Анализ изменения характеристик речного стока на основе эмпирических данных и данных дистанционного зондирования Земли (РФФИ)НИР

The analysis of change of characteristics of a river runoff on the basis of empirical data and data of remote sensing

Источник финансирования НИР

грант РФФИ

Этапы НИР

# Сроки Название
1 1 января 2016 г.-31 декабря 2016 г. Анализ изменения характеристик речного стока на основе эмпирических данных и данных дистанционного зондирования Земли
Результаты этапа: Согласно плану исследований 2016 г. работы велись по нескольким направлениям: 1. Разработка технологии получения и обработки данных GRACE. Анализ отечественной и зарубежной научно-технической литературы по тематике проекта показал широкие возможности использования гравиметрических данных для глобального мониторинга за изменением запасов воды в месячных интервалах и с пространственным разрешением от уровня крупных речных бассейнов (>200 000 км2) (Swenson et al., 2003; Chen et al., 2005; Seo et al., 2006) до континентов (Ramillien et al., 2005; Schmidt et al., 2008; Syed et al., 2008). В последние несколько лет данные спутника GRACE широко ассимилируются в глобальных гидрологических моделях (Li et al., 2012; Frappart et al., 2006; Niu, Yang, 2006; Swenson et al., 2006; Swenson, Milly, 2006; Syed et al., 2008), а также применяются для расчета отдельных составляющих водного баланса, включая испарение (Rodell et al., 2004; Ramillien et al., 2006), сток (Syed et al., 2005, 2007), осадки минус испарение (Р – Е) (Swenson, Wahr, 2006), изменения запасов подземных вод (Rodell et al., 2007; Yeh et al., 2006; Swenson et al., 2007; Velicogna et al., 2012; Castle et al., 2014; Moiwo et al., 2012; Velicogna et al., 2010). Возможности GRACE наблюдать за запасами вод суши в месячных интервалах времени использованы для оценки динамики среднегодовых расходов в бассейнах евразийских рек, относящихся к области стока Северного Ледовитого океана (Landerer et al., 2010). На основе данных GRACE и данных NCEP–NCAR и ECMWF о балансе влаги в атмосфере были получены оценки поверхностного и подземного стока воды с континентов (Tajdarul et al., 2009). Необходимо отметить работы по улучшению, разработке и проверки методик фильтрации исходного сигнала спутниковой системы GRACE (Hirschi et al., 2014). Показаны возможности выделения в данных GRACE тренда и сезонной составляющей (Rangelova, 2010). В работах (Swenson et al., 2002; Landerer, Swenson, 2012; Seo and Wilson, 2005; Swenson and Wahr, 2004, 2006; Chen et al., 2005; Ramillien et al., 2005) рассмотрены вопросы фильтрации данных и минимализации ошибок GRACE. Список отечественных работ, посвященных рассматриваемой тематике, весьма ограничен. Особенности обработки данных и оценки гидролого-гидрогеологических характеристик крупных речных бассейнов и регионов по данным GRACE рассмотрены в статье (Булычев и др., 2012), возможность использования данных спутниковой гравиметрии в гидрологии для крупнейших речных бассейнов России показана в статьях авторов проекта (Зотов и др., 2015; 2016; Zotov, Frolova, Shum, 2015). Авторами данного проекта разработан и усовершенствован метод получения данных GRACE с серверов Геофизического института GFZ (Потсдам, Германия), Центра космических исследований CSR (Остин, США) и Лаборатории реактивного движения JPL (Пасадена, США) в виде ежемесячного гравитационного поля, разложенного по коэффициентам Стокса до 60 степени включительно на сфере со средним радиусом Земли. Орбитальные и инструментальные погрешности коррелированы в резонансных степенях сферических гармоник и их коэффициентов Стокса, что является причиной высокочастотных пространственных шумов страйпов (рис. 1 – здесь и далее номера рисунков в приложении 1). Разные авторы предлагают использовать всевозможные методы фильтрации для удаления страйпов и минимизации шумов в ежемесячных решениях GRACE. Среди них – гауссовская фильтрация с симметричным и асимметричным ядром, фильтры Винера и регуляризирующие фильтры, дестрайпинговые/сглаживающие фильтры, предназначенные убирать аномально большие значения из резонансных порядков коэффициентов Стокса. Многоканальный сингулярный спектральный анализ, также называемый расширенным ЭОФ (эмпирические ортогональные функции), является обобщением сингулярного спектрального анализа (ССА) для многокомпонентных (многоканальных) временных рядов (Ghil et al., 2002; Jollife, 2001; Зотов, 2010). Компоненты изменений глобального гравитационного поля Земли по данным GRACE выделены методом многоканального сингулярного анализа (МССА). Метод МCCА основан на сингулярном разложении траекторной матрицы вложения временного ряда и подробно описан в (Зотов и др., 2015, 2016). При выполнении МССА до 90 % полезного сигнала распределяется по главным компонентам (ГК), включая тренд, сезонную, полугодовую составляющие. Оставшаяся часть может попадать в более высокочастотные оставляющие, соответствующие сингулярным числам больших порядковых номеров, которые отфильтровываются. Он позволяет