این مقاله نتایج مطالعه ای را که با رویکرد GIS در دانشگاه برگامو در مورد منطقه بندی بهمن برفی و ارزیابی خطر در استان برگامو انجام شده است، توصیف می کند. با این حال، اتخاذ یک مدل تخمین ساده شده، که در اینجا ارائه شده است، به دستیابی به نتایجی مطابق با نتایج ارائه شده توسط مطالعات قبلی و دقیق تر در استان برگامو اجازه می دهد. تجزیه و تحلیل زیر نیز برای برآورد آسانسورهای اسکی، مناطق شهری، خطوط برق، بزرگراه‌ها، راه‌آهن‌ها و جاده‌ها در معرض خطر احتمالی انجام شده است. این یک کار در حال پیشرفت است، زیرا توسعه بیشتر قبلاً برای غنی‌سازی مدل ریسک با پارامترهای بیشتری که مورفولوژی و هواشناسی زمین را توصیف می‌کنند در نظر گرفته شده است. سپس از این نتایج برای شبیه سازی حوادث و تخمین کوتاه ترین مسیرها برای امدادگران استفاده می شود. سرانجام،

کلید واژه ها

منطقه بندی بهمن , تجزیه و تحلیل خطر بهمن در استان برگامو , تجزیه و تحلیل GIS , شناسایی مناطق با خطر بالاتر

1. مقدمه

تحلیل ریسک امروزه از اهمیت بالایی برخوردار است. کنش همیشه فزاینده انسان بر محیط زیست، سهم معناداری در افزایش رویدادهای خطرناک طبیعی که در حال حاضر بیشتر از گذشته است، فراهم کرده است.

به همین دلیل پدیده‌های خطرناک طبیعی مانند زلزله، سیل، رانش زمین و بهمن که همیشه در دنیای ما وجود داشته‌اند، به مرور زمان از نظر شدت، فراوانی و در نتیجه اثر تخریبی تقویت شده‌اند.

امروزه ما در شرایط محیطی بسیار ناپایدار زندگی می کنیم که محکوم به بدتر شدن و وارد آوردن خسارات هنگفت به افراد و اشیا است.

این مقاله موضوعی را که با گروهی از دانشجویان مهندسی ساختمان در دانشگاه برگامو (شمال ایتالیا) برای پایان‌نامه مدرکشان توسعه داده شده است، شرح می‌دهد. هدف تجزیه و تحلیل پدیده ای است که در تمام مناطق کوهستانی مانند استان برگامو بسیار مورد توجه است: منطقه بندی بهمن و خطر [ 1 ].

مشخص است که بهمن هم یک پدیده طبیعی فوق العاده است ( شکل 1 ) و هم خطری برای مردم، زیرساخت ها و ایمنی ساختمان. اخیراً در کشور ما، یعنی در منطقه آبروزو، یک گروه عظیم برفی (احتمالاً به دلیل یک سری زمین لرزه های قبلی) هتلی را با تعدادی مهمان مدفون کرده است که باعث شوک و درگیری عاطفی شدید [ 3 ] [ 4 ] شده است.

سال‌هاست که بهمن‌های برفی در سراسر جهان، بیشتر در کشورهای دارای کوهستان و برف، مانند کانادا، ایالات متحده آمریکا و بسیاری از کشورهای آلپ اروپایی مانند سوئیس، فرانسه، ایتالیا، اتریش، رومانی و نروژ مورد مطالعه قرار گرفته‌اند.

با توجه به مطالعات اصلی توسعه یافته در زمینه های مختلف علمی، می توان طیف گسترده ای از رویکردها را برای تجزیه و تحلیل خطر بهمن برفی پیدا کرد. دانش پژوهان زمین شناسی، مهندسی عمران و محیط زیست و جغرافیا سعی در حل این مشکل با کمک روش های آماری/ریاضی و پشتیبانی از ابزارهای GIS دارند. در واقع در زمینه خطرات، برآورد مدل‌ها برای شبیه‌سازی، تحلیل و پیش‌بینی اهمیت اولیه دارد [ 5 ] – [ 11 ]. معمولاً مدل‌های عددی انتخاب‌شده کاملاً پیچیده هستند و برای پیاده‌سازی و پردازش آنها به زمان نیاز دارند.

