СИСТЕМНО-АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ЕЖЕГОДНЫХ МАКСИМУМОВ ВЕСЕННИХ ПОЛОВОДИЙ НА ГОРНЫХ РЕКАХ
Боковая панель статьи
Основное содержимое статьи
Аннотация
Весенние половодья на горных реках представляют серьезную угрозу хозяйственной деятельности местного населения. Они характеризуются максимальными значениями речного стока и наибольшим, хотя и кратковременным затоплением территорий близ рек. Используя методологию системно-аналитической обработки больших выборок гидрометеорологических данных, мы проанализировали формирование половодий на 34 реках Алтае-Саянской горной страны за период 1951–2023 гг. Разработана математическая модель весенней волны половодий и оценена ее чувствительность к факторам среды. С ее помощью количественно охарактеризовано влияние ландшафтов, зимне-весенних температур воздуха и осадков на ежегодные максимальные значения стока половодий у каждой реки. Для этого рассчитаны вклады естественных вариаций факторов среды в дисперсию указанных максимальных значений. Вклады зимних и апрельских осадков, зимних и апрельских температур воздуха в данную дисперсию составили 34.7, 21.9, 7.8, 6.1% соответственно. Дано объяснение полученных сложных зависимостей ежегодных максимальных стоков весенних половодий от метеорологических факторов и приходящей солнечной радиации.
Информация о статье
Библиографические ссылки
Гвоздецкий Н.А., Михайлов Н.И. Физическая география СССР. Азиатская часть. М.: Высшая школа, 1987. 447 с.
Кирста Ю.Б., Кирста Б.Ю. Информационно-физический закон построения эволюционных систем. Системно-аналитическое моделирование экосистем. Барнаул: Изд-во Алтайского гос. ун-та, 2014. 283 с.
Кирста Ю.Б., Лубенец Л.Ф., Черных Д.В. Типизация ландшафтов для оценки речного стока в Алтае-Саянской горной стране // Устойчивое развитие горных территорий. 2011. № 2 (8). С. 51–56.
Кирста Ю.Б., Трошкова И.А. Влияние метеорологических факторов на весенние половодья горных рек // Известия Алтайского отделения Русского географического общества. 2023. № 4. С. 25–39. https://doi.org/10.24412/2410-1192-2023-17103
Медведков К.С., Штриплинг Л.О. Ухудшение ситуации с подтоплением, связанное с антропогенным влиянием на примере города Тюкалинска // Известия Томского политехнического университета. Инжиниринг георесурсов. 2018. Т. 329. № 9. 143–152.
Селегей В.В., Селегей Т.С. Телецкое озеро. Л.: Гидрометеоиздат. 1978. – 143 с.
Физико-географическое районирование СССР. Характеристика региональных единиц / Под ред. проф. Н.А. Гвоздецкого. М.: Изд-во Моск. ун-та, 1968. 576 с.
