Banjir: Perbezaan antara semakan
Kandungan dihapus Kandungan ditambah
Tiada ringkasan suntingan |
Tiada ringkasan suntingan |
||
Baris 96:
Model proses fizikal lembangan saliran yang lengkap adalah lebih rumit. Sungguhpun banyak proses difahami dengan baik pada satu titik atau kawasan kecil, yang lain tidak difahami dengan baik pada semua skala, dan proses interaksi di bawah keadaan cuaca yang normal atau ekstrim mungkin tidak diketahui. Model lumpur biasanya menggabungkan komponen proses permukaan tanah (untuk menganggarkan berapa banyak hujan atau salji cair sampai pada saluran) dengan satu siri model jangkauan. Sebagai contoh, model lembangan dapat mengira hidrograf aliran yang mungkin disebabkan oleh ribut 100 tahun, walaupun selang ulangan ribut jarang sama dengan banjir yang berkaitan. Model lumpur biasa digunakan dalam ramalan banjir dan amaran, serta dalam analisa kesan perubahan penggunaan tanah dan [[perubahan iklim]].
===Ramalan banjir ==
Menjangkakan banjir sebelum ia berlaku membolehkan langkah berjaga-jaga diambil dan orang ramai diberi peringatan<ref>{{cite web|url=http://www.environment-agency.gov.uk/homeandleisure/floods/58417.aspx |title=Flood Warnings|publisher=Environment Agency|date=2013-04-30|accessdate=2013-06-17}}</ref> supaya mereka dapat bersedia terlebih dahulu untuk keadaan banjir. Sebagai contoh, petani boleh mengeluarkan haiwan dari kawasan rendah dan perkhidmatan utiliti boleh meletakkan peruntukan kecemasan untuk perkhidmatan semula jika diperlukan. Perkhidmatan kecemasan juga boleh membuat peruntukan untuk mempunyai sumber yang cukup tersedia dari masa ke masa untuk bertindak balas terhadap kecemasan apabila berlaku. Orang ramai boleh mengosongkan kawasan untuk dibanjiri.
Untuk membuat ramalan banjir yang paling tepat untuk laluan air, yang terbaik adalah untuk mempunyai data sejarah siri masa panjang yang menghubungkan aliran sungai untuk mengukur peristiwa hujan yang lalu.ref>{{cite web|url=http://www.bom.gov.au/australia/flood |title=Australia rainfall and river conditions|publisher=Bom.gov.au|date= |accessdate=2013-06-17}}</ref> Menggabungkan maklumat sejarah ini dengan pengetahuan masa nyata mengenai kapasiti volumetrik bagi kawasan tadahan, seperti kapasiti lebihan bagi takungan, paras air tanah, dan tahap ketepuan kawasan akuifer juga diperlukan untuk menghasilkan ramalan banjir yang paling jitu.
Anggaran Radar bagi hujan dan teknik ramalan cuaca umum juga merupakan komponen ramalan banjir yang baik. Di kawasan yang mempunyai kualiti data yang baik, keamatan dan ketinggian banjir boleh diramalkan dengan ketepatan yang cukup baik dan masa yang mencukupi. Hasil ramalan banjir biasanya merupakan paras air yang dijangkakan maksimum dan kemungkinan masa ketibaannya di lokasi-lokasi utama di sepanjang laluan air,<ref name="Advanced Hydrologic Prediction System">{{cite web|url=http://water.weather.gov/ahps |title=Advanced Hydrologic Prediction System|accessdate=4 February 2013}}</ref> dan ia juga boleh membenarkan pengiraan kemungkinan tempoh pengembalian statistik banjir. Di kebanyakan negara maju, kawasan bandar yang berisiko banjir dilindungi daripada banjir 100 tahun - iaitu banjir yang mempunyai kebarangkalian sekitar 63% berlaku dalam mana-mana tempoh 100 tahun.
