مقاله انگلیسی رایگان در مورد نقشه کشی ریسک سیل قرن ۲۱ – الزویر ۲۰۲۰

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله نقشه کشی ریسک سیل قرن ۲۱ در مکان های منتخب خدمات پارک ملی ایالات متحده
عنوان انگلیسی مقاله ۲۱st Century flood risk projections at select sites for the U.S. National Park Service
انتشار مقاله سال ۲۰۲۰
تعداد صفحات مقاله انگلیسی ۱۱ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) Scopus – Master Journals List – DOAJ
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۳٫۴۳۸ در سال ۲۰۱۹
شاخص H_index ۱۸ در سال ۲۰۲۰
شاخص SJR ۱٫۰۶۷ در سال ۲۰۱۹
شناسه ISSN ۲۲۱۲-۰۹۶۳
شاخص Quartile (چارک) Q1 در سال ۲۰۱۹
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر دارد
رفرنس دارد
رشته های مرتبط جغرافیا
گرایش های مرتبط مخاطرات آب و هوایی، مخاطرات محیطی
نوع ارائه مقاله
ژورنال
مجله  مدیریت ریسک آب و هوایی – Climate Risk Management
دانشگاه  University of Colorado, Boulder, CO, United States
کلمات کلیدی ریسک سیل
کلمات کلیدی انگلیسی Flood risk
شناسه دیجیتال – doi
https://doi.org/10.1016/j.crm.2020.100211
کد محصول E14599
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱٫ Introduction

۲٫ Methods

۳٫ Study sites and data

۴٫ Results

۵٫ Discussion and conclusion

Acknowledgements

Appendix A. Supplementary data

References

بخشی از متن مقاله:

Abstract

Assessing flood risk using stationary flood frequency analysis techniques is commonplace. However, it is increasingly evident that the stationarity assumption of these analyses does not hold as anthropogenic climate change could shift a site’s hydroclimate beyond the range of historical behaviors. We employ nonstationary flood frequency models using the generalized extreme value (GEV) distribution to model changing flood risk for select seasons at twelve National Parks across the U.S. In this GEV model, the location and/or scale parameters of the distribution are allowed to change as a function of time-variable covariates. We use historical precipitation and modeled flows from the Variable Infiltration Capacity model (VIC), a landsurface model that simulates land–atmosphere fluxes using water and energy balance equations, as covariates to fit a best nonstationary GEV model to each site. We apply climate model projections of precipitation and VIC flows to these models to obtain future flood probability estimates. Our model results project a decrease in flood risk for sites in the southwestern U.S. region and an increase in flood risk for sites in northern and eastern regions of the U.S. for the selected seasons. The methods and results presented will enable the NPS to develop strategies to ensure public safety and efficient infrastructure management and planning in a nonstationary climate.

Introduction

Anthropogenic climate change has increased global mean annual land-surface air temperatures and evidence supports a change in the behavior of precipitation (Hartmann et al., 2013) and streamflow extremes (Hirsch and Ryberg, 2012; Mallakpour and Villarini, 2015; Ahn and Palmer, 2016). Given the non-stationary nature of our climate system at present, the common assumption in traditional flood frequency analysis techniques that flood risk will remain stationary into the future must be questioned – climate change is anticipated to continue to shift hydroclimate beyond the range of historical behaviors (Milly et al., 2008).

As temperatures rise, we expect an increase in total precipitable water in the atmosphere (Trenberth et al., 2003), which was already observed over much of North America (Ross and Elliott, 1996). Consequently, Hartmann et al. (2013) suggest a likely observed increase in either the frequency or intensity of heavy precipitation events across North America, particularly in central North America. Studies using extreme value theory and precipitation-temperature scaling also generally support this claim (DeGaetano, 2009; Wasko and Sharma, 2017).

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.