بهمن های برفی متعلق به مخاطرات طبیعی گرانشی (مانند رانش زمین) هستند و مدل سازی آنها کار ساده ای نیست، زیرا رفتار آنها به دلیل تفاوت در جریان و تعامل خاک، آب و هوا، زمین و برف در حال تغییر است. به همین دلیل، یک عدم قطعیت قابل توجه [ 12 ] در رابطه با مشکل وجود دارد که ذاتی در جمع آوری داده ها، تجزیه و تحلیل، ارزیابی و تصمیم گیری [ 13 ] [ 14 ] است.

در سوئیس، کشوری نزدیک به ایتالیا و به همین دلیل تقریباً به اشتراک گذاشته شده است

شکل 1 . عملکرد شگفت انگیز بهمن [ 2 ] .

مشکلات مشابه ناشی از آب و هوا، خط الراس کوه های آلپ و زمین، ماژول RAMMS (سیستم حرکت توده ای سریع) [ 15 ] AVALANCHE برای دستیابی به پیش بینی دقیق حرکات جرمی فواصل خروجی، سرعت جریان و فشار ضربه در زمین های طبیعی سه بعدی محقق شده است. . این ماژول به طور گسترده در سوئیس برای مطالعات خطر بهمن استفاده می شود [ 16 ].

RAMMS یک ابزار شبیه‌سازی عددی قابل اعتماد است که فاصله خروجی، ارتفاع جریان، سرعت جریان و فشار ضربه‌ای بهمن‌های برف با جریان متراکم، زمین لغزش تپه‌ها و جریان‌های زباله را نشان می‌دهد. این توسط تیمی از کارشناسان در موسسه WSL برای تحقیقات برف و بهمن SLF [ 17 ] و موسسه فدرال سوئیس برای تحقیقات جنگل، برف و منظر WSL [ 18 ] توسعه یافته است.

امکان دانلود این نرم افزار و راهنمای کاربر آن برای انجام تحلیل و شبیه سازی نتایج مفید وجود دارد. نویسنده برنامه ریزی کرده است که در آینده این نرم افزار را امتحان کند تا رویکردی متفاوت را تجربه کند.

همانطور که قبلاً گفته شد، این مشکل تا حد زیادی در جهان تحلیل و بررسی شده است [ 19 ] [ 20 ]. در اینجا، با رویکردی ساده‌تر، تصمیم گرفته شده است که از معادلات توصیف حرکت توده برف و برهمکنش‌های خاک خودداری شود، بلکه تنها به انجام تحلیل‌های نقشه توپوگرافی با کمک ابزار GIS بپردازیم. از نظر جغرافیایی، منطقه آزمایشی انتخاب شده استان برگامو [ 21 ] است که قلمرو شمالی آن با پشته‌های کوهستانی (آلپ‌های اروبیک، با بالاترین قله 3052 متری از سطح دریا) و تپه‌ها (Prealpi Bergamasche) مشخص می‌شود ( شکل 2 ). ).

شکل 2 . استان برگامو در شمال ایتالیا [ 25 ] .

2. بهمن

بهمن ها به دلیل جدا شدن توده های برفی از کوهستان ها و حرکت سریع به سمت پایین تا زمانی که توسط موانع و/یا شیب های ضعیف متوقف می شوند، ایجاد می شوند.

آنها می توانند خود به خود یا ناشی از علل داخلی یا خارجی باشند [ 22 ] [ 23 ] [ 24 ].

در سال‌های گذشته، به اصطلاح «مرگ‌های سفید» هم برای تعداد بیشتری از افرادی که ورزش‌های زمستانی انجام می‌دهند و هم به دلیل افزایش میانگین دمای سطح جهانی افزایش یافته است [ 26 ].

