КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ

Номер 22-27-00058

НазваниеСреднесрочный прогноз среднего, максимального и минимального расходов при первой волне весеннего паводка на реках Алтае-Саянской горной страны

РуководительКирста Юрий Богданович, Доктор биологических наук

Организация финансирования, регион Федеральное государственное бюджетное учреждение науки Институт водных и экологических проблем Сибирского отделения Российской академии наук, Алтайский край

Период выполнения при поддержке РНФ 2022 г. - 2023 г. 

Конкурс№64 - Конкурс 2021 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами».

Область знания, основной код классификатора 07 - Науки о Земле, 07-708 - Гидрология и водные ресурсы

Ключевые словасистемно-аналитическое моделирование, горные реки, весеннее половодье, среднесрочный прогноз, температуры воздуха, осадки, Алтай, Саяны

Код ГРНТИ37.27.21

СтатусУспешно завершен

 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Алтае-Саянская горная страна расположена в центре Евразии на территории России, Монголии, Китая и Казахстана. Как верхний водосбор Оби, Иртыша и Енисея, она характеризуется большим количеством средних и малых горных рек с ежегодными сильными, вплоть до катастрофических, половодьями. В условиях меняющегося климата актуальность заблаговременного и максимально точного прогноза половодий трудно переоценить с позиции безопасности населения региона и принятия мер по предотвращению их неблагоприятных последствий. Новизна предлагаемых исследований заключается в синтезе разработанного системно-аналитического моделирования с ландшафтно-картографическими методами и ГИС [Kirsta 2020; Kirsta, Lovtskaya 2020, 2021; Kirsta, Puzanov 2020, 2021; Kirsta, Puzanov, Rozhdestvenskaya 2020] для выполнения среднесрочных прогнозов половодья. При этом гидрологические процессы, метеорологические условия, ландшафтные и морфометрические характеристики территории рассматриваются в качестве единой гидро-метео-ландшафтной системы имитационных уравнений, обеспечивающей максимально точный прогноз весенних половодий на горных реках. Аналогов применяемого системно-аналитического моделирования в мировой литературе не имеется. Будет создана универсальная математическая модель высококачественного среднесрочного (с заблаговременностью до 1 месяца) прогноза среднего, максимального и минимального расходов воды в первую волну половодья (апрель) на примере более 30 средних и малых рек Алтае-Саянской горной страны. В основу исследования будут положены: (1) ГИС-технологии обработки картографических данных и создания цифровых карт в программной среде ArcGIS 10.2, (2) разработанный метод нормирования на среднемноголетние значения и пространственного обобщения/усреднения значений среднемесячных температур воздуха и месячных осадков, что позволяет более адекватно охарактеризовать их сложное распределение по всей горной территории [Kirsta, Lovtskaya 2020]; (3) системно-аналитическое имитационное моделирование динамики сложноорганизованных систем [Kirsta, Puzanov 2019, 2020]. Системно-аналитическое моделирование обеспечивает одновременный анализ больших объемов метеорологических наблюдений (десятки тысяч значений за многолетний период времени), экспериментальных данных о стоках рек и ландшафтно-картографических характеристик территории с решением сложной системы уравнений и оптимизационным подбором параметров последних. При этом используются численные методы известного пакета программ MATLAB. В ходе моделирования будут проверены различные физически обоснованные варианты описания гидрологических процессов с учетом влияния на них различных факторов среды, в том числе увлажнения, промерзания и оттаивания почв в разных ландшафтах. Будет определена система уравнений, обеспечивающая достижение наименьшего отклонения (невязки) прогнозируемых значений среднего, максимального и минимального расходов рек в апреле от наблюдаемых величин. Оценка качества разработанной прогнозной модели половодья будет выполняться с помощью двух известных критериев качества моделей: RSR (RMSE-observation Standard deviation Ratio [Moriasi et al. 2007; Koch, Cherie 2013]) и NSE (Nash-Sutcliffe model Efficiency coefficient [Koch, Cherie 2013]). Высокая эффективность системно-аналитического моделирования подтверждена достигнутым высоким качеством (NSE=0,68–0,88) ранее разработанного прогноза среднего стока горных рек за весь период весенне-летнего половодья (апрель-июнь) [Kirsta, Lovtskaya 2021]. Такой прогноз важен для регуляции заполнения горных водохранилищ, но он мало подходит для оценки ожидаемого максимального расхода рек и принятия мер по предупреждению и смягчению последствий наводнений. Заявляемый проект предлагает проведение в течение двух лет интенсивных научных исследований, включая приобретение и обработку данных гидрологических наблюдений, определение ландшафтных и морфометрических характеристик речных бассейнов на исследуемой территории, получение и обработку метеорологических данных по опорным метеостанциям с их последующим нормированием и пространственным обобщением, формирование базы данных и осуществление трудоемкого системно-аналитического моделирования объемов половодий. Решение поставленной задачи резко осложняется для горных территорий вследствие их сложного орографического строения, не менее сложной пространственно-временной структуры метеорологических полей и редкой сети метеостанций. Поэтому разрабатываемый максимально точный (NSE≈0,7–0,9) среднесрочный прогноз весеннего половодья не имеет аналогов и существенно отличается от традиционных краткосрочных прогнозов для горных рек.

