Гидрологические модели — ключевой инструмент исследования процессов приземного влагооборота в условиях изменчивого климата и ограниченности данных наблюдений. Развитие гидрологического моделирования требует комплексного расширения как его теоретических основ, так и информационного обеспечения, перспективы которого, в частности, связаны с развитием структурно-гидрографического анализа речных систем. В рамках этого направления важной задачей является развитие методов и технологии моделирования речной сети на основе цифровых моделей рельефа.
Рассматривается возможность построения региональной модели речной сети, в том числе для неизученных бассейнов, с помощью современных методов и технологий структурно-гидрографического анализа речных систем. Моделирование выполнялось на основе ЦМР FABDEM в среде ArcMap 10.8.2, с использованием авторского инструмента-надстройки для среды ArcGIS Desktop, реализующего единый алгоритм определения истоков водотоков и построения речной сети на основе подбора порогового значения функции инициации (критериального индекса). В данном исследовании применена модель с двумя калибруемыми параметрами для решения проблемы «коротких» притоков при моделировании речной сети. На примере черноморского побережья Кавказа показаны возможности моделирования речной сети с двумя параметрами при использовании различных вариантов функций инициации, с помощью метода ранжирования выбраны наилучшие из них. Проанализированы различия в моделировании речных сетей в бассейнах с различными высотными характеристиками, показано преимущество комплексного энергетического индекса (CEI) для моделирования речной сети в средне- и низкогорных областях. Показана возможность моделирования речных сетей на основе региональных обобщений параметров модели.
Идентификаторы и классификаторы
- SCI
- Науки о Земле
В современных условиях глобальных климатических изменений и антропогенной трансформации речных бассейнов, гидрологические модели представляют собой фундаментальный инструментарий для прогнозирования и анализа динамики водных ресурсов. Совершенствование этих моделей, особенно в контексте изучения процессов приземного влагооборота, приобретает стратегическое значение для решения комплекса задач водопользования, борьбы с наводнениями и устойчивого развития [1−3]. Актуальность данного направления обусловлена рядом фундаментальных факторов: 1) климатическая изменчивость — повышенная частота экстремальных гидрологических явлений, изменение характера осадков и температурных режимов требуют адаптации существующих моделей; 2) сложное пространственное строение речных бассейнов – обширные речные бассейны неправильной конфигурации, включающие в себя горные и равнинные территории, разнообразие ландшафтов и урбанизированные зоны, требуют разработки дифференцированных подходов; 3) ограниченность эмпирических данных —неравномерность и фрагментарность наблюдательной сети, особенно в труднодоступных регионах, создаёт пробелы в информационном обеспечении моделей.
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Bloschl G., Sivapalan M. “Scale issues in hydrological ¨ modelling: a review”, Hydrological Processes, vol. 9, no. 3-4, pp. 251-290, 1995.
2. Haddeland J., Heinke H., Biemans et al. Global water resources affected by human interventions and climate change. Proceedings of the National Academy of Sciences of the United States of America, 2014, vol. 111, no. 9, pp. 3251-3256.
3. Cudennec C., Gelfan A., Ren L., Slimani M. Hydrometeorology and hydroclimate. Advances in Meteorology, 2016, vol. 2016, p. 1487890. DOI: 10.1155/2016/1487890
4. Иглин С. М., Морейдо В.М., Головнин К. И. Прогнозирование редких гидрологических явлений методами машинного обучения на примере ледовых заторов на реке Печоре // Вестник Московского университета. Серия 5: География. 2025. Т. 80, № 1. С. 87-97. DOI: 10.55959/MSU0579-9414.5.80.1.6
Iglin S.M., Moreido V.M., Golovnin K.I. forecasting rare hydrological events by machine learning methods: case study of ice jams on the Pechora River. Bulletin of the Moscow University. Episode 5: Geography. 2025, vol. 80, iss. 1, pp. 87-97. (In Russian; abstract in English). DOI: 10.55959/MSU0579-9414.5.80.1.6
5. Cudennec C., Lavenne A. de. Hydrogeomorphology - a long-term scientific interface. Hydrology Research, 2015, vol. 46, no. 2, pp. 175-179.
6. Гарцман Б.И., Бугаец А.Н., Тегай Н.Д. Краснопеев С.М. Анализ структуры речных систем и перспективы моделирования гидрологических процессов // География и природ. ресурсы. 2008. № 2. С. 116-123.