разделить исходный ряд на компоненты различной периодичности, вбирающие основную его изменчивость, и отфильтровать шумы. На выходе получаются данные относительного локального изменения гравитационного поля с точностью до микроГала (1 Гал = 0.01 м/с?) и пространственным разрешением около 300 км. Мы применили МССА в спектральной области к коэффициентам Стокса. Распределение сингулярных чисел (СЧ) показано на рис. 2. Они были сгруппированы в ГК и переведены в пространственные карты эквивалентного уровня воды. Первые два сингулярных числа объединены в ГК 1, представляющую годовой цикл (рис. 3), следующие два в ГК 2, представляющую тренд (медленные изменения) (рис. 4). Сумма МССА-компонент с 1 по 10 содержит наибольшую часть изменчивости (энергии) сигнала. Сингулярные числа с номерами больше 10 (СЧ> 10) содержат высокочастотную изменчивость, связанную с шумами, страйпами и некоторую высокочастотную изменчивость сигнала, связанную с транзитивными событиями, такими как микросейсмические деформации при землетрясениях. Результатом первого года исследований является также оценка точности данных GRACE для различных речных бассейнов. Данные по аномалиям влагозапасов предоставляют либо среднемесячные (GFZ, JPL, CSR и др.) или средние значения за 10 суток (GRGS). Хотя данные предоставляются в узлах сетки 1х1° или 0,5х0,5°, реальное разрешение составляет 3х3°, что определяется порядком и степенью разложения гравитационного поля по коэффициентам Стокса. Ошибки GRACE условно можно разделить на 2 типа: 1) ошибки в определении аномалии поля силы тяжести – зависят от точности, частоты измерений, метода обработки; 2) ошибки в определении вклада различных составляющих в аномалии поля тяжести – зависят от точности моделей атмосферы, океана и пр. Если ошибки 2 типа могут быть сокращены за счет более точного воспроизведения моделями движения масс в атмосфере, океане и земной коре, то ошибки 1 типа зависят, главным образом, от работы спутников GRACE. Среднеквадратическая величина ошибки для среднемесячных бассейновых влагозапасов (?tws), согласно (Wahr et al., 2006), составляет от нескольких миллиметров до первых сантиметров. При этом ошибка складывается из ошибок измерения и ошибок, связанных с влиянием соседних территорий. Методика их вычислений приведена в (Swenson, Wahr, 2002; Wahr et al., 2006). Однако окончательный вывод о точности определения бассейновых влагозапасов может дать уравнение водного баланса, включающее в себя осадки (P), испарение (E), речной сток (W) и изменение бассейновых влагозапасов TWS (недренируемый рекой подземный сток считается незначительным): (P(i+1)+Pi)/2 – (E(i+1)+Ei)/2 - (W(i+1)+Wi)/2 – (TWS(i+1) – TWSi)=0, где i– номер месяца. Для 9 речных бассейнов России такая проверка была проведена впервые. В качестве данных по осадкам и испарению использовались среднемесячные данные реанализа ERA-Interim, а для расходов воды – данные натурных наблюдений. Выбор ERA-Interim связан с проведенным в (Анисимов и др., 2016) анализом точности глобальных сеточных архивов, где ERA-Interim продемонстрировал лучшие результаты. Как видно из полученных нами результатов, для бассейна Селенги и Дона мы получаем отрицательные значения ошибок, что говорит о завышении величины ? для tws согласно (Swenson, Wahr, 2002). Для бассейнов Амура, Лены и Северной Двины значения ошибки ? для (P-E-W), хотя и являются положительными, но, по всей видимости, сильно занижены. Данные о влагозапасах, предоставляемых различными центрами обработки данных, также имеют различную точность. Сравнение производилось на основе величины общей ошибки для 9 водосборов. Использование масштабирующих коэффициентов, восстанавливающих амплитуду колебаний после применения гауссовского фильтра, используемого в GFZ, JPL и CSR, приводит к увеличению невязки водного баланса. По величине абсолютной ошибки наилучшие результаты показали результаты обработки CSR, средние по трем мировым центрам и данные JPL, отфильтрованные с помощью многоканального сингулярного спектрального анализа (MSSA). По величине относительной ошибки наилучшие результаты показал JPL (MSSA) и значения, осредненные по трем мировым центрам CSR, JPL и GFZ. 2. Создание специализированных пространственно распределенных баз данных гидрометеорологических характеристик по тематике проекта. Обработанная нами гравиметрическая информация представлена в виде осредненных данных об эквивалентном уровне воды для крупнейших речных бассейнов России с 2002 по 2016 гг. (рис. 5). Данные GRACE усреднены по трем центрам обработки (GFZ, JPL, CSR), обработаны с помощью многоканального сингулярного спектрального анализа. В работе широко использовалась созданная база данных по метеорологическим характеристикам (температура воздуха, осадки, запас воды в снежном покрове) для 703 метеостанций Европейской части России. Это потребовало предварительного анализа рядов этих характеристик для будущего корректного расчета составляющих водного баланса и величины влагозапасов. Средние месячные данные по осадкам и испарению