Ожидаемые результаты
Будет разработана комплексная методология и математическая модель, обеспечивающая максимально точный прогноз первой (весенней) волны половодья (среднего, максимального и минимального расходов воды в апреле) на горных реках при показателе качества прогноза NSE≈0,7–0,9, как это было сделано для среднего стока всего периода (апрель-июнь) весенне-летнего половодья [Kirsta, Lovtskaya 2021]. Будут оценены средний, максимальный и минимальный речные стоки, прогноз которых имеет принципиальное значение для обеспечения безопасности населения при половодье. Методология и модель будут построены с помощью системно-аналитического моделирования [Kirsta, Puzanov 2019, 2020] на примере более 30 рек Алтае-Саянской горной страны и состоять из трех основных функциональных блоков: (1) создания цифровых карт в программной среде ArcGIS 10.2, определения ландшафтной структуры речных бассейнах, характеризующей ландшафты как отдельные автономные подсистемы влагообмена проточного типа, и расчета их характеристик (площади, средней высоты и др.) с помощью цифровых (TIN) моделей местности, создаваемых в ArcGIS 3D Analyst [Kirsta, Lovtskaya 2021]; (2) нормировки и пространственного обобщения/усреднения данных опорных метеостанций по всей исследуемой территории, что позволит минимизировать вариабельность метеорологических полей в условиях гор и улучшить качество гидрологических расчетов [Kirsta, Lovtskaya 2020]; (3) собственно системно-аналитического моделирования, обеспечивающего прогноз стоков с отдельных ландшафтов и общего для каждого речного бассейна стока (среднего, максимального и минимального) в весеннее половодье путем решения оптимизационными методами MATLAB построенной системы имитационных балансовых уравнений [Kirsta, Puzanov 2019, 2020]. Для разработанной модели будут выполнены количественные оценки ее адекватности/точности и чувствительности к вариациям факторов среды [Kirsta 2020] путем расчета вкладов этих вариаций в дисперсию невязки между прогнозируемыми и наблюдаемыми значениями выходных переменных модели (среднего, максимального и минимального расходов воды). На основе этих оценок будут выделены и количественно оценены отдельные компоненты указанной дисперсии. Такой анализ дает более объективную и полную характеристику качества математических моделей по сравнению с традиционным критерием RSR (отношение невязки расчетов к стандартному отклонению данных наблюдений) или коэффициентом Нэша–Сатклиффа NSE=1 RSR2. Исследование обеспечивает новое важное расширение метода системно-аналитического моделирования на область максимально точных среднесрочных прогнозов первой (весенней) волны половодий (после прохождения ледохода) для рек Алтае-Саянской горной страны. Оно имеет существенное значение для обеспечения безопасности населения Горного Алтая и всего исследуемого региона. Для прогнозов будут использоваться нормированные на среднемноголетние значения среднемесячные температуры воздуха и месячные осадки реперных метеостанций за осенне-зимний период года, влияющие на осенне-зимнее промерзание и весеннее оттаивание почвогрунтов. Универсальность разрабатываемой модели обеспечивает ее практическое применение для любых рек Алтае-Саянской горной страны, а при дополнительной идентификации (уточнении значений части ее параметров) и для рек других горных территорий.