3. پروژه

تجزیه و تحلیل GIS از قلمرو استان برگامو می تواند برای شناسایی برخی از علل اساسی جدا شدن بهمن ها بسیار مفید باشد، مانند:

– شیب زمین،

– کاربری زمین،

– ارتفاع ارتومتریک

سایر عوامل کمک کننده با عوامل قبلی ادغام شده اند، عملکرد آنها مانند دما (کاهش با ارتفاع) و مقدار برف (که با ارتفاع افزایش می یابد و تابع معکوس دما است).

به این ترتیب، بررسی با بسته نرم افزاری ArcGIS 10.2 توسط Esri [ 27 ] و پسوندهای آن 3D Analyst and Spatial Analyst انجام شده است.

داده‌های زمین از ژئوپورتال لومباردی [ 28 ] به‌عنوان فایل‌های شکل، با مختصات WGS84-UTM منطقه 32N و در مقیاس 1:10.000 ارجاع داده شده است.

3.1. مدیریت داده

بخش اول کار به پردازش داده های جغرافیایی مفید برای تجزیه و تحلیل ریسک زیر اختصاص یافته است.

با پردازش مجموعه داده‌های خطوط کانتور و نقاط ارتفاع، یک DEM شطرنجی به دست آمده است و از آن، شیب زمین و لایه‌های شطرنجی جنبه. سپس این داده ها طبقه بندی شده اند و یک مقدار عامل خطر (از 1 تا 4) به هر طبقه اختصاص داده شده است ( جدول 1 و جدول 2 ).

مقدار خطر برای هر طبقه بر این اساس انتخاب شده است که حدود 97 درصد از تلفات بهمن در جایی اتفاق می‌افتد که شیب بیش از 30 درجه باشد و خطرناک‌ترین مکان در شمال است، به دلیل دمای پایین که باعث ایجاد برف می‌شود. بیشتر پودری و جامد کمتر.

از آنجایی که Aspect جهت پایین شیب حداکثر نرخ را مشخص می کند

جدول 1 . طبقه بندی چهار سطح خطر شیب دار.

جدول 2 . چهار سطح ریسک جنبه اتخاذ شده

تغییر در مقدار از هر سلول به همسایه‌هایش، ArcGIS مقدار -1 را به مناطق Flat اختصاص می‌دهد.

همچنین شیپ فایل کاربری زمین با در نظر گرفتن این که خاک های آزاد و “صاف” (که به معنای سطح ناهموار و بدون هیچ نوع مانعی است) خطرناک تر از مناطق شهری یا جایی که پوشش گیاهی ضخیم است، طبقه بندی شده است (4 کلاس). موانع مصنوعی و طبیعی برای سقوط بهمن) ( جدول 3 ).

این شکل فایل سپس به فرمت شطرنجی با وضوح مشابه با بقیه تبدیل شده است، یعنی اندازه سلول 10 × 10 که مطابق با 10 متر × 10 متر روی زمین است.

3.2. ارتفاع ارتومتریک

در ارزیابی خطر بهمن برفی، مهم است که بر رابطه معنادار بین ارتفاع ارتومتریک، بارش برف (عملکرد مستقیم) و دما (عملکرد معکوس) تاکید شود.

به همین دلیل، طبق جدول 4 ، لایه DEM مجدداً طبقه‌بندی شده است (4 کلاس)، با اختصاص یک مقدار عامل خطر که با افزایش ارتفاع افزایش می‌یابد .

