشاهدات بارش به جای پیش بینی بارش، مقیاس زمانی مشاهدات بارش نباید از زمان پاسخ حوضه های مورد نظر تجاوز کند. نویسندگان [ 8] سیستم هشدار زودهنگام سیل خود را بر اساس سیستم های راداری قرار می دهند. با این حال، تعداد کمی از کشورهای در حال توسعه سیستم های راداری در اختیار دارند و برای اکثر کشورهای در حال توسعه، هزینه نصب سیستم های راداری که پوشش سراسری را فراهم می کنند، گران است.
سنجش از دور ماهواره ای ابزار مفیدی برای به دست آوردن تخمین های بارندگی در مناطقی است که اندازه گیری های زمینی کافی از بارندگی را ندارند. نویسندگان [ 9 ] یک نمای کلی از تعدادی از محصولات باران ماهواره ای موجود که برای آفریقا در دسترس هستند ارائه می دهند. با این حال، برای سیستم‌های هشدار زودهنگام سیل ناگهانی، محدودیت‌های مربوط به وضوح زمانی و مکانی که در بالا ذکر شد، میزان حسگرهای موجود را محدود می‌کند. نویسندگان [ 10سودمندی ماموریت نظارت بر بارش استوایی (TRMM) تجزیه و تحلیل بارش چند ماهواره ای (TMPA) برای پایش دبی در حوضه های اندازه گیری نشده را ارزیابی کنید. اگرچه آنها توافقات خوبی را با استفاده از شدت بارندگی روزانه پیدا کردند، وضوح مکانی 0.25 × 0.25 درجه و وضوح زمانی 3 ساعت برای استفاده در سیستم هشدار زودهنگام سیل بسیار خشن است. نویسندگان [ 11] تخمین بارش چند سنسور EUMETSAT (MPE) را شرح دهید. الگوریتم آنها داده های مکانی-زمانی بالا از Meteosat نسل دوم (MSG) را با داده های مایکروویو غیرفعال از مایکروویو/تصویر سنسور ویژه (SSM/I) ترکیب می کند. دومی دقت بالایی در بازیابی میزان باران ارائه می دهد. با این حال، وضوح زمانی پایین تر SSM/I، قابلیت استفاده از MPE را در سیستم های هشدار زودهنگام سیل فلش محدود می کند. نویسندگان [ 12 ] بر پتانسیل MSG در تخمین بارش تاکید می کنند. با قرار گرفتن در (0 درجه، 0 درجه)، وضوح فضایی MSG بر فراز آفریقا در مرتبه 3-4 کیلومتر است. این وضوح رصد ابرهای همرفتی عمیق را امکان پذیر می کند. علاوه بر این، با طول عمر معمول ابرهای کومولونیمبوس که بین 45 دقیقه تا چند ساعت متغیر است [ 13 ]]، وضوح زمانی برای مشاهده تکامل همرفت عمیق کافی است. با این حال، MSG فقط طول موج های مرئی و نزدیک به مادون قرمز را نظارت می کند. برخلاف محصولاتی که داده‌های مایکروویو را در خود جای داده‌اند، مانند TMPA و MPE، داده‌های MSG فقط حاوی اطلاعات پارامترهای بالای ابر هستند. نویسندگان [ 14 ] بر اهمیت ادغام داده‌های ماهواره‌ای از ماهواره‌های زیست‌محیطی زمین‌ایستا، ماهواره‌های مدار قطبی، تجزیه و تحلیل بارش مبتنی بر رادار و داده‌های باران‌سنج درجا برای افزایش دقت تخمین‌های بارش ماهواره‌ای تأکید می‌کنند. برای غلبه بر عدم وجود رادار و باران سنج درجا ، چندین نویسنده (به عنوان مثال، [ 15 ، 16 ، 17 ، 18 ،19 ، 20 ، 21 ]) استفاده از داده های قدرت سیگنال از پیوندهای مایکروویو زمینی (MW) را شرح داده اند. این لینک‌های MW که توسط اپراتورهای تلفن تجاری اداره می‌شوند، تضعیف سیگنال را در هنگام بارندگی تجربه می‌کنند. به منظور غلبه بر این تلفات در سیگنال، استفاده از فرستنده‌های مگاواتی در تنظیمات توان کافی برای حفظ قدرت سیگنال حتی در هنگام باران‌های شدید، معمول است. بسته به فرکانس پیوندهای MW، میزان تضعیف سیگنال را می توان برای محاسبه شدت بارندگی در طول ترانسکت استفاده کرد. اگرچه رابطه بین تضعیف سیگنال MW به شدت بارندگی به توزیع اندازه قطره، شکل قطره، دما و عوامل دیگر بستگی دارد، به نظر می‌رسد که این روابط برای طیف وسیعی از رویدادهای بارندگی به خوبی برقرار است.
در این مقاله، یک سیستم هشدار اولیه سیل ناگهانی مفهومی با وضوح بالا برای کنیا ارائه شده است. این سیستم هشدار اولیه مبتنی بر یک سیستم مشاهده بارندگی است که از داده های پیوند مایکروویو زمینی از ارائه دهندگان تلفن تجاری و تصاویر ماهواره ای و روش هدایت سیل فلش (FFG) ([ 22 ، 23 ، 24 ])، در ترکیب با یک مدل هیدرولوژیکی استفاده می کند. ، که برای حدود 840 حوضه آبریز سنجش شده در کنیا عملیاتی شده است.