 

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Аннотация результатов, полученных в 2022 году
В современных условиях потепления климата и дестабилизации климатических процессов весенние наводнения горных рек все чаще превращаются в критический фактор для жизнедеятельности местного населения. Нами исследовано сложное влияние метеорологических условий на первую (апрельскую) волну весенне-летнего половодья горных рек. Для исследований взяты 34 средние и малые реки Алтае-Саянской горной страны, занимающей более 2 000 000 км2 Центральной Азии. С помощью системно-аналитического моделирования охарактеризована сложная зависимость апрельских стоков рек от осадков и температур воздуха за декабрь-апрель. Данный метод моделирования слабо зависит от погрешностей исходных данных [https://doi.org/10.32523/2306-6172-2020-8-2-69-85]. Большая погрешность данных лишь увеличивает невязку модели, но не влияет на искомую форму зависимости выходной переменной от факторов среды. При этом использование длинных рядов данных позволяет адекватно охарактеризовать как сильные, так и слабые зависимости между переменными. Количественная оценка влияния факторов выполнялась через решение обратной математической задачи с использованием 1760 значений речных стоков в 1951–2019 гг., метеорологических данных и картографических сведений о рельефе и ландшафтной структуре речных бассейнов, рассчитанных средствами ArcGIS 10.2. Установлено, что накопленные за декабрь-март осадки положительно влияют на стоки в случае близости зимних температур к своим среднемноголетним значениям. При пониженных температурах апреля речные стоки увеличиваются с ростом текущих осадков, а при повышенных температурах – уменьшаются. Сложная зависимость весеннего/апрельского половодья от метеорологических условий декабря-апреля [https://doi.org/10.32523/2306-6172-2022-10-2-4-10] объясняется совокупным влиянием трех факторов: (а) степенью промерзания верхней толщи почвогрунтов, зависящей от зимних температур воздуха и обусловливающей большее или меньшее удержание талых вод почвами весной, (б) существенным влиянием приходящей солнечной радиации на таяние снежного покрова весной, (в) выпадающими в апреле осадками, от которых зависит альбедо и интенсивность таяния снежного покрова под воздействием солнечной радиации. Установленные зависимости апрельской волны половодья от метеорологических факторов имеют большое значение для дальнейшей разработки прогнозных моделей среднего, максимального и минимального расходов воды в весеннее половодье и предупреждения неблагоприятных последствий весенних наводнений на горных реках.

 

Публикации

1. Кирста Ю.Б., Пузанов А.В., Рождественская Т.А. Простая методология для долгосрочного прогнозирования качества зерна Известия Томского политехнического университета. Инжиниринг георесурсов, Известия Томского политехнического университета. Инжиниринг георесурсов, 2022, Т. 333, № 9, 198-208. (год публикации - 2022) https://doi.org/10.18799/24131830/2022/9/3699

2. Кирста Ю.Б., Трошкова И.А. The influence of winter-spring temperatures and precipitation on the spring flood wave Eurasian Journal of Mathematical and Computer Applications, Eurasian Journal of Mathematical and Computer Applications, 2022, Vol. 10, Issue 2, pp. 4–10. (год публикации - 2022) https://doi.org/10.32523/2306-6172-2022-10-2-4-10

