में अनुक्रमित
  • जे गेट खोलो
  • जेनेमिक्स जर्नलसीक
  • शैक्षणिक कुंजी
  • अनुसंधान बाइबिल
  • RefSeek
  • रिसर्च जर्नल इंडेक्सिंग की निर्देशिका (डीआरजेआई)
  • हमदर्द विश्वविद्यालय
  • ईबीएससीओ एज़
  • ओसीएलसी- वर्ल्डकैट
  • विद्वान्
  • पबलोन्स
  • यूरो पब
  • गूगल ज्ञानी
इस पृष्ठ को साझा करें
जर्नल फ़्लायर
Flyer image

अमूर्त

बाढ़ के प्रति लचीलापन मापना: सामुदायिक बाढ़ के प्रति लचीलापन का एक प्रकार

फिन लॉरिएन

लचीलापन बनाने में निवेश के लाभ और
लागतों को बेहतर ढंग से समझने की तत्काल आवश्यकता है, और निर्णय
लेने की प्रक्रिया जो उन्हें निर्धारित करती है। इस चुनौती से निपटने के लिए
ज्यूरिख बाढ़ लचीलापन गठबंधन (ZFRA) ने दुनिया भर में
सामुदायिक
स्तर पर बाढ़ लचीलापन मापने के लिए एक समग्र दृष्टिकोण विकसित किया है। ढांचा और संबंधित
डेटा प्रबंधन उपकरण सतत आजीविका ढांचे की पांच राजधानियों (5Cs) और एक लचीली प्रणाली (4Rs) के
चार गुणों पर आधारित है। 2 वर्षों में पांच गैर सरकारी संगठनों ने 9 देशों के 118 समुदायों में बेसलाइन, एंडलाइन और परिणाम माप (यदि बाढ़ आई) एकत्र किए, जिसमें 6700 से अधिक घरों, चर्चा समूहों और प्रमुख सूचनादाताओं की सीधी भागीदारी थी। यह अनुमान लगाया गया है कि बाढ़ लचीलापन माप उपकरण के माध्यम से उत्पन्न उन्नत ज्ञान से 200.000 से अधिक लोग सकारात्मक रूप से प्रभावित हुए हैं । एक प्रमुख परिणाम के रूप में, यह पत्र बाढ़ लचीलापन संकेतकों के बीच सामान्य गतिशीलता और अंतर-निर्भरता की पहचान करता है , जो बाढ़ लचीलापन मापने के लिए अधिक सुसंगत और विश्वसनीय संकेतक बनाने में मदद करेगा । परिणाम आधारभूत बाढ़ तन्यकता ग्रेड और सामान्य सामुदायिक विशेषताओं के संदर्भ में विभिन्न सामुदायिक समूहों की पहचान करते हैं, जो दर्शाता है कि बाढ़ तन्यकता के पैटर्न दुनिया भर में समान हैं। मात्रात्मक परिणाम निर्णय-समर्थन और वकालत के लिए एक शक्तिशाली उपकरण भी साबित हुए। आपदा तन्यकता अभ्यास के संबंध में, हम पाते हैं कि FRMC उपकरण को लागू करने की प्रक्रिया ने समुदायों और बाढ़ तन्यकता के बारे में गहन चर्चाओं को सुविधाजनक बनाया, और इसका उपयोगकर्ता संगठनों के भीतर क्षमता निर्माण प्रभाव पड़ा। एक सामान्य निष्कर्ष यह है कि विभिन्न स्तरों पर नीति-निर्माताओं को सूचित करने के लिए किसी भी निर्णय लेने की प्रक्रिया के लिए आधारभूत अध्ययनों की बढ़ती प्रासंगिकता है । हम आधारभूत डेटा से समुदायों के बारे में सीखते हैं , जो तब महत्वपूर्ण होगा जब हम घटना के बाद और अंतिम डेटा का परीक्षण करने के लिए आगे बढ़ेंगे।






















 

अस्वीकृति: इस सारांश का अनुवाद कृत्रिम बुद्धिमत्ता उपकरणों का उपयोग करके किया गया है और इसे अभी तक समीक्षा या सत्यापित नहीं किया गया है।