فقط یک مثال ساده برای توضیح دلیل پشت این فرض: در زیر 800 متر ضریب مقدار صفر به آن اختصاص داده شده است، به این معنی که علیرغم تأثیر شدید بهمن از جنبه، شیب و ناهمواری زمین، ارتفاع کم خطر را از بین می برد. به همین دلیل خطر سقوط بهمن در مناطق هموار در نظر گرفته نمی شود. برعکس برای مناطق بالای 800 متر اتفاق می افتد، جایی که خطر سقوط بهمن به یک مشکل واقعی تبدیل می شود. به این مناطق سطوح خطر مربوط به ارتفاع یک، دو و سه اختصاص داده شده است که هدف آنها فقط خط کشی سطوح مختلف ارتفاع نیست، بلکه هدف از آن در نظر گرفتن ریزش باران، دمای هوا، انباشته شدن برف نرم و باد است. 29 ] ; در واقع، بارش برف افزایش می‌یابد و باد شدیدتر می‌شود، به دلیل عدم وجود موانع، در ارتفاعات بالاتر.

علاوه بر این، لایه‌های جنبه، شیب و کاربری زمین نیز به شدت تحت‌تاثیر ارتفاع قرار دارند، زیرا ضریب خطر آنها با این پارامتر افزایش می‌یابد.

به همین دلیل، همانطور که بعداً گفته خواهد شد، پارامتری که نشان‌دهنده سهم ارتفاع در محاسبه ضریب خطر است، مانند سایر پارامترهای شیب، جنبه و کاربری زمین، ضرب می‌شود و جمع نمی‌شود. در واقع، جمع آوری شده است که ارتفاع نقش مهمی در خطر سقوط بهمن دارد.

جدول 3 . چهار سطح خطر کاربری زمین به تصویب رسید.

جدول 4 . چهار سطح خطر قد ارتومتریک اتخاذ شده است.

4. مدل ریسک

مدل ریسک در نهایت بر اساس ارزیابی ارائه شده توسط پاراگراف های قبلی توسعه یافته است و بنابراین قد را به عنوان عامل محوری موثر بر سایرین فرض می کنیم. به همین دلیل، در مدل، این پارامتر تنها پارامتری است که ضرب می شود، در حالی که بقیه با هم جمع می شوند (معادله (1)):

(1)

جایی که

RiskHeight = ریسک به ارتفاع

RiskSlope = Risk by Slope

RiskAspect = ریسک به جنبه

RiskLand-Use = خطر ناشی از کاربری زمین و به طور خاص توسط “زبری” خاک

البته، این یک مدل ساده شده است، اگر با مدل های موجود [ 30 ] – [ 37 ] دقیق تر برای ارزیابی ریسک بهمن مقایسه شود، اما، علیرغم این واقعیت که تصمیم به توسعه بیشتر آن گرفته شده است، همانطور که نشان داده شد، به خوبی کار می کند. بعد.

با اجرای این معادله با ابزار ArcGIS Raster Calculator، یک رستر نهایی با وضوح 10 متر × 10 متر، در سیستم مرجع WGS84 UTM Zone 32N و نمایش 33 کلاس ارائه شده است. سپس این در 5 کلاس ( جدول 5 ) طبق مقیاس مرجع 5 سطح خطر اروپایی ( شکل 3 ) طبقه بندی شده است و در شکل 4 نشان داده شده است .

اعتبارسنجی مدل ریسک

برای اعتبارسنجی مدل ریسک به دست آمده، یک شکل فایل موجودی بهمن، از سال 1991 تا 2010 در استان برگامو، به رستر نهایی شکل 4 اضافه شده است.

نتایج این تحلیل در شکل 5 نشان داده شده است.

با نگاهی ساده به شکل 5 ، می توان ایده ای از مطابقت خوب نتایج به دست آمده با توزیع داده های موجودی داشت.

برای به دست آوردن اثبات دقیق تر از کفایت مدل تخمین زده شده، با لایه ارائه شده توسط استان برگامو مقایسه شده است که برف را نشان می دهد.

جدول 5 . پنج کلاس در مورد طبقه بندی نتایج به دست آمده.

شکل 3 . مقیاس خطر اروپایی با توصیه‌ها [ 38 ].

پهنه بندی بهمن ( شکل 6 ).