2. پرونده کنیا

آب و هوای کنیا با دو فصل بارانی مشخص می شود، اولی (“باران های طولانی”) در ماه مارس تا مه رخ می دهد و دومی (“باران های کوتاه”) در اکتبر و نوامبر. سیل‌های ناگهانی طی آوریل تا می 2013، باران‌های فصلی جان 96 نفر را گرفت و باعث آواره شدن 140000 نفر شد. اینها ارقام نسبتاً معمولی برای باران های طولانی سالانه هستند. بسیاری از این سیلاب‌های ناگهانی در رودخانه‌های فصلی اتفاق می‌افتند، که اغلب در فاصله‌ای پایین دست از حوضه آبریز که در آن باران رخ داده است، قرار دارند. جاده ها و پل ها اغلب آسیب دیده یا آبگرفته می شوند و رانندگانی که از آنها عبور می کنند شگفت زده می شوند. اندازه معمول حوضه‌هایی که سیل‌های ناگهانی از آن سرچشمه می‌گیرند بسیار کمتر از 1000 کیلومتر مربع است ، که گاهی به کوچکی چند ده کیلومتر مربع می‌رسد. نویسندگان [ 5] زمان پاسخ را بین 15 دقیقه تا 6 ساعت برای حوضه های با ابعاد مشابه ذکر کرد. سیل های ناگهانی در کنیا تقریباً به طور انحصاری توسط طوفان های همرفتی عمیق، با گستره فضایی نسبتاً کوچک (از 3 کیلومتر تا 30 کیلومتر قطر) و مدت زمان چند ساعت ایجاد می شوند. شبکه های باران سنج معمولی، مانند شبکه باران سنج (با چگالی کم) که توسط اداره هواشناسی کنیا اداره می شود، قادر به نمونه برداری موثر از طوفان ها در این مقیاس نیستند. رادارهای هواشناسی در کنیا فعال نیستند و در نتیجه، در حال حاضر هیچ سیستم هشدار اولیه سیل در کنیا فعال نیست.
با افزایش تعداد کاربران تلفن همراه در کنیا در 15 سال گذشته، زیرساخت شبکه پشتیبانی نیز رشد کرده است. شبکه بزرگترین اپراتور تلفن همراه کنیا، Safaricom (سهم بازار 64٪ در سال 2012 [ 25 ])، شامل حدود 3000 پیوند مگاوات جداگانه است که در سراسر کشور واقع شده اند. سافاریکام لینک های مگاواتی را در فرکانس های هفت، هشت، 15 و 23 گیگاهرتز اجرا می کند. پیوندهای هفت و 8 گیگاهرتز معمولاً در فواصل بزرگ (20 تا 80 کیلومتر) کار می کنند. پیوندهای 15 گیگاهرتز در فواصل بین 4 تا 20 کیلومتر کار می کنند. و لینک های 23 گیگاهرتز در مسافت های کمتر از 3 کیلومتر کار می کنند. شکل 1 مکان سلول های شبکه Safaricom را تا سال 2012 نشان می دهد.
Ijgi 03 00584 g001 1024
شکل 1. ( الف ) پوشش Safaricom در کنیا (سبز سایه دار). ( ب ) مکان‌های ایستگاه‌های هواشناسی خودکار اداره هواشناسی کنیا (نقاط قرمز).
به طور کلی، چگالی پیوندهای MW در کنیا کمتر از ارقام مربوط به هلند ذکر شده توسط [ 21 ] است. بنابراین استفاده مستقل از پیوندهای MW برای تخمین میدان‌های نرخ باران برای کنیا دشوار است، بیشتر به این دلیل که بارندگی در کنیا عمدتاً همرفتی است [ 26 ] و درون یابی بین پیوندهای MW را دشوار می‌کند. در مقایسه با تعداد ایستگاه‌های آب‌وهوای خودکار اداره‌شده توسط اداره هواشناسی کنیا (KMD) (در شکل 1 ب نشان داده شده است)، شبکه پیوند MW Safaricom افزایش بسیار زیادی در ظرفیت رصدی ارائه می‌دهد. 1800 ایستگاه بارشی که توسط KMD اداره می‌شوند، خودکار نیستند و نمی‌توانند برای مشاهده لحظه‌ای بارندگی استفاده شوند.
همکاری با یک اپراتور تلفن همراه مزایای متعددی را نسبت به سیستم‌های هشدار زودهنگام سیل معمولی، به عنوان مثال، سیستم‌های مبتنی بر داده‌های بارش رادار آب‌وهوا ارائه می‌دهد. اول از همه، این سیستم این پتانسیل را دارد که با هزینه بسیار کمتر و در مدت زمان بسیار کوتاه‌تری نسبت به سیستم‌های مبتنی بر رادار معمولی عملیاتی شود، زیرا تجهیزات در حال حاضر در محل هستند و عملیاتی شده‌اند. ثانیاً مشارکت فعال اپراتور تلفن همراه، هم در جمع آوری داده های هواشناسی و هم در انتشار پیام های هشدار دهنده، تعهد و پایداری سیستم را افزایش می دهد. در نهایت، با آگاهی از تعداد افرادی که خود را در منطقه در معرض خطر می بینند، اپراتور تلفن همراه می تواند به بهبود تلاش های امداد اضطراری در مناطق آسیب دیده توسط سیل کمک کند.
پس از راه اندازی، عملکرد مداوم سیستم توسط شرکت مخابرات، سافاریکام، اداره هواشناسی کنیا و خدمات امداد اضطراری در کنیا تضمین می شود. پس از اثبات و عملیاتی شدن در حوضه های منتخب در کنیا، همین رویکرد برای سایر حوضه های آبریز در کنیا و همچنین سایر کشورهای در حال توسعه قابل اعمال است.

3. سیستم هشدار اولیه سیل ناگهانی

3.1. مشاهدات شدت بارندگی

رابطه بین تضعیف سیگنال مایکروویو ناشی از باران و شدت بارندگی توسط [ 27 ] توصیف شده و در معادلات (1) و (2) آورده شده است.
A = aR b
با تضعیف سیگنال، A (dB∙km −1 )، که توسط:

