Биоэнергетика: открытый доступ

Абстрактный

Измерение устойчивости к наводнениям: типология устойчивости сообщества к наводнениям

Финн Лориен

Существует острая необходимость в лучшем понимании выгод и
затрат на инвестиции в повышение устойчивости и
процессов принятия решений, которые их определяют. Для решения этой проблемы
Альянс по устойчивости к наводнениям Цюриха (ZFRA) разработал
целостный подход к измерению устойчивости к наводнениям на
уровне сообществ по всему миру. Структура и связанный с ней
инструмент управления данными основаны на пяти столицах (5C) рамок
устойчивого жизнеобеспечения и четырех свойствах
устойчивой системы (4R). В течение 2 лет пять НПО собирали
исходные, конечные и конечные показатели (если произошло наводнение)
в 118 сообществах в 9 странах с более чем 6700 прямыми
взаимодействиями с домохозяйствами, дискуссионными группами и ключевыми информаторами.
По оценкам, более 200 000 человек получили
положительное влияние благодаря расширенным знаниям, полученным с помощью
инструмента измерения устойчивости к наводнениям. В качестве ключевого результата в данной
статье определяются общая динамика и взаимозависимости
между показателями устойчивости к наводнениям, что поможет создать
более последовательные и надежные показатели для измерения
устойчивости к наводнениям. Результаты определяют различные кластеры сообществ с
точки зрения базовых уровней устойчивости к наводнениям и общих
характеристик сообществ, что указывает на то, что устойчивость к наводнениям имеет общие
закономерности во всем мире. Количественные результаты также
оказались мощным инструментом для поддержки принятия решений и пропаганды.
Что касается практики устойчивости к стихийным бедствиям, мы обнаружили, что
процесс внедрения инструмента FRMC способствовал углубленному
обсуждению сообществ и устойчивости к наводнениям, и что
это имело эффект наращивания потенциала в организациях-пользователях.
Общий вывод заключается в растущей значимости базовых
исследований для любого процесса принятия решений с целью информирования лиц, принимающих решения
на разных уровнях. Мы извлекаем знания о сообществах
из базовых данных, которые будут иметь решающее значение, когда мы
приступим к тестированию данных после события и конечных данных.