Menurut Pusat Penemuan Ramalan Sungai Northeast (RFC) di Taunton, Massachusetts , Perkhidmatan Cuaca Cuaca Kebangsaan (NWS), satu peraturan untuk meramal banjir di kawasan bandar adalah yang memerlukan sekurang-kurangnya 1 inci (25 mm) hujan di sekitar tempoh masa sejam untuk memulakan air bertakung yang jelas di atas permukaan yang tidak dapat ditembusi. Banyak NWS RFC secara rutin mengeluarkan Panduan Banjir Kilat dan Panduan Kepala Air, yang menunjukkan jumlah hujan am yang perlu jatuh dalam masa yang singkat untuk menyebabkan banjir kilat atau banjir di lembangan air yang lebih besar.<ref name="Flash Flood Guidance">{{cite web|url=http://www.srh.noaa.gov/rfcshare/ffg.php |title=FFG|accessdate=29 January 2013}}</ref>
Sistem Pemantauan Banjir Global, "GFMS," alat komputer yang memaparkan keadaan banjir di seluruh dunia, boleh didapati dalam talian. Pengguna mana-mana di dunia boleh menggunakan GFMS untuk menentukan bila banjir mungkin berlaku di kawasan mereka. GFMS menggunakan data presipitasi dari satelit mengamati bumi NASA dan satelit Pemangkasan Presipitasi Global , "GPM." Data hujan dari GPM digabungkan dengan model permukaan tanah yang menggabungkan penutup tumbuhan, jenis tanah, dan rupa bumi untuk menentukan berapa banyak air yang menyerap ke dalam tanah, dan berapa banyak air mengalir ke aliran sungai.
▲In the United States, an integrated approach to real-time hydrologic computer modelling utilizes observed data from the [[U.S. Geological Survey]] (USGS),<ref name="USGS WaterWatch">{{cite web|url=http://waterwatch.usgs.gov/index.php?id=ww_current |title=WaterWatch|date=4 February 2013|accessdate=4 February 2013}}</ref> various [[Weather spotting|cooperative observing networks]],<ref name="Community Collaborative Rain, Hail and Snow Network">{{cite web|url=http://www.cocorahs.org |title=Community Collaborative Rain, Hail and Snow Network|accessdate=4 February 2013}}</ref> various [[Automated airport weather station|automated weather sensors]], the [[NOAA]] National Operational Hydrologic Remote Sensing Center (NOHRSC),<ref name="National Operational Hydrologic Remote Sensing Center">{{cite web|url=http://www.nohrsc.noaa.gov |title=NOHRSC|date=2 May 2012|accessdate=4 February 2013}}</ref> various [[hydroelectric]] companies, etc. combined with [[quantitative precipitation forecast]]s (QPF) of expected rainfall and/or snow melt to generate daily or as-needed hydrologic forecasts.<ref name="Advanced Hydrologic Prediction System"/> The NWS also cooperates with [[Environment Canada]] on hydrologic forecasts that affect both the USA and Canada, like in the area of the [[Saint Lawrence Seaway]].
▲Users can view statistics for rainfall, streamflow, water depth, and flooding every 3 hours, at each 12 [[kilometer]] gridpoint on a global map. Forecasts for these parameters are 5 days into the future. Users can zoom in to see inundation maps (areas estimated to be covered with water) in 1 kilometer resolution.<ref>{{Cite web|title=Predicting Floods|url=https://science.nasa.gov/science-news/science-at-nasa/2015/22jul_floods/ |website=science.nasa.gov|accessdate=2015-07-22}}</ref><ref>{{cite av media|url=https://www.youtube.com/watch?v=dfcr-4XmxNY&authuser=0 |title=ScienceCasts: Predicting Floods|date=21 July 2015|publisher=YouTube|accessdate=13 January 2016|via=YouTube}}</ref>
== Kejadian-kejadian banjir yang terkenal کجادين٢ بنجير يڠ ترکنل ==
|