Ijgi 03 00584 i001
در اینجا، P ref ( L ) سطح سیگنال مرجع (dB) و P ( L ) سطح سیگنال دریافتی (dB) یک پیوند MW است که در طول مسیر، L (km) کار می کند. ضرایب بدون بعد، a و b به فرکانس پیوند MW و همچنین به دما و توزیع اندازه قطره بستگی دارد. اعمال این رابطه در مجموعه ای از پیوندهای مگاواتی Safaricom در سراسر کنیا، یک نقشه شدت بارندگی با چگالی متغیر، با چگالی بالایی از مشاهدات بارندگی در مناطقی با پیوندهای مگاواتی زیاد (به عنوان مثال.، مناطق پرجمعیت) و تراکم کم مشاهدات که در آن پیوندهای MW پراکنده است. برای دستیابی به پوشش کامل و سراسری مشاهدات بارندگی، داده های ماهواره ای MSG مناسب هستند. هم داده های قدرت سیگنال تشخیصی پیوند MW و هم داده های MSG هر 15 دقیقه در دسترس هستند و به راحتی می توان آنها را برای تولید محصول جدید بارندگی ادغام کرد. علاوه بر این، با طول مسیر معمولی بین سه تا 20 کیلومتر، داده‌های پیوند MW معمولاً بین یک تا هفت پیکسل MSG را پوشش می‌دهند. در نتیجه، داده های MSG را می توان برای تفکیک داده های پیوند MW استفاده کرد.
الگوریتمی برای تخمین میدان های نرخ باران بر اساس ترکیب داده های قدرت سیگنال پیوند MW و تصاویر ماهواره ای MSG توسط [ 28 ] پیشنهاد شده است. با استفاده از کانال های مادون قرمز و بخار آب MSG، می توان از این الگوریتم در طول روز و شب استفاده کرد. مبنای الگوریتم پیشنهاد شده توسط [ 28 ] ، تخمین یک همرفتی، cs است که حاوی اطلاعاتی در مورد پایداری همرفتی پیکسل‌های منفرد است. ابتدا تصحیح اختلاف منظر بر روی تصاویر MSG انجام می شود. از آنجایی که زوایای دید اوج MSG بر روی کنیا بین 39.4 درجه در غرب و 48.5 درجه در شرق کنیا متفاوت است، بالای ابرهای مرتفع در تصویر MSG به سمت شرق پیش بینی می شود. این افست اختلاف منظر می تواند بیش از چهار پیکسل باشد (به عنوان مثال، نوک ابرها در تصویر MSG در بیش از 20 کیلومتری شرق محل واقعی خود قابل مشاهده هستند).
پس از انجام تصحیح اختلاف منظر بر روی تصاویر MSG، cs از تکامل ابرهای همرفتی در تصاویر MSG متوالی محاسبه می‌شود و از دمای روشنایی MSG ( TB ) در 6.2 میکرومتر و 10.8 میکرومتر استفاده می‌کند. هفت عبارت ( t i n ) که برای محاسبه c s استفاده می شود با معادلات (3) تا (9) به دست می آیند:

Ijgi 03 00584 i002
Ijgi 03 00584 i003
Ijgi 03 00584 i004
Ijgi 03 00584 i005
Ijgi 03 00584 i006
Ijgi 03 00584 i007
Ijgi 03 00584 i008
در اینجا، i یک متغیر از بازه فعلی را نشان می دهد. p همرفت نشان دهنده تعداد پیکسل های داخل یک صحنه MSG است که حاوی ابرهای همرفتی است. p total نشان دهنده تعداد پیکسل های داخل صحنه است. T B_ir و T B_wv به ترتیب دمای روشنایی 10.8 میکرومتر و 6.2 میکرومتر را نشان می دهند. مجموع این اصطلاحات همرفتی، c s را به دست می دهد. این عبارت حاوی اطلاعاتی در مورد پایداری همرفتی در طول یک بازه، i برای هر پیکسل است. همرفتی با رابطه (10) به دست می آید:

Ijgi 03 00584 i009
برخلاف دماهای روشنایی مشاهده‌شده، رویکرد cs شرایط همرفتی در ناحیه اطراف یک طوفان همرفتی و همچنین سرعت توسعه ابر همرفتی را در نظر می‌گیرد. در حالی که دو ابر می توانند دمای روشنایی یکسانی داشته باشند، سرعت رشد آنها باعث می شود که شدت بارندگی از این دو ابر متفاوت باشد.
گام بعدی در الگوریتم پیشنهاد شده توسط [ 28 ] شامل پیوند دادن پیکسل های پوشش دهنده پیوندهای مگاوات منفرد به نرخ باران مشاهده شده توسط پیوندهای مگاواتی منفرد است. برای هر پیوند MW، مقادیر cs پیکسل‌های پوشش دهنده آن پیوند، در یک بازه زمانی خاص، ناپایداری همرفتی را نشان می‌دهد که مطابق با نرخ باران اندازه‌گیری شده توسط آن پیوند MW، در آن بازه است. این مجموعه از مقادیر cs و نرخ باران، به علاوه مقدار آستانه باران/بدون باران cs ، رابطه ای را برای محاسبه میدان های نرخ باران برای منطقه اطراف پیوندهای MW ارائه می دهد. نویسندگان [ 28] آزمایش اولیه الگوریتم خود را در غرب کنیا با استفاده از داده های پیوندهای 6 مگاواتی انجام داد. برای مثال، یک نمونه از ورودی 10.8 میکرومتر MSG T B و خروجی مدل در شکل 2 نشان داده شده است .
Ijgi 03 00584 g002 1024
شکل 2. تصویر 10 نقطه هشت میکرومتری Meteosat نسل دوم (MSG) T B بدون اصلاح اختلاف منظر ( سمت چپ ) و نرخ باران مدل شده، بر اساس داده های شش پیوند مایکروویو (MW) و MSG 6.2 میکرومتر و 10.8 میکرومتر T B ( درست ).
نتایج اولیه ارائه شده توسط [ 28 ] تنها بر اساس پیوندهای 6 مگاواتی است و بنابراین، فاقد دقت برای تخمین میدان های نرخ باران در گستره مکانی نشان داده شده در شکل 2 سمت راست است. با این حال، نتایج اولیه از استفاده ترکیبی از پیوندهای MW و MSG نشان داده شده در [ 27 ] امیدوارکننده است، به ویژه برای استفاده در هشدارهای اولیه سیل. همانطور که توسط [ 29 ] اشاره شد، دانش خوب از الگوهای بارندگی به ارزیابی بهتر حجم ورودی ها در یک حوضه کمک می کند. وضوح فضایی بالای این روش امکان نظارت بر حوضه های آبریز کوچک را فراهم می کند. آزمایشات بیشتر در مقیاس بزرگتر در آینده نزدیک انجام خواهد شد.
یکی از جنبه های مهم این روش، به ویژه برای استفاده در سیستم های هشدار اولیه، دقت بالقوه روش است. مناطقی که بیشترین تعداد مردم در معرض خطرات مربوط به آب و هوا هستند، به عنوان مثالمناطق پرجمعیت، همچنین مناطقی با بیشترین تراکم پیوندهای مگاواتی هستند که برج های GSM متعددی را که توسط اپراتورهای تلفن همراه برای خدمات رسانی به مشتریان خود در محل قرار داده اند، به هم متصل می کنند. در نتیجه، دقت بالقوه اندازه‌گیری‌های بارندگی در این مناطق بالاترین میزان است. نه تنها می توان تعداد قابل توجهی از پیوندهای مگاوات را در محاسبه بارندگی برای آن مناطق لحاظ کرد، بلکه مکان پیوندهای انتخاب شده را نیز می توان برای شرایط محلی بهینه کرد. به عنوان مثال، اگر 90 درصد از طوفان های همرفتی در یک منطقه معین از شمال شرقی وارد شوند، پیوندهای مگاواتی بیشتری ممکن است در آن سمت منطقه مورد علاقه (بزرگترین) انتخاب شوند. این را می توان از شکل 1 نیز مشاهده کرد که بهترین پوشش شبکه را در پرتراکم ترین مناطق نشان می دهد.