شکل 7 دو نقشه را نشان می دهد: تصویر بالایی شکل فایل چند ضلعی را با نواحی قرمز شکل 6 نشان می دهد ، در حالی که پایینی شکل فایل چند ضلعی است که توسط رستر ما با ابزارهای ArcGIS استخراج شده است.

دو شکل فایل یک بار دیگر نشان می دهد که مدل ما کاملاً خوب کار می کند.

همچنین یک مقایسه تحلیلی با محاسبه مناطق خطر در شکل 7 انجام شده است.

بالاترین ها، یعنی داده های توسعه یافته توسط استان برگامو، وسعتی در حدود 20480 هکتار دارند، در حالی که پایین ترین ها، که نتایج ما را نشان می دهند، حدودا

شکل 4 . نقشه خطر بهمن توسعه یافته برای استان برگامو.

شکل 5 . اعتبارسنجی مدل ریسک که روی هم قرار گرفتن شکل فایل نقطه دایرکتوری Avalanches را نشان می دهد.

شکل 6 . منطقه بندی بهمن در استان برگامو.

35648 هکتار.

مناطق متقاطع بین آنها حدود 14253 هکتار است که به این معنی است

که درصد همپوشانی است ( شکل 8 ).

مقایسه نشان می‌دهد که مدل ما یک منطقه بهمن تخمینی گسترده‌تری را ارائه می‌کند، اگر با منطقه استان برگامو مقایسه شود، اما همچنین برخی از مناطق در معرض خطر را پوشش نمی‌دهد.

تفاوت نمایش داده شده مطمئناً به دلیل مدل ریسک ساده ای است که ما اتخاذ کردیم، با این وجود، نتایج رضایت بخش هستند.

5. انتخاب مناطق بسیار پرخطر و پرخطر

مرحله ویرایش زیر لایه شطرنجی یک شکل فایل را تنها با نواحی سطح خطر بسیار بالا و بالا ارائه کرده است: شکل 9 این لایه را بر روی پس‌زمینه شطرنجی استان برگامو از ArcGIS Imagery Basemap نشان می‌دهد. وسعت این مناطق حدود 8391 هکتار است.

فقط این مناطق هستند که باید با دقت نظارت شوند و برای آنها باید یک طرح مداخله اضطراری سریع و به خوبی سازماندهی شود.

پس از آن تصمیم گرفته شده است که به دنبال مناطق شهری، تله اسکی و خطوط برق موجود در این مناطق پرخطر باشیم. به همین دلیل منطقه حائل به طول 2 کیلومتر در اطراف مناطق خطرناک با در نظر گرفتن نزول بهمن انتخاب شده است.

شکل 7 . دو شکل فایل منطقه‌بندی بهمن: مدل استان برگامو (بالا)، مدل ما (پایین).

مسیر داخل آن عرض بدیهی است که این منطقه بسیار بزرگتر از یک منطقه واقعی ممکن است، اما فقط برای دریافت یک ایده گسترده است.

سه شکل فایل با لایه بافر قطع شده اند و نتایج نشان می دهد که عناصر در معرض خطر بالاتر عبارتند از:

– حدود 284 هکتار از مناطق شهری،

– حدود 27 کیلومتر تله اسکی.

– حدود 45 کیلومتر خطوط برق.

یک موضوع مهم دیگر، با توجه زیاد، به دلیل اهمیت آن برای رسیدن آسان و سریع به مناطق آسیب دیده برای اجازه مداخله اضطراری مورد تجزیه و تحلیل قرار گرفته است: جاده ها و همچنین قابلیت عملی بودن راه آهن.

به همین دلیل، جاده های شهرستان و شهرستان، بزرگراه ها و راه آهن شکل فایل

شکل 8 . مقایسه تحلیلی نتایج به دست آمده.

از ژئوپورتال لومباردی دانلود شده و با مناطق خطرناک قبلی با بافر تقاطع یافته است.