7. Гарцман Б.И., Галанин А.А. Структурно-гидрографический и морфометрический анализ речных систем: теоретические аспекты // География и природ. ресурсы. 2011. № 3. С. 27-37.
8. Гарцман Б. И. Анализ геоморфологических условий формирования первичных водотоков на основе цифровых моделей рельефа // География и природные ресурсы, 2013. № 1. C. 136-147.
9. Rodriguez-Iturbe I., Rinaldo A. Fractal river basins: chance and self-organization. Cambridge University Press, 1997. 547 p.
10. Yen B.C., Lee K.T. Unit hydrograph derivation for ungauged watersheds by stream order laws. Jour. of Hydrol. Engin, 1997, vol. 2., iss. 1, pp. 1-9. :1(1). DOI: 10.1061/(ASCE)1084-0699(1997)2
11. Reggiani P., Sivapalan M., Hassanizaden S.M., Gray W.G. Coupled equations for mass and momentum balance in a stream network: Theoretical derivation and computational experiments. Proc. R. Soc. Lond. A, 2001, vol. 457, pp. 157-189. DOI: 10.1098/rspa.2000.0661
12. Gupta V.K. Emergence of statistical scaling in floods on Channel networks from complex runoff dynamics. Chaos, Solitons and Fractals, 2004, vol. 19, iss. 2, pp. 357-365. DOI: 10.1016/S0960-0779(03)00048-1
13. Lee K.T., Chang C.H. Incorporating subsurface-flow mechanism into geomorphology based IUH modeling. Journal of Hydrology, 2005, vol. 311, iss. 1-4, pp. 91-105. DOI: 10.1016/j.jhydrol.2005.01.008
14. Гарцман И.Н. Топология речных систем и гидрографические индикационные исследования // Водн. ресурсы, 1973. №3. С 109-124.
15. Казанский Б.А. Теоретические закономерности распределения речных структур / Тр. ДВНИГМИ. Вып. 63. Л.: Гидрометеоиздат, 1977. С. 85-90.
16. Карасев М.С., Худяков Г.И. Речные системы (на примере Дальнего Востока). М.: Наука, 1984. 143 с.
17. Корытный Л.М. Бассейновая концепция в природопользовании. Иркутск: Ин-т геогр. СО РАН, 2001. 163 с.
18. Алексеевский Н.И. Индикационные методы гидроморфологических исследований // Эрозия почв и русловые процессы. Вып.12. М.: Изд-во МГУ. 2000.
19. Алексеевский Н.И. Масштабные изменения характеристик системы поток-русло по длине рек / Фундаментальные проблемы воды и водных ресурсов. Мат-лы 3-й всеросс. конф. 24-28 августа 2010. Барнаул. 2010. С. 4-6.
20. Сидорчук А.Ю. Фрактальная геометрия речных сетей // Геоморфология. 2014. №1. С. 3-14.
21. Сидорчук А.Ю Структура русловых сетей // Маккавеевские чтения - 2015: материалы ежегодного научного семинара, Москва, 04.12.2015. Москва: МГУ им. М.В. Ломоносова, 2016. С. 70-82.
22. Учаев Д. В. Методика геоинформационного моделирования речных сетей на основе фрактальных методов. Дисс. … кандидата технических наук. Москва, 2007. 181 с.
23. Мазуркин П.М., Иванов А. А, Кораблева Н.Ю. Фрактальный анализ структуры малой реки // Охрана и защита, обустройство, индикация и тестирование природной среды: сборник статей студентов, аспирантов, преподавателей: научно-учебное издание / Поволжский гос. технол. ун.-т., Марийский гос. техн. ун.-т., Российская акад. естествознания. Москва: Академия Естествознания, 2010. С. 193-202.
24. Соколова Н. В. О природных фрактальных структурах управления реками // Ландшафтоведение и ландшафтная экология: коадаптация ландшафта и хозяйственной деятельности: Материалы международной научно-практической конференции, Симферополь, 20-25 сентября 2020 года / Ред. Е.А. Позаченюк [и др.]. Симферополь: Крымский федеральный университет им. В.И. Вернадского, 2020. С. 128-133.