3.2. مدلسازی هیدرولوژیکی

نقشه‌های شدت بارندگی که در بخش قبل توضیح داده شد، هر 15 دقیقه یکبار در دسترس هستند، به محض اینکه داده‌های پیوند MSG و MW برای پردازش در دسترس باشند ( یعنی تقریباً در زمان واقعی)، بنابراین یکی از الزامات مهم سیستم‌های هشدار زودهنگام سیل را برآورده می‌کنند. . نویسندگان [ 5 ] ضرایب رواناب نسبتاً پایینی را برای سیلاب های ناگهانی گزارش کردند که حاکی از اهمیت قابل توجه شرایط هیدرولوژیکی یک حوضه (به عنوان مثال، وضعیت رطوبت خاک) است. نویسندگان [ 6] اشاره می کند که «شرایط اولیه رطوبت خاک یکی از مهمترین ویژگی های هیدرولوژیکی است که بر ایجاد سیل ناگهانی تأثیر می گذارد. بدون تجزیه و تحلیل هیدرولوژیکی، ارزیابی پتانسیل سیل ناگهانی طوفان ها، به ویژه در حاشیه سیل / بدون سیل، غیرممکن است. نویسندگان [ 6 ] استفاده از مدل های هیدرولوژیکی عمومی را برای تخمین FFG پیشنهاد می کنند. نویسندگان [ 24 ] FFG را به عنوان مقدار بارندگی واقعی در یک مدت زمان معین که رواناب آستانه را ایجاد می کند، تعریف می کنند. نویسندگان [ 6 ، 30] به قدرت روش FFG در حوضه های اندازه گیری نشده اشاره کنید. روش FFG بر دانش دقیق وضعیت رطوبت خاک حوضه‌ها تکیه دارد تا نقطه‌ای را محاسبه کند که در آن ظرفیت نفوذ (یا در برخی موارد، ظرفیت ذخیره‌سازی) یک حوضه به دست می‌آید. اگر بارندگی واقعی در حوضه از مقدار آستانه رواناب بیشتر شود، رواناب سطحی رخ خواهد داد. بسته به نوع خروجی حوضه (به عنوان مثال، رودخانه فصلی یا رودخانه بزرگ)، نقطه ای که در آن سیل ناگهانی ممکن است رخ دهد بستگی به بارندگی موثر در حوضه دارد (به عنوان مثال ، بارندگی واقعی که پس از آستانه رواناب رخ می دهد. رسیده).
در حال حاضر، CREST (Coupled Routing and Excess Storage) مدل هیدرولوژیکی توزیع شده توسط دانشگاه اوکلاهاما و SERVIR NASA [ 31 ، 32 ]] به طور معمول با ترکیبی از مشاهدات TMPA و پیش‌بینی‌های بارندگی از اداره هواشناسی کنیا (KMD)، به منظور ایجاد پیش‌بینی سیل رودخانه برای کنیا در محدوده متوسط ​​(تا 10 روز قبل) استفاده می‌شود. CREST با وضوح زمانی 1 کیلومتری و زمانی 3 ساعته عمل می کند و می تواند 60 ساعت قبل پیش بینی ها را ارائه دهد. CREST برای شبیه سازی توزیع توزیع شده رواناب و مسیریابی سلول به سلول، و همچنین تولید رواناب جفت شده توسعه یافته است و قادر است ظرفیت ذخیره رطوبت خاک را نشان دهد. برای اعتبار سنجی، SERVIR آفریقا در حال حاضر حدود 840 حوضه مجزا در کنیا را که برای کالیبراسیون و اعتبارسنجی CREST برای کنیا استفاده می شود، نظارت می کند. مدل CREST برای شبیه‌سازی چندین سناریو بارندگی روزانه، با استفاده از وضعیت رطوبت واقعی خاک از اجرای نرمال (که از پیش‌بینی TMPA/KMD استفاده می‌کند) استفاده خواهد شد. این مجموعه ای از مقادیر بالقوه FFG را برای روز بعد با وضوح زمانی 3 ساعت ارائه می دهد. تطبیق بارندگی مشاهده شده واقعی در طول روز بعد با اجرای شبیه سازی شده که بهترین تقریب بارندگی واقعی را دارد، امکان تعیین اینکه آیا سیل ناگهانی در طول روز رخ خواهد داد یا خیر. به منظور تطبیق وضوح زمانی بین مشاهدات بارندگی و مقادیر FFG، سه مقدار FFG ساعتی درون یابی می‌شوند تا امکان مقایسه با مشاهدات 15 دقیقه‌ای بارندگی فراهم شود.
نویسندگان [ 6 ] اشاره می کنند که عدم کالیبراسیون محلی پارامترها در حوضه های اندازه گیری نشده احتمال خطا در مقادیر FFG را افزایش می دهد. نتایج آنها نشان می‌دهد که در مورد حوضه‌های اندازه‌گیری نشده، جابه‌جایی مجموعه‌های کامل پارامترهای FFG از حوضه‌های همسایه نسبت به روش‌هایی که ویژگی‌های حوضه محلی را برای استخراج پارامترهای FFG در نظر می‌گیرند، ترجیح داده می‌شود. با 840 حوضه اندازه گیری شده که CREST به طور معمول برای آنها اجرا می شود، مجموعه پارامترهای تعداد قابل توجهی از حوضه های اندازه گیری نشده را می توان به دست آورد.
مسیریابی رواناب یکی از مهمترین عوامل در تعیین محل پخش هشدارهای اولیه سیل است. CREST با استفاده از مدل ارتفاعی دیجیتال مبتنی بر گسیل و انعکاس حرارتی فضایی پیشرفته (ASTER)، با وضوح فضایی 30 متر، وضوح کافی برای مدل‌سازی دقیق جریان خروجی از اکثر حوضه‌های آبریز کنیا را دارد. اگرچه CREST برای مدل‌سازی سیل واقعی استفاده نمی‌شود، اما برای شبیه‌سازی حساسیت به سیل در مناطق پایین‌دست، مشابه رویکرد مورد استفاده توسط [ 33 ] استفاده می‌شود.]. اگر بر اساس پیش‌بینی بارندگی KMD و وضعیت واقعی رطوبت خاک، خطر بالقوه رواناب سطحی قابل توجهی در یک منطقه مشخص وجود داشته باشد، شبیه‌سازی مسیریابی رواناب می‌تواند اطلاعاتی را در مورد اینکه کدام ناحیه پایین دست مستعدترین منطقه به سیلاب‌های ناگهانی است، ارائه دهد.