نتایج به‌دست‌آمده، که برای تحلیل‌های آتی نیز از اهمیت بالایی برخوردار است، اطلاعات زیر را ارائه می‌کند و به این نکته اشاره می‌کند که عناصر در معرض خطر (بزرگراه‌ها و راه‌آهن‌ها از آنجایی که از این مناطق بسیار دور هستند، ایمن هستند):

– حدود 60 کیلومتر از جاده های شهرستان،

– حدود 54 کیلومتر از جاده های شهر.

– تمام لایه هایی که برای این تحلیل در نظر گرفته شده اند در شکل 10 توضیح داده شده اند .

6. اظهارات نهایی و توسعه آینده

ارزیابی خطر بهمن برفی از پیچیدگی بالایی برخوردار است: در این کار یک رویکرد بسیار ساده اتخاذ شده است، با این وجود نتایجی در تطابق خوبی با موارد مورد استفاده استان برگامو ارائه می‌کند.

البته مزایا و معایبی وجود دارد که باید در نظر بگیرید: مدل ما سریع‌تر و آسان‌تر است،

شکل 9 . مناطقی که خطر سقوط بهمن زیاد یا بسیار زیاد است.

اما کمتر دقیق و دقیق است.

قبلاً تصمیم گرفته شده است که این تجزیه و تحلیل بیشتر توسعه یابد و بنابراین پارامترهای خاص تری مربوط به مورفولوژی زمین، زمین شناسی و هواشناسی (به عنوان مثال باد، باران و تشعشع خورشیدی) در نظر گرفته شود که نتایج دقیق تری و مناطق در معرض خطر ارائه می دهد.

سپس از این نتایج برای شبیه‌سازی تلفات بهمنی که در آنجا اتفاق می‌افتد و برای ارزیابی کوتاه‌ترین مسیرها و زمان‌ها برای آمبولانس‌ها، جنگلبانان، آتش‌نشانان، پلیس و امداد کوهستانی سریع‌ترین مداخله استفاده می‌شود. همچنین بیمارستانها در نظر گرفته می شوند تا با نزدیکترین آنها تماس گرفته شود تا بخشهای اورژانس را آماده کنند [ 39 ] .

شکل 10 . لایه های تحلیل نهایی

گام دیگر می تواند توسعه یک برنامه جغرافیایی برای دستگاه های تلفن همراه باشد، به طوری که به راحتی به همه اجازه می دهد اطلاعات سریع در مورد مناطق خطر بهمن جمع آوری کنند.

منابع

 

