کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4978351 1452265 2016 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Can urban pluvial flooding be predicted by open spatial data and weather data?
ترجمه فارسی عنوان
آیا داده های باز فضایی و داده های آب و هوایی می تواند سیلاب های شهری را کنترل کند؟
کلمات کلیدی
مدل سازی شهری شهری، داده های فضایی باز، داده کاوی، تجزیه و تحلیل چند متغیره، سازگاری تغییرات اقلیمی،
ترجمه چکیده
شهرها به دلیل بارش باران سنگین تر، جمعیت های متراکم تر، افزایش نفوذپذیری و پیرایش ناوگان، به دلیل سیل شهری به شدت مستعد هستند. سیلاب پلویو شهری باعث ایجاد صدمه به ساختمان ها و محتویات می شود و باعث تخریب زهکشی، حمل و نقل و تامین برق می شود. طراحی و پیاده سازی سازوکارهای کارآمد نیاز به درک مناسب پاسخ شهری به بارندگی سنگین دارد. با این وجود، مدل های زهکشی طوفان اجرا شده، اطلاعات مربوط به اثر سیلاب برای کالیبراسیون ندارند، که در نتیجه پیش بینی های سیلاب ضعیف است. علاوه بر این، چنین مدل ها فقط پارامترهای بارندگی و هیدرولیکی را در نظر می گیرند و از نظر دیگر شرایط طبیعی، ساختمانی و اجتماعی در مکانیزم های سیل نادیده گرفته می شوند. این مقاله پتانسیل مجموعه داده های فضایی باز را برای توضیح وقوع حوادث ناشی از سیل شهروندان در حین بارندگی سنگین بررسی می کند. پس از کاهش ابعاد، عدم نفوذ و نزدیکی به نقطه خروج حوزه آبخیز، به طور قابل توجهی تا حدود نیمی از تغییرات حوادث سیلاب را توضیح می داد، که اثبات سودمندی روش پیشنهادی برای مدل سازی و مدیریت سیلاب شهری بود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزار
چکیده انگلیسی
Cities are increasingly prone to urban flooding due to heavier rainfall, denser populations, augmenting imperviousness, and infrastructure aging. Urban pluvial flooding causes damage to buildings and contents, and disturbs stormwater drainage, transportation, and electricity provision. Designing and implementing efficient adaptation measures requires proper understanding of the urban response to heavy rainfall. However, implemented stormwater drainage models lack flood impact data for calibration, which results in poor flood predictions. Moreover, such models only consider rainfall and hydraulic parameters, neglecting the role of other natural, built, and social conditions in flooding mechanisms. This paper explores the potential of open spatial datasets to explain the occurrence of citizen-reported flood incidents during a heavy rain event. After a dimensionality reduction, imperviousness and proximity to watershed outflow point were found to significantly explain up to half of the flooding incidents variability, proving the usefulness of the proposed approach for urban flood modelling and management.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 85, November 2016, Pages 156-171
نویسندگان
, , ,