25. Еременко Е.А., Панин А.В. Ложбинный мезорельеф Восточно-Европейской равнины. М.: МИРОС, 2010. 192 с.
26. Сидорчук А.Ю., Панин А.В., Борисова О.К. Определение величины речного стока в геологическом прошлом по морфометрии палеорусел // Закономерности проявления эрозионных и русловых процессов в различных природных условиях: Материалы V Всероссийской научн. конф. с межд. участием. Москва: Ленанд, 2019. С. 355-357.
27. Сидорчук А.Ю, Борисова О.К., Панин А.В. Палеогидрология рек бассейна реки Дон // Гидросфера. Опасные процессы и явления. 2023. Т. 5. № 2. С. 172-190. DOI: 10.34753/HS.2023.5.2.172
Sidorchuk A.Yu., Borisova O.K., Panin A.V. paleohydrology of rivers in the don river basin. Hydrosphere. Hazard processes and phenomena. 2023, vol. 5, iss. 2, pp. 172-190. (In Russian; abstract in English). DOI: 10.34753/HS.2023.5.2.172
28. Gartsman B.I., Entin A.L., Shekman E.A. Special tools for structural and hydrographic analysis of river systems in the ArcMap environment. Water Resources. 2024, vol.51, iss. 3. pp. 171-184. DOI: 10.1134/S0097807824700726
29. Толкачева В. Ф., Гарцман Б.И., Энтин А.Л. Сравнение вариантов функций инициации для моделирования речной сети на основе цифровой модели рельефа с помощью новейшего инструмента-надстройки в среде ARCMAP (на примере Черноморского побережья Кавказа) // Enviromis 2024: международная конференция по измерениям, моделированию и информационным системам для изучения окружающей среды, Томск, 01-06 июля 2024 года. Томск: Томский центр научно-технической информации, 2024. С. 201-204.
30. Ресурсы поверхностных вод СССР: Гидрологическая изученность. Т. 9. Закавказье и Дагестан. Вып. 1. Западное Закавказье / под ред. Т. Н. Джапаридзе. Л.: Гидрометеоиздат, 1964. 224 с.
31. Ресурсы поверхностных вод СССР: Гидрологическая изученность. Т. 9. Закавказье и Дагестан. Вып. 1. Западное Закавказье / под ред. Т. Н. Джапаридзе. Л.: Гидрометеоиздат, 1974. 223 с.
32. Гарцман Б.И., Шекман Е.А. Возможности моделирования речной сети на основе ГИС-инструментария и цифровой модели рельефа // Метеорология и гидрология. 2016. № 1. С. 86-98.
33. Laurence Hawker et al. A 30 m global map of elevation with forests and buildings removed. Environ. Res. Lett., 2022, vol. 17. DOI: 0.1088/1748-9326/ac4d4f.
34. Калинин В. Г., Пьянков С. В. Применение геоинформационных технологий в гидрологических исследованиях // Пермь: Пермский государственный национальный исследовательский университет, 2010. 217 с.
Kalinin V.G., Pyankov S.V. Application of GIS technologies in hydrological research. Perm State National Research University, 2010, 217 pp. (In Russian; abstract in English).
35. Толкачева В. Ф., Гарцман Б.И., Энтин А.Л. Моделирование речной сети на основе цифровой модели рельефа: проблема “коротких” притоков // Гидросфера. Опасные процессы и явления. 2024. Т. 6, № 2. С. 110-124. DOI: 10.34753/HS.2024.6.2.110
Tolkacheva V.F., Gartsman B.I., Entin A.L. Modeling a river network based on a digital relief model: the problem of “short” tributaries. Hydrosphere. Hazard processes and phenomena. 2024, vol. 6, iss. 2, pp. 110-124. (In Russian; abstract in English). DOI: 10.34753/HS.2024.6.2.110
36. Толкачева В. Ф., Гарцман Б.И. Моделирование речной сети на основе цифровой модели рельефа (на примере Черноморского побережья Кавказа) // Пятые Виноградовские чтения. Гидрология в эпоху перемен: Сб. докл. межд. научн. конф. памяти выдающегося русского ученого Юрия Борисовича Виноградова, 05-14 октября 2023 года. Санкт-Петербург: ООО “Издательство ВВМ”, 2023. С. 604-609. Tolkacheva V.F., Gartsman B.I. Modeling of a river network based on a digital relief model (using the example of the Black Sea coast of the Caucasus)/ In: The fifth Vinogradov Readings. Hydrology in an era of change (Saint-Petersburg, Russia), October 9-14th, 2023: conference proceedings. Saint-Petersburg, 2023, pp. 604-609. (In Russian; abstract in English).