[ 1 ] www.avalanches.org/eaws/en/includes/glossary/glossary_it_all.html
[ 2 ] https://www.fondazionemontagnasicura.org/neve-e-valanghe
[ 3 ] https://www.theguardian.com/world/gallery/2017/jan/19/avalanche-hotel-
abruzzo-italy-in-pictures
[ 4 ] https://www.independent.co.uk/news/world/europe/italy-hotel-rigopiano-abruzzo
-avalanche-survivors-four-dogs-rescued-reunited-a7539016.html
[ 5 ] Keylock، CJ، Mcclung، DM و MárMagnússon، M. (1999) نقشه برداری خطر بهمن توسط شبیه سازی. مجله یخبندان، 45، 303-314.
[ 6 ] Rousselot, M., Dourand, Y., Giraud, G., Merindol, L. and Daniel, L. (2010) تجزیه و تحلیل و پیش بینی بهمن های شدید جدید برف: مطالعه عددی چرخه های بهمن فوریه 1999 در فرانسه. مجله یخبندان، 56، 758-770.
https://doi.org/10.3189/002214310794457308
[ 7 ] Chernouss، PA و Fedorenko، Yu. (2001) کاربرد شبیه سازی آماری برای ارزیابی ریسک بهمن. Annals of Glaciology, 32, 182-186.
[ 8 ] Christen, M., Bartel, P. and Kowalski, J. (2010) محاسبه برگشت بهمن In den Arelen با RAMMS: تفسیر نتایج مدل. Annals of Glaciology, 51, 161-168.
https://doi.org/10.3189/172756410791386553
[ 9 ] Barbolini, M., Cappabianca, F. and Savi, F. (2004) ارزیابی ریسک در مناطق مستعد بهمن. Annals of Glaciology, 38, 115-122.
https://doi.org/10.3189/172756404781815103
[ 10 ] Barbolini, M. and Savi, F. (2001) برآورد عدم قطعیت ها در نقشه برداری خطر بهمن. Annals of Glaciology, 32, 299-305.
https://doi.org/10.3189/172756401781819373
[ 11 ] Cappabianca, F., Barbolini, M. and Natale, L. (2008) ارزیابی و نقشه برداری ریسک بهمن برفی: روشی جدید بر اساس ترکیبی از تجزیه و تحلیل آماری، شبیه سازی دینامیک بهمن و روابط آسیب پذیری مبتنی بر تجربی یکپارچه شده در یک پلت فرم GIS. علوم و فناوری مناطق سردسیر، 54، 193-205.
[ 12 ] https://c.ymcdn.com/sites/www.avalancheassociation.ca/resource/resmgr/Standards
_Docs/TASARM_English.pdf
[ 13 ] Campbell, C., Conger, S., Gould, B., Haegeli, P., Jamieson, B. and Statham, G., Eds. (2016) جنبه‌های فنی مدیریت ریسک بهمن برفی-منابع و دستورالعمل‌ها برای پزشکان بهمن در کانادا. انجمن بهمن کانادا، Revelstoke، BC، کانادا.
[ 14 ] گرنجر مورگان، ام. و هنریون، ام. (1990) عدم قطعیت: راهنمای مقابله با عدم قطعیت در تحلیل کمی ریسک و سیاست. انتشارات دانشگاه کمبریج، کمبریج، 332 ص.
[ 15 ] https://ramms.slf.ch/ramms/
[ 16 ] کریستن، ام.، کوالسکی، جی و بارتلت، پی (2010) RAMMS: شبیه‌سازی عددی بهمن‌های متراکم برفی در زمین‌های سه‌بعدی. علوم و فناوری مناطق سردسیر، 63، 1-14.
[ 17 ] https://www.slf.ch/
[ 18 ] https://www.wsl.ch/
[ 19 ] Schaerer, P. and McClung, D. (2006) The Avalanche Handbook. ویرایش سوم، کتاب کوهنوردان.
[ 20 ] Bolognesi, R. (2000) تست Nivo: ابزار جیبی برای ارزیابی ریسک بهمن. مجموعه مقالات کارگاه بین المللی علوم برف، آسمان بزرگ، MT، 554-557.
[ 21 ] https://www.provincia.bergamo.it
[ 22 ] Nadim, F., Kjekstad, O., Peduzzi, P., Herold, C. and Jaedicke, C. (2006) نقاط داغ زمین لغزش و بهمن جهانی. رانش زمین، 3، 159-173.
https://doi.org/10.1007/s10346-006-0036-1