взяты также из реанализа ERA – Interim. Проведено сравнение средних значений и средних квадратических отклонений различных метеорологических характеристик, осредненных для речных бассейнов, полученных по данным метеостанций и данным реанализа. Для осадков исследовалось влияние введения поправок на смачивание, замену приборов, изменение числа сроков наблюдений и др. В работе использовались также собранные данные по среднемесячным расходам воды по 416 гидрометрическим створам за 1936-2014 гг. Материалы по снегомерным съёмкам взяты с сайта meteo.ru по 229 пунктам в пределах ЕТР. На основе собранных данных проанализирована динамика основных гидрометеорологических элементов (температуры воздуха и осадков за год и отдельные сезоны, речного стока), что имеет самостоятельное научное значение. Так в работе (Колтерман, Магрицкий, Фролова, 2016) проанализированы многолетние колебания годового стока арктических рек. Их отличает чередование периодов разной продолжительности и водности. Синфазность в колебаниях стока присуща рр. Онега и Северная Двина, рекам Обского Севера, рр. Енисей, Хатанга, Анабар и Оленек, рр. Яна, Индигирка и Колыма. Асинфазность отмечена у р.Северная Двина и р.Обь, у р.Мезень и р.Енисей. Синхронность в колебаниях годового стока обнаружена у арктических рек европейской части России (R=0,60–0,70), Обского Севера (R=0,68–0,82), северо-западной части Республики Саха (Якутия) (R=0,60–0,70) и Яно-Колымского района (R=0,53–0,59). Достаточно высокие коэффициенты парной корреляции также между колебаниями стока р.Надым и р.Обь, р.Надым и р.Печора (R=0,53–0,58). Статистически значимых случаев асинхронной изменчивости годового стока не выявлено. Лишь очень условно к таким районам можно отнести арктические реки Обского Севера и Республики Саха (Якутия) (R = – 0,15... – 0,27), или реки Севера ЕЧР и р.Колыму (R = – 0,16... – 0,21). Главная же особенность многолетних колебаний стока воды большинства арктических рек – его увеличение со второй половины 1980-х гг., а у рек Северо-Востока – с середины и второй половины 1990-х гг. Оно обусловлено изменениями климатических условий формирования стока с конца 1970-х – с начала 1980-х гг. В результате, средний сток Онеги, Северной Двины, Печоры, рек Обского Севера, Енисея, больших рек водосбора моря Лаптевых и западной части водосбора Восточно-Сибирского моря увеличился в 1976–2013 гг. (в сравнении с показателями периода – 1935–1975 гг.) в среднем на 5–10%. Статистический анализ рядов годового стока рек севера европейской части России за 1945-2014 гг. показал отсутствие значимых изменений годового стока практически для всех створов. Вместе с тем, незначительный рост общих водных ресурсов, или годового стока, (на 15-30%) наблюдается на реках, расположенных примерно между 56° и 60° с. ш. (левобережные притоки Волги в ее верхнем и среднем течении, часть бассейна Камы), т.е. преимущественно в лесостепной зоне. К северу и югу от этой полосы рост общих водных ресурсов находится в пределах ошибки их региональной оценки, т. е. выше средних многолетних значений на 5-15%. Такая тенденция характерна для бассейна Печоры, верховьев Северной Двины бассейна Вычегды, левобережных притоков Волги и верховьев Днепра, а также для левобережных притоков Дона и рек горной части бассейна Кубани. На остальной части ЕТР современные изменения годового стока незначительны, более того, в отдельных случаях наблюдается слабая тенденция уменьшения годового стока (Джамалов, Фролова и др., 2016). Для анализа экстремальных гидрологических явлений были использованы подходы, используемые в мировой практике для анализа выдающихся событий. В первую очередь, это классические методики, основанные на расчете «пороговых значений» характеристик стока. В качестве таких значений были выбраны суточные расходы 10 и 90 % обеспеченности, превышение которых фиксировалось и наносилось на комплексную региональную диаграмму. Таким образом, на диаграмме можно проследить группировки экстремально маловодных и многоводных лет в пределах одного региона, выявить общие закономерности и индивидуальные особенности каждого отдельного крупного водосбора. Работа проводилась для трех регионов: севера Европейской части России, представленного бассейнами рек Онега, С. Двина, Мезень, Печора; Центрального региона, представленного крупными и средними притоками Волги (Ока, Ветлуга, Вятка и др.); юга Европейской России, представленного бассейном р. Дон и водосборами его притоков. Так, например, для бассейнов рек Онега и Северная Двина наблюдается очень тесная корреляция по времени возникновения катастрофических по водности половодий. Это свидетельствует о тесной взаимосвязи формирования этих процессов на данных водосборах, а также их зависимости от характера циркуляции атмосферы, обусловленной здесь преимущественно западным переносом воздушных масс и влиянием Атлантики. Чем дальше водосбор расположен вглубь континента, тем независимее проявляются случаи экстремальных ситуаций. Так, связность экстремально высоких расходов