Akbarian H., Gheibi M., Hajiaghaei-Keshteli M., Rahmani M. A hybrid novel framework for flood disaster risk control in developing countries based on smart prediction systems and prioritized scenarios // Journal of Environmental Management. 2022. Vol. 312. 114939. https://doi.org/10.1016/j.jenvman.2022.114939
Bentivoglio R., Isufi E., Jonkman S.N., Taormina R. Deep Learning Methods for Flood Mapping: A Review of Existing Applications and Future Research Directions // Hydrol. Earth Syst. Sci. Discuss. 2022. Vol. 26. P. 4345–4378. https://doi.org/10.5194/hess-26-4345-2022
Brinkerhoff C.B., Gleason C.J., Feng D., Lin P. Constraining remote river discharge estimation using reach‐scale geomorphology // Water Resources Research. 2020. Vol. 56 (11). e2020WR027949. https://doi.org/10.1029/2020WR027949
Dibike Y.B., Shrestha R.R., Johnson C., Bonsal B., Coulibaly P. Assessing climatic drivers of spring mean and annual maximum flows in Western Canadian river basins // Water. 2021. Vol. 13 (12). 1617. https://doi.org/10.3390/w13121617
Dikshit A., Pradhan B., Matin S.S., Beydoun G., Santosh M., Park H.J., Maulud K.N.A. Artificial Intelligence: A new era for spatial modelling and interpreting climate-induced hazard assessment // Geoscience Frontiers. 2024. Vol. 15 (4). 101815. https://doi.org/10.1016/j.gsf.2024.101815
Fleming S.W., Garen D.C., Goodbody A.G., McCarthy C.S., Landers L.C. Assessing the new Natural Resources Conservation Service water supply forecast model for the American West: A challenging test of explainable, automated, ensemble artificial intelligence // Journal of Hydrology. 2021. Vol. 602. 126782. https://doi.org/10.1016/j.jhydrol.2021.126782
Jayalakshmi N., Mantha S. 2 – Intelligence methods for data mining task. In: D. Binu, B.R. Rajakumar (eds). Artificial Intelligence in Data Mining. Academic Press, 2021. P. 21–39, https://doi.org/10.1016/B978-0-12-820601-0.00007-0
Karim F., Armin M.A., Ahmedt-Aristizabal D., Tychsen-Smith L., Petersson L. A review of hydrodynamic and machine learning approaches for flood inundation modeling // Water. 2023. Vol. 15 (3). 566. https://doi.org/10.3390/w15030566
Kirsta Y.B. System-analytical modelling – Part I: General principles and theoretically best accuracies of ecological models. Soil moisture exchange in agroecosystems // Ecological Modelling. 2006. Vol. 191 (3–4). P. 315–330. https://doi.org/10.1016/j.ecolmodel.2005.05.028
Kirsta Y.B. System-analytical modelling: 2. Assessment of runoff model sensitivity to environmental factor variations // Eurasian Journal of Mathematical and Computer Applications. 2020. Vol. 8 (3). P. 67–77. https://doi.org/10.32523/2306-6172-2020-8-3-67-77
Kirsta Y., Puzanov A., Rozhdestvenskaya T. Models for Describing Landscape Hydrochemical Discharge in Mountain Countries. In: W. Mirschel, V. Terleev, K.O. Wenkel (eds). Landscape Modelling and Decision Support. Innovations in Landscape Research. Springer, Cham, 2020. P. 163–178. https://doi.org/10.1007/978-3-030-37421-1_9
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. 2023a. Vol. 11 (3). P. 76–97. https://doi.org/10.32523/2306-6172-2023-11-3-76-97
Kirsta Y.B., Troshkova I.A. High-performance forecasting of spring flood in mountain river basins with complex landscape structure // Water. 2023b. Vol. 15 (6). 1080. https://doi.org/10.3390/w15061080
Koch·M, Cherie N. SWAT-modeling of the impact of future climate change on the hydrology and the water resources in the upper blue Nile river basin, Ethiopia. In: Proceedings of the 6th International Conference on Water Resources and Environment Research. Koblenz, Germany, 2013. P. 428–523.
Langhammer J, Bernsteinova J. Which aspects of hydrological regime in mid-latitude montane basins are affected by climate change? // Water. 2020. Vol. 12 (8). 2279. https://doi.org/10.3390/w12082279
Moriasi D.N., Arnold J.G., Van Liew M.W., Bingner R.L., Harmel R.D., Veith T.L. Model evaluation guidelines for systematic quantification of accuracy in watershed simulation // Trans. ASABE. 2007. Vol. 50 (3). P. 885–900. https://doi.org/10.13031/2013.23153
Palchevsky E., Antonov V., Enikeev R.R., Breikin T. A system based on an artificial neural network of the second generation for decision support in especially significant situations // Journal of Hydrology. 2023. Vol. 616. 128844. https://doi.org/10.1016/j.jhydrol.2022.128844