37. Морейдо В. М., Гарцман Б.И., Толкачева В.Ф. Определение основных гидрографических характеристик притоков Иваньковского водохранилища с помощью современных технологий цифрового картографирования // Национальный парк “Государственный комплекс “Завидово” - 95 лет (1929-2024). Великий Новгород: ООО Типография “Виконт”, 2024. С. 41-52.
Выпуск
Другие статьи выпуска
Статическое зондирование является одним из наиболее доступных и достаточно достоверных для целей проектирования способом определения плотности песчаных грунтов в массиве, в том числе, расположенных ниже уровня грунтовых вод. Как известно, отбор монолитов таких грунтов с помощью грунтоносов затруднен и далеко не всегда целесообразен, а соответственно, распространенный, в нормативной документации метод «режущего кольца» выполнить не представляется возможным. Альтернативный метод замещения объема, доступный для применения на поверхности, либо в шурфах также не решает проблему определения плотности на больших глубинах. Гамма-гамма каротаж широкого распространения не имеет и в современных реалиях применяется крайне редко.
Однако, несмотря на преимущества статического зондирования перед тремя вышеописанными методами и возможность расчета параметра p по результатам статического зондирования, в действующей российской нормативной документации соответствующая методика не представлена. В статье рассмотрен зарубежный опыт вычисления плотности песков в зависимости от сопротивления конуса ненормализованного и нормализованного, муфты трения, порового давления; проведено сравнение зарубежных и отечественных методик, сделаны выводы о их применимости.
Традиционные методы гидрологического прогнозирования, основанные на линейных зависимостях между снегозапасами, осадками и стоком, часто демонстрируют недостаточную точность, особенно в условиях изменчивого климата и экстремальных гидрометеорологических явлений. В данной статье проведен анализ эффективности классических подходов на примере реки Пур (пос. Самбург), который выявил значительные погрешности в прогнозах слоя стока (до 27 %), объема половодья (до 29 %) и максимальных расходов воды (до 105 %). Эти результаты подчеркивают ограниченность существующих методов и необходимость внедрения современных технологий.
В качестве альтернативы рассмотрено применение нейросетевых моделей, способных учитывать нелинейные взаимосвязи. Нейросети продемонстрировали высокую точность прогнозирования с погрешностью 5 см для максимальных уровней воды. Их ключевые преимущества включают адаптивность к новым данным и устойчивость к аномальным условиям.
Результаты исследования подтверждают, что нейросетевые методы могут быть успешно использованы в оперативной практике для улучшения гидрологических прогнозов. В статье также предложены рекомендации по внедрению гибридных подходов, сочетающих физико-статистические модели с машинным обучением, и развитию автоматизированных систем мониторинга. Переход к технологиям искусственного интеллекта представляет собой важный шаг в повышении надежности прогнозов и минимизации рисков, связанных с половодьями и другими гидрологическими явлениями.
За последние 40 лет наблюдается критическое сокращение объемов специализированных полевых исследований в области лавиноведения и снеговедения. Количество снеголавинных станций, осуществляющих регулярный мониторинг и систематический сбор данных о снеголавинных процессах, значительно уменьшилось, а доступность накопленных материалов, включая архивные данные предшествующих периодов, существенно ограничена вследствие их коммерциализации. На фоне возрастания научно-технологических возможностей натурных исследований снега и лавин, а также активизации подобных работ в зарубежных странах, сложившиеся в нашей стране обстоятельства свидетельствуют о неблагоприятных условиях для прогрессивного развития отечественного лавиноведения и сильного отставания в этом направлении от других стран. При этом площадь пораженности территории лавинными процессами в России гораздо больше, чем в Европе, а условия лавинообразования — разнообразней. Среди приоритетных направлений — создание специализированных научно-исследовательских полевых центров изучения снеголавинных процессов в регионах с их высокой интенсивностью проявления. В качестве пилотного проекта такого центра предлагается рассмотреть его организацию в Сахалинской области. В статье проводится анализ природно-климатических, географических и социально-экономических предпосылок для формирования такого полевого центра на Сахалине. Представлен обзор международного опыта функционирования научно-исследовательских центров в Швейцарии, Японии, США, Норвегии и других странах, где применяются передовые методики мониторинга и прогнозирования лавинной опасности. Подчеркивается необходимость возобновления систематических наблюдений и расширения сети полевых станций на Дальнем Востоке России для повышения безопасности населения и устойчивого развития территорий. В статье также обсуждаются организационные вопросы, рекомендуемый штат сотрудников и необходимое техническое обеспечение центра.