[ 23 ] Castebrunet, H., Eckert, N., Giraud, G., Durand, Y. and Morin, S. (2014) تغییرات پیش بینی شده شرایط برف و فعالیت بهمن در یک آب و هوای گرم: کوه های آلپ فرانسه در سال های 2020-2050 و 2070 -2100 دوره. کرایوسفر، 8، 1673-1697.
https://doi.org/10.5194/tc-8-1673-2014
[ 24 ] Voiculescu, M., Ardelean, F., Torok-Oance, M. and Milian, N. (2016) عوامل توپوگرافی، متغیرهای هواشناسی و عوامل انسانی در کنترل رویدادهای اصلی بهمن برفی در توده فاگاراس (کارپات های جنوبی-رومانیایی) Carpathians): مطالعات موردی. Geographia Polonica, 89, 47-64.
https://doi.org/10.7163/gpol.0045
[ 25 ] https://www.enchantingitaly.com/regions/lombardia/
[ 26 ] www.mountcity.it/index.php/2015/02/24/emergenza-valanghe-sulle-alpi-centro
-occidentali-il-73-delle-vittime-secondo-una-valutazione-dellaineva/
[ 27 ] www.esri.com
[ 28 ] www.geoportale.regione.lombardia.it/
[ 29 ] https://atlanteeolico.rse-web.it/
[ 30 ] Bründl، M.، Bartelt، P.، Schweizer، J.، Keiler، M. and Glade، T. (2010) بررسی و چالش های آینده در تجزیه و تحلیل ریسک بهمن برفی. در: Alcántara-Ayala, I. and Goudie, AS, Eds., Geomorphological Hazards and Disaster Prevention, Cambridge University Press, Cambridge, 49-62.
https://doi.org/10.1017/cbo9780511807527.005
[ 31 ] Keylock، C. و Barbolini، M. (2001) فشار تاثیر بهمن برفی-روابط آسیب پذیری برای استفاده در ارزیابی ریسک. مجله ژئوتکنیکال کانادا، 38، 227-238.
https://doi.org/10.1139/t00-100
[ 32 ] آرمسترانگ، آرمسترانگ، بی. (2006) تاریخچه خطر بهمن و تحقیقات بهمن در کوه‌های سان خوان، جنوب غربی کلرادو، ایالات متحده آمریکا. مجموعه مقالات کارگاه بین المللی علوم برف، تلوراید، کلرادو، 1-6 اکتبر، 298-303.
[ 33 ] Fischer, JT, Kofler, A., Fellin, W., Granig, M. and Kleemayr, K. (2014) بهینه سازی ابزارهای شبیه سازی بهمن محاسباتی برف. مجموعه مقالات کارگاه بین المللی علوم برف (ISSW)، بنف، کانادا، 29 سپتامبر-3 اکتبر 2014، 665-669.
[ 34 ] Fischer, JT, Kofler, A., Fellin, W., Granig, M. and Kleemayr, K. (2015) بهینه سازی پارامتر چند متغیره برای شبیه سازی بهمن محاسباتی برف. مجله یخبندان، 61، 875-888.
https://doi.org/10.3189/2015JoG14J168
[ 35 ] Eckert, N., Parent, E., Faug, T. and Naaim, M. (2009) طراحی بهینه بیزی سد بهمنی با استفاده از مدل بهمن عددی چند متغیره. تحقیقات محیطی تصادفی و ارزیابی ریسک، 23، 1123-1141.
https://doi.org/10.1007/s00477-008-0287-6
[ 36 ] Eckert, N., Parent, E., Kies, R. and Baya, H. (2010) چارچوب مدلسازی فضایی-زمانی برای ارزیابی نوسانات وقوع بهمن ناشی از تغییر آب و هوا: کاربرد برای 60 سال داده در شمال فرانسه آلپ. تغییرات اقلیمی، 101، 515-553.
https://doi.org/10.1007/s10584-009-9718-8
[ 37 ] Lavigne, A., Eckert, N., Bel, L. and Parent, E. (2015) افزودن مشارکتهای متخصص به مدلسازی فضایی و زمانی فعالیت بهمن تحت تأثیرات مختلف آب و هوایی. مجله انجمن آماری سلطنتی: سری C (آمار کاربردی)، 64، 651-671.
https://doi.org/10.1111/rssc.12095
[ 38 ] https://mintsnowboarding.com/blog/avalanche-facts-and-tips/
[ 39 ] Bründl، M.، Etter، HJ، Steiniger، M.، Klingler، C.، Rhyner، J. و Ammann، WJ (2004) IFKIS – مبنایی برای مدیریت ریسک بهمن در شهرک‌ها و جاده‌ها در سوئیس. مخاطرات طبیعی و علوم سیستم زمین، 4، 257-262.
https://doi.org/10.5194/nhess-4-257-2004

بدون دیدگاه

دیدگاهتان را بنویسید