3.3. انتشار هشدارها

هنگامی که گستره، زمان و مکان وقوع سیل ناگهانی بالقوه مشخص شد، پیام های هشدار دهنده باید ارسال شود. در کنیا، مانند بسیاری از کشورها، اداره ملی هواشناسی تنها آژانسی است که مجاز به ارسال هشدارهای مربوط به خطرات جوی است. اگر سیل ناگهانی در منطقه ای قریب الوقوع باشد، اداره هواشناسی کنیا اعتبار هشدار را بررسی کرده و اجازه انتشار پیام متنی هشدار را به منطقه در معرض خطر می دهد. همان شرکت مخابراتی که اطلاعات لازم برای محاسبه شدت بارندگی را ارائه کرده است، مسئولیت انتشار پیام های هشدار دهنده را بر عهده دارد. برای این کار، اپراتور مخابراتی می تواند از فناوری پخش سلولی استفاده کند، که در آن یک پیام متنی برای همه مشترکین در یک سلول شبکه منفرد ارسال می شود. با پوشش نقشه سلولی شبکه با ارزیابی خطر سیل ناگهانی، سلول هایی که در معرض خطر سیل ناگهانی هستند به راحتی قابل شناسایی هستند. اینها سلول هایی هستند که پیام هشدار اولیه سیل در آنها ارسال می شود.

3.4. پاسخ اضطرار ی

یک پیوند MW و سیستم هشدار زودهنگام سیل مبتنی بر MSG دارای مزیت قابل توجهی نسبت به سیستم هشدار زودهنگام سیل مبتنی بر رادار سنتی است. در هر لحظه، ارائه‌دهنده مخابرات از تعداد مشترکین خود که خود را در یک سلول پخش می‌بینند آگاه است. اپراتورهای مخابراتی به طور کلی به خوبی از سهم بازار خود در یک منطقه خاص آگاه هستند و بنابراین می توانند با آگاهی از تعداد مشترکان خود تخمین مناسبی از تعداد کل افراد در آن منطقه ارائه دهند. در نتیجه، در صورتی که یک سیل ناگهانی در یک منطقه خاص قریب الوقوع باشد، اپراتور مخابراتی می تواند تخمین بزند که چند نفر در منطقه در معرض خطر قرار دارند. سپس این اطلاعات می تواند به آژانس های امداد اضطراری (در مورد کنیا، انجمن صلیب سرخ کنیا (KRCS)) منتقل شود. با استفاده از این اطلاعات،

3.5. جریان اطلاعات

جریان اطلاعات مرتبط با سیستم هشدار زودهنگام سیل در شکل 3 نشان داده شده است. همانطور که از شکل 3 مشاهده می شود ، اپراتور مخابراتی هم به عنوان تامین کننده داده و هم به عنوان انتشار دهنده اطلاعات عمل می کند. اپراتور مخابراتی برای ارائه ورودی مورد نیاز به سیستم با دادن اطلاعات منحصر به فردی که می تواند در بین کاربران تلفن همراه منتشر کند، “پاداش” دریافت می کند. این مزیت های تبلیغاتی آشکاری برای اپراتور مخابراتی دارد. آنها خدمات منحصر به فردی را ارائه می دهند که توسط هیچ یک از رقبای آنها ارائه نمی شود و به طور بالقوه می تواند زندگی را نجات دهد.
Ijgi 03 00584 g003 1024
شکل 3. نمودار جریان جریان اطلاعاتی را که سیستم هشدار زودهنگام سیل را تشکیل می دهند را نشان می دهد. KMD، اداره هواشناسی کنیا؛ FFG، Flash Flood Guidance. CREST، مسیریابی همراه و ذخیره سازی اضافی.
دپارتمان هواشناسی کنیا علاوه بر به دست آوردن دارایی با ارزش برای ظرفیت های هشدار اولیه خود، افزایش قابل توجهی در قابلیت های رصدی خود دریافت می کند. سیستم رصد بارندگی به طور بالقوه می تواند به عنوان یک پروکسی برای رادار آب و هوا، بدون سرمایه گذاری عمل کند. محصول بارندگی را می توان برای کاربردهای مختلف دیگری استفاده کرد.