Статья посвящена изучению закономерностей многолетних колебаний уровней воды бессточных озер Чаны и Сартлан, расположенных на юге Западной Сибири. Как известно, уровень воды является интегральным показателем состояния водных ресурсов водоема, и изучение его динамики является важной научной задачей, позволяющей предсказать и смягчить неблагоприятные водохозяйственные и экологические ситуации, возникающие как при резком снижении (осушение береговой террасы), так и резком повышении (затопление прибрежных территорий) уровней озер. На основании данных стандартных гидрометеорологических наблюдений и их корректировки, и использования климатических архивов, получены расчетные многолетние ряды среднегодовых и среднемесячных значений уровней воды рассматриваемых озер, а также температуры воздуха и сумм осадков в районах их расположения. Выявлены закономерности многолетних колебаний указанных характеристик за период с 1944 по 2020 гг. и дана количественная оценка изменений уровней озер за период c 1979 по 2020 гг. в условиях нестационарной климатической ситуации
В статье рассмотрены условия формирования заторов и зажоров льда на реке Вага и их изменчивость за многолетний период. В качестве исходных данных использовались материалы наблюдений на гидрологических постах, ежедневые уровни воды и ледовая обстановка, картографические и архивные материалы, спутниковые снимки. Анализ мест формирования зажоров и заторов льда на реке Вага выполнен по данным картографических материалов и лоций, особенности условий формирования зажорно-заторных явлений за многолетний период определялись по пространственно-временным графикам уровней воды.
Формирование зажоров и заторов льда являются неотъемлемой частью ледового режима реки Вага и наблюдаются практически ежегодно. Подъемы уровней воды, вызванные зажорами льда, не превышают отметок выше отметок опасных явлений (ОЯ) и неблагоприятных явлений (НЯ), заторные подъёмы уровня воды по постам с. Шенкурск и г. Пасьва в отдельные годы превышают отметки ОЯ и НЯ. Заторные подъёмы уровней воды невелики и, как правило, формируются на фазе подъёма весеннего половодья. Места формирования зажоров заторов льда постоянны и не изменились за многолетний период. Чаще всего они формируются на участках нарушения свободного транспорта льда: у излучин, приверхов островов, сужении реки в устьевом участке реки Вага. Продолжительность зажоров льда достигает несколько месяцем и, в то время как заторы льда на реке Вага быстротечны, их продолжительность в среднем не превышает 1–2 дней. Заторы льда локальны и, как правило, разрушение одного затора не приводит к формированию следующего ниже по течению; В некоторые годы, когда вскрытие реки проходит не последовательно снизу вверх (против течения), возможно формирование заторов льда у кромки ледяного покрова; при условии более позднего вскрытия р. Северная Двина заторы льда формируются на устьевом участке р. Вага.
Статистика статьи
Статистика просмотров за 2026 год.
Издательство
- Издательство
- ГИДРОТЕХПРОЕКТ
- Регион
- Россия, Валдай
- Почтовый адрес
- 175400, НОВГОРОДСКАЯ ОБЛАСТЬ, М. О. ВАЛДАЙСКИЙ, Г. ВАЛДАЙ, УЛ. ОКТЯБРЬСКАЯ, ЗД. 55А, ПОМЕЩ. 7
- Юр. адрес
- 175400, НОВГОРОДСКАЯ ОБЛАСТЬ, М.О. ВАЛДАЙСКИЙ, Г. ВАЛДАЙ, УЛ. ОКТЯБРЬСКАЯ, ЗД. 55А, ПОМЕЩ. 7
- ФИО
- Виноградов Алексей Юрьевич (ГЕНЕРАЛЬНЫЙ ДИРЕКТОР)
- Контактный телефон
- +7 (___) _______
- Сайт
- https://npogtp.ru/