Аннотация результатов, полученных в 2023 году
Впервые предложена стандартная методология интеллектуального анализа гидрометеорологических данных, обеспечивающая построение высококачественных аналитических моделей гидрологических процессов в сложноорганизованных природных системах [1-4]. Методология, основанная на системно-иерархическом подходе с системно-аналитическим моделированием, обеспечивает углубленный анализ больших выборок экспериментальных данных. Она позволяет извлекать скрытую в этих выборках информацию и определять количественные характеристики реальных гидрологических процессов, протекающих в природных системах. С помощью разработанной методологии выполнен интеллектуальный анализ данных за 1951–2020 гг. по средним, максимальным и минимальным расходам (с ледоходом) 34 рек Алтае-Саянской горной страны в весеннее (апрель) половодье. Разработаны высокоадекватные аналитические модели для среднесрочных прогнозов ежегодных средних (критерий адекватности Нэша-Сатклиффа NSE=0.77), максимальных (NSE=0.78) и минимальных (NSE=0.56) речных стоков по метеорологическим условиям предшествующей осени (IX-XI месяцы) и зимы (XII-III месяцы) [1-4]. Прогнозируемые средние значения речных стоков за апрель зависят от осенне-зимних осадков (определяющих 14% дисперсии наблюдаемых значений), ландшафтной структуры речных бассейнов (49%), зимних температур воздуха (0.7%) и высоты ландшафтов (<0.1%) [1]. Прогнозируемые максимумы зависят от осенне-зимних осадков (определяющих 29% дисперсии наблюдаемых максимумов), ландшафтной структуры речных бассейнов (14%), зимних температур воздуха (0.7%) и высоты ландшафтов (<0.1%) [2]. Прогнозируемые минимумы зависят от осенне-зимних осадков (3.6% дисперсии наблюдаемых минимумов), ландшафтной структуры речных бассейнов (49%), зимних температур воздуха (0.8%) и высоты ландшафтов (0.9%) [2]. Дано физико-гидрологическое объяснение полученных сложных зависимостей рассматриваемых стоков горных рек от факторов среды, которые зависят от процессов осеннего увлажнения, зимнего промерзания и весеннего оттаивания почв, а также от особенностей таяния накопленного за зиму снежного покрова [1-4]. Весенние половодья на горных реках часто угрожают нормальной жизнедеятельности местного населения, что определяет важное прикладное значение разработанных моделей. Литература 1. Kirsta Y.B., Troshkova I.A. High-performance forecasting of spring flood in mountain river basins with complex landscape structure // Water, 2023a, Vol. 15 (6), 1080. https://doi.org/10.3390/w15061080 2. Kirsta Y.B., Troshkova I.A. Deep process-data mining for building of analytical models: 1. Medium-term forecast of spring flood extremes for mountain rivers // Eurasian Journal of Mathematical and Computer Applications, 2023b, Vol. 11 (3), pp. 76–97. https://doi.org/10.32523/2306-6172-2023-11-3-76-97 3. Kirsta Y.B., Troshkova I.A. Deep process-data mining for building of analytical models: 2. Influence of winter-spring temperatures and precipitation on spring flood extremes for mountain rivers // Eurasian Journal of Mathematical and Computer Applications, 2023c, Vol. 11 (4), pp. 69–71. https://doi.org/10.32523/2306-6172-2023-11-4-69-77 4. Кирста Ю.Б., Трошкова И.А. Влияние метеорологических факторов на весенние половодья горных рек // Известия Алтайского отделения Русского географического общества [Bulletin AB RGS], 2023, №4, в печати.

 

Публикации

1. Кирста Ю.Б., Трошкова И.А. High-performance forecasting of spring flood in mountain river basins with complex landscape structure Water, Vol. 15 (6), 1080 (год публикации - 2023) https://doi.org/10.3390/w15061080

2. Кирста Ю.Б., Трошкова И.А. Deep process-data mining for building of analytical models: 1. Medium-term forecast of spring flood extremes for mountain rivers Eurasian Journal of Mathematical and Computer Applications, Volume 11, Issue 3 (2023) 76 –97 (год публикации - 2023) https://doi.org/10.32523/2306-6172-2023-11-3-76-97

3. Кирста Ю.Б., Трошкова И.А. Deep process-data mining for building of analytical models: 2. Influence of winter-spring temperatures and precipitation on spring flood extremes for mountain rivers Eurasian Journal of Mathematical and Computer Applications, Vol. 11, Issue 4, pp. 69–77 (год публикации - 2023) https://doi.org/10.32523/2306-6172-2023-11-4-69-77

4. Кирста Ю.Б., Трошкова И.А. Влияние метеорологических факторов на весенние половодья горных рек Известия Алтайского отделения Русского географического общества, - (год публикации - 2023)

Возможность практического использования результатов
Разработанные высокоадекватные модели предназначены для среднесрочных прогнозов ежегодных весенних половодий/паводков на горных реках, которые часто представляют серьезную опасность для живущих вдоль рек населения.