3.6. کنترل کیفیت

قبل از اینکه سیستم عملیاتی شود، آزمایش کامل لازم است. نه تنها اجزای جداگانه باید قوی باشند تا نقش خود را در سیستم هشدار اولیه ایفا کنند، بلکه خود سیستم هشدار زودهنگام باید بتواند اطلاعات دقیق و به موقع در مورد مکان و شدت سیلاب‌های ناگهانی ارائه دهد. همانطور که توسط [ 2 ] اشاره شد، هشدارهای نادرست هزینه دارد و اعتبار سازمان ارسال کننده پیام هشدار را تضعیف می کند. در صورت تردید و عدم اطمینان در مورد تهدید، گزینه ارجح ارسال یک پیام هشدار است، حتی اگر احتمال ارسال هشدار نادرست وجود داشته باشد. با این حال، کاهش تعداد هشدارهای نادرست به حداقل، کارایی یک سیستم هشدار اولیه را افزایش می دهد.
بنابراین، گاوصندوق های داخلی برای اطمینان از دقت سیستم، به ویژه برای سیستم مشاهده بارندگی، مورد نیاز است. ترکیبی از مشاهدات زمینی و ماهواره‌ای امکان اندازه‌گیری خاصی از کنترل کیفیت را فراهم می‌کند. سیگنال‌های پیوند مایکروویو می‌توانند در اثر، به عنوان مثال، مه مختل شوند. مه غلیظ می تواند باعث تضعیف سیگنال MW مشابه در هنگام باران شدید شود. در نتیجه، تشخیص مه غلیظ و باران شدید تنها از داده های سیگنال MW دشوار است. در چنین مواردی، فقدان ابرهای همرفتی یا حتی وجود مه در داخل پیکسل های پوشاننده پیوند MW از تصاویر MSG مشاهده می شود. در چنین مواردی، الگوریتم بارندگی مقادیر نادرست بارندگی پیوند MW را «نادیده می‌گیرد» و بارندگی صفر را گزارش می‌کند.
دقت پیش‌بینی سیل در حوضه‌های اندازه‌گیری نشده را می‌توان با گنجاندن مجموعه‌های داده مبتنی بر ماهواره بهبود بخشید. نویسندگان [ 31 ] از پارامترهای اجباری مبتنی بر ماهواره برای کالیبره کردن و مقداردهی اولیه CREST برای یک حوضه در غرب کنیا استفاده کردند و پیش‌بینی‌هایی از گستره سیل فضایی را پیدا کردند. نویسندگان [ 34 ] نتایج خوبی را در تخمین دبی در امتداد رودخانه ها با استفاده از مدل منحنی رتبه بندی خود گزارش کردند. این مدل از داده های ارتفاع سنجی از ماهواره محیطی (ENVISAT) و ماهواره سنجش از دور اروپایی 2 (ERS-2) استفاده می کند. علاوه بر روش‌های کالیبراسیون و اعتبارسنجی مبتنی بر ماهواره، برخی از حوضه‌های اندازه‌گیری شده در اکثر مناطق وجود خواهند داشت که امکانات بیشتری برای اعتبار سنجی فراهم می‌کنند.
استفاده از فناوری پخش سلولی به طور قابل توجهی اثربخشی هشدارها را افزایش می دهد، زیرا فقط افرادی که در مجاورت سیل احتمالی هستند مطلع می شوند. افرادی که خود را فراتر از منطقه در معرض خطر می بینند، اما همچنان یک پیام هشدار دریافت می کنند، می دانند که یک سیل ناگهانی در مجاورت آنها رخ داده است. بنابراین، حتی اگر تحت تأثیر قرار نگرفته باشند، پیام هشدار اولیه را به عنوان یک هشدار نادرست درک نخواهند کرد.

4. نتیجه گیری و چشم انداز

سیستم هشدار زودهنگام سیل ناگهانی شرح داده شده در این مقاله، یک جایگزین واقعی، سریع و ارزان برای سیستم‌های هشدار زودهنگام سیل مبتنی بر رادار سنتی برای کنیا است. اجزای فنی مورد نیاز، یعنیشبکه‌های پیوندهای مایکروویو زمینی، ماهواره‌های رصد آب و هوای زمین‌ایستا (مانند MSG) و در دسترس بودن گسترده تلفن‌های همراه در میان جمعیت برای دریافت هشدارهای اولیه، در اکثر کشورهای آفریقایی موجود است. هنگامی که سیستم مشاهده میزان باران به طور کامل عملیاتی شد، به عنوان یک پروکسی برای رادار آب و هوا عمل می کند. با استفاده از مقادیر هدایت سیل ناگهانی، که روزانه با استفاده از مدل هیدرولوژیکی توزیع شده CREST محاسبه می شود، خطر سیل ناگهانی در حوضه های جداگانه محاسبه می شود. در مناطقی که در معرض خطر سیل ناگهانی هستند، یک پیام متنی هشدار از طریق یک پیام متنی پخش سلولی پخش می‌شود و تنها مناطق در معرض خطر را هدف قرار می‌دهد. در مقایسه با سیستم های هشدار زودهنگام سیل سنتی، مشارکت عمومی خصوصی (به ویژه مشارکت یک ارائه دهنده ارتباطات سیار)، سیستمی که در اینجا توضیح داده شده است تعدادی مزیت را ارائه می دهد. اول، این سیستم امکان انتشار بسیار هدفمند پیام‌های هشدار سیل ناگهانی را از طریق پیام‌های متنی SMS پخش شده توسط سلول فراهم می‌کند. ثانیاً، ارائه‌دهندگان ارتباطات سیار همیشه می‌دانند که چه تعداد مشترک تلفن همراه در هر یک از سلول‌های شبکه خود پیدا می‌کنند. در نتیجه، هنگامی که یک تهدید سیل ناگهانی مشاهده می شود، می توان تعداد افراد در منطقه در معرض خطر را تقریب زد. این اطلاعات به خدمات امداد اضطراری مانند انجمن صلیب سرخ کنیا در مورد کنیا منتقل می شود. اطلاعات در مورد تعداد بالقوه افراد در معرض خطر به خدمات امداد اضطراری اجازه می دهد تا تلاش های واکنش اضطراری خود را بهتر بسط دهند. در نهایت، سیستم تخمین نرخ باران مبتنی بر ترکیبی از داده‌های MSG با داده‌های قدرت سیگنال از لینک‌های MW است. با دومی به عنوان داده های حقیقت پایه. در مناطق پرجمعیت،به عنوان مثال ، مناطقی که بیشترین تعداد افراد ممکن است در معرض خطر سیل باشند، معمولاً تلفن های همراه بیشتری وجود دارد و بنابراین، تراکم پیوندهای MW بیشترین خواهد بود. در نتیجه، دقت تخمین نرخ باران در مناطقی که اکثر مردم در آن قرار دارند، بالاترین میزان است.
سیستم عملیاتی از داده‌های زیادی استفاده و تولید می‌کند: داده‌های قدرت سیگنال مایکروویو از پیوندهای MW انتخاب‌شده، داده‌های ماهواره‌ای MSG از کانال‌های مورد نیاز، تصاویر MSG تصحیح‌شده با اختلاف منظر، نقشه‌های شدت بارندگی در سطح کشور هر سه ساعت یک‌بار با وضوح‌های مکانی بالا و نقشه‌های خطر سیل، به نقشه های زیرساخت شبکه ارائه دهنده ارتباطات سیار مرتبط است. با این حال، آن داده‌هایی که بیشترین علاقه را برای عموم مردم دارند، نقشه‌هایی هستند که حاوی اطلاعات مربوط به سیل‌های ناگهانی قریب‌الوقوع هستند. داده های مورد علاقه ادارات هواشناسی ملی، متخصصان، به عنوان مثال، کشاورزی و هوانوردی، و دانشمندان، نقشه های شدت بارش و، به عنوان مثال، تصاویر ماهواره ای تصحیح شده اختلاف منظر است. دانشمندان ممکن است برای سایر محصولات داده های میانی یا پردازش شده دیگر که از داده های تولید شده توسط الگوریتم سرچشمه می گیرند، استفاده کنند. هر یک از محصولات را می توان در زمان واقعی، در صورت درخواست صادر کرد.

منابع

  1. UNISDR. خسارات اقتصادی ناشی از بلایا رکورد جدیدی را در سال 2012 ثبت کرد . بیانیه مطبوعاتی UNISDR 2013/05. 14 مارس 2013. در دسترس آنلاین: http://www.unisdr.org/archive/31685 (در 15 مارس 2013 قابل دسترسی است).
  2. NOAA. راهنمای مرجع سیستم هشدار اولیه سیل فلش ; University Corporation for Atmospheric Research: Denver, CO, USA, 2010. موجود آنلاین: http://www.meted.ucar.edu (در 16 دسامبر 2013 قابل دسترسی است).
  3. نوربیاتو، دی. بورگا، م. سنگاتی، م. Zanon، F. تجزیه و تحلیل فراوانی منطقه ای بارش شدید در شرق آلپ ایتالیا و سیل ناگهانی 29 اوت 2003. جی هیدرول. 2007 ، 345 ، 149-166. [ Google Scholar ] [ CrossRef ]
  4. اداره علوم دولتی آینده‌نگاری کاهش خطرات بلایای آینده: اولویت‌ها برای تصمیم‌گیرندگان ؛ گزارش نهایی پروژه؛ اداره دولتی علوم: لندن، بریتانیا، 2012.
  5. مارکی، ال. بورگا، م. پرسیسو، ای. Gaume, E. مشخصه سیل های شدید منتخب در اروپا و پیامدهای آن برای مدیریت خطر سیل. جی هیدرول. 2010 ، 394 ، 118-133. [ Google Scholar ] [ CrossRef ]
  6. نوربیاتو، دی. بورگا، م. دگلی اسپوستی، س. گاوم، ای. Anquetin، S. هشدار سیل بر اساس آستانه بارندگی و شرایط رطوبت خاک: ارزیابی برای حوضه های اندازه گیری شده و اندازه گیری نشده. جی هیدرول. 2008 ، 362 ، 274-290. [ Google Scholar ] [ CrossRef ]
  7. Grabs، WE منطقه ای سیل فلش هدایت و سیستم هشدار اولیه. ارائه شده در کارگاه آموزشی WMO برای مربیان، کارگاه آموزشی رویکرد یکپارچه به مدیریت خطر سیل و سیل، کاتماندو، نپال، 14 تا 28 اکتبر 2010. در دسترس آنلاین: http://www.wmo.int/pages/prog/hwrp/rwgh/RA_II/documents/FFGS_FINAL_GRABS.pdf (در 15 مارس 2013 قابل دسترسی است).
  8. لیختی، ک. پانزیرا، ال. ژرمن، یو. Zappa، M. پتانسیل پیش‌بینی‌های گروه مبتنی بر رادار برای هشدار اولیه سیل در جنوب آلپ سوئیس. هیدرول. سیستم زمین علمی 2013 ، 17 ، 3853-3869. [ Google Scholar ] [ CrossRef ]
  9. Vrieling، A. استرک، جی. de Jong، SM برآورد فرسایشی بارندگی برای آفریقا مبتنی بر ماهواره. جی هیدرول. 2010 ، 395 ، 235-241. [ Google Scholar ] [ CrossRef ]
  10. Xue، X. هونگ، ی. لیمایه، ع. گورلی، جی جی. هافمن، جی. خان، SI; دورجی، سی. Chen, S. ارزیابی آماری و هیدرولوژیکی تجزیه و تحلیل بارش چندماهواره مبتنی بر TRMM در حوضه وانگچو بوتان: آیا آخرین محصولات بارش ماهواره ای 3B42V7 برای استفاده در حوضه های اندازه گیری نشده آماده هستند؟ جی هیدرول. 2013 ، 499 ، 91-99. [ Google Scholar ] [ CrossRef ]
  11. هاینمن، تی. لاتانزیو، آ. Roveda، F. تخمین بارش چند سنسور EUMETSAT (MPE). مجموعه مقالات دومین جلسه کارگروه بین المللی بارش (IPWG)، مادرید، اسپانیا؛ 2002. در دسترس آنلاین: http://oiswww.eumetsat.int/~idds/html/doc/IPWG_2002_MPE.pdf (دسترسی در 17 دسامبر 2013).
  12. هاینمن، تی. Kerenii, J. تخمین بارش چند سنسور EUMETSAT (MPE): مفهوم و اعتبار سنجی. مجموعه مقالات دومین کارگروه بین المللی بارش (IPWG)، کارگاه آموزشی، مونتری، کالیفرنیا، ایالات متحده آمریکا، 25 تا 28 اکتبر 2004. در دسترس آنلاین: http://www.isac.cnr.it/~ipwg/meetings/monterey-2004/pres/Heinemann/mpef/pdf/EUMETSAT_UC2003_MPE.pdf (دسترسی در 17 دسامبر 2013).
  13. پنبه، WR; برایان، جی.اچ. van den Heever, SC Storm and Cloud Dynamics , 2nd ed.; سری بین المللی ژئوفیزیک مطبوعات دانشگاهی: برلینگتون، وی تی، ایالات متحده آمریکا، 2011; جلد 99. [ Google Scholar ]
  14. اسکافیلد، RA; Kuligowski، RJ وضعیت و چشم انداز الگوریتم های بارش ماهواره ای عملیاتی برای رویدادهای بارش شدید. پیش بینی آب و هوا. 2003 ، 18 ، 1037-1051. [ Google Scholar ] [ CrossRef ]
  15. اطلس، دی. اندازه‌گیری بارندگی Ulbrich، CW Path و منطقه با تضعیف مایکروویو در باند 1-3 سانتی‌متری. J. Appl. هواشناسی 1977 ، 16 ، 1322-1331. [ Google Scholar ] [ CrossRef ]
  16. آپتون، GJG؛ Holt، AR؛ کامینگز، RJ; رحیمی، ع. گدارد، پیوندهای مایکروویو JWF: آینده برای اندازه گیری بارندگی شهری؟ اتمس. Res. 2005 ، 77 ، 300-312. [ Google Scholar ] [ CrossRef ]
  17. مسر، اچ. زینویچ، آ. Alpert، P. نظارت بر محیط زیست توسط شبکه های ارتباطی بی سیم. علمی سرور جدید 2006 ، 312 ، 713. [ Google Scholar ] [ CrossRef ]
  18. لاینس، اچ. اویلنهوت، آر. Stricker، JNM اندازه گیری بارندگی با استفاده از پیوندهای رادیویی از شبکه های ارتباطی سلولی. منبع آب Res. 2007 ، 43 . [ Google Scholar ] [ CrossRef ]
  19. زینویچ، آ. آلپرت، پ. Messer, H. برآورد میدان‌های بارندگی با استفاده از شبکه‌های ارتباطی تجاری مایکروویو با چگالی متغیر. Adv. منبع آب 2008 ، 31 ، 1470-1480. [ Google Scholar ] [ CrossRef ]
  20. Overeem، A.; لاینس، اچ. Uijlenhoet, R. اندازه گیری بارندگی شهری با استفاده از پیوندهای مایکروویو از شبکه های ارتباطی سلولی تجاری. منبع آب Res. 2011 ، 47 . [ Google Scholar ] [ CrossRef ]
  21. Overeem، A.; لاینس، اچ. Uijlenhoet، R. نقشه های بارندگی در سطح کشور از شبکه های ارتباطی سلولی. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2013 ، 110 ، 2741-2745. [ Google Scholar ] [ CrossRef ]
  22. نجار، TM; Sperfslage، JA; گئورگاکاکوس، KP; سوینی، تی. فرید، DL برآورد آستانه ملی رواناب با استفاده از GIS در پشتیبانی از سیستم های هشدار سیل ناگهانی عملیاتی. جی هیدرول. 1999 ، 224 ، 21-44. [ Google Scholar ] [ CrossRef ]
  23. Mogil، HM; مونرو، جی سی؛ گروپر، برنامه های هشدار سیل ناگهانی و آمادگی برای بلایا HS NWS. گاو نر صبح. هواشناسی Soc. 1978 ، 59 ، 690-699. [ Google Scholar ] [ CrossRef ]
  24. Georgakakos، KP نتایج تحلیلی برای هدایت عملیاتی سیل ناگهانی. جی هیدرول. 2006 ، 317 ، 81-103. [ Google Scholar ] [ CrossRef ]
  25. برق انجمن GSMA از موبایل. Safaricom-Kenya-Feasibility Study ; GSMA: نایروبی، کنیا، 2012. در دسترس آنلاین: http://www.gsma.com/mobilefordevelopment/safaricom-kenya-feasibility-study (در 17 دسامبر 2013 قابل دسترسی است).
  26. یانگ، اس. اسمیت، EA تنوع بارش همرفتی-لایه‌ای در مقیاس فصلی از 8 سال مشاهدات TRMM: مفاهیم برای حالت‌های متعدد تنوع روزانه. جی. کلیم. 2008 ، 21 ، 4087-4114. [ Google Scholar ] [ CrossRef ]
  27. اولسن، RL; راجرز، دی وی؛ Hodge, DB رابطه aRb در محاسبه تضعیف باران. IEEE Trans. انتشار آنتن 1978 ، 26 ، 318-329. [ Google Scholar ] [ CrossRef ]
  28. Hoedjes, JCB; Maathuis، BHP; گفت، من؛ بچت، آر. کویمان، ع. لیمو، ا. مومو، م. Nduhiu-Mathenge، J. شاکا، ا. Su، Z. به سمت نظارت بر زمان واقعی بارش همرفتی بر فراز کنیا، با استفاده از پیوندهای مایکروویو زمینی و نسل دوم متئوسات. Remote Sens. 2014 ، در دست چاپ. [ Google Scholar ]
  29. Obled، CH; وندلینگ، جی. Beven، K. حساسیت مدل های هیدرولوژیکی به الگوهای بارش فضایی: ارزیابی با استفاده از داده های مشاهده شده. جی هیدرول. 1994 ، 159 ، 305-333. [ Google Scholar ] [ CrossRef ]
  30. نوربیاتو، دی. بورگا، م. Dinale، R. هشدار سیل فلش در حوضه های اندازه گیری نشده با استفاده از هدایت سیل ناگهانی و آستانه رواناب مبتنی بر مدل. هواشناسی Appl. 2009 ، 16 ، 65-75. [ Google Scholar ] [ CrossRef ]
  31. وانگ، جی. هونگ، ی. لی، ال. گورلی، جی جی. یلماز، ک. خان، SI; Policelli، FS; آدلر، RF؛ حبیب، س. ایرون، دی. و همکاران مدل هیدرولوژیکی توزیع شده مسیریابی همراه و ذخیره اضافی (CREST). هیدرول. علمی J. 2011 ، 56 ، 84-98. [ Google Scholar ] [ CrossRef ]
  32. خان، SI; هونگ، ی. وانگ، جی. یلماز، ک.ک. گورلی، جی جی. آدلر، RF؛ برکنریج، GR; پلیسلی، اف. حبیب، س. ایروین، دی. سنجش از دور ماهواره‌ای و مدل‌سازی هیدرولوژیکی برای نقشه‌برداری سیلاب در حوضه دریاچه ویکتوریا: مفاهیمی برای پیش‌بینی هیدرولوژیکی در حوضه‌های اندازه‌گیری نشده. IEEE Trans. Geosci. Remote Sens. 2011 ، 49 ، 85-95. [ Google Scholar ] [ CrossRef ]
  33. ورسینی، ص. گاوم، ای. آندریو، اچ. کاربرد یک مدل هیدرولوژیکی توزیع شده برای طراحی یک سیستم هشدار آبگرفتگی جاده برای مناطق مستعد سیل ناگهانی. نات. سیستم خطرات زمین. علمی 2010 ، 10 ، 805-817. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  34. تارپانلی، ا. باربتا، اس. بروکا، ال. برآورد دبی رودخانه مورامارکو، تی. با استفاده از داده‌های ارتفاع‌سنجی و مدل‌سازی مسیریابی سیل ساده. Remote Sens. 2013 , 5 , 4145–4162. [ Google Scholar ] [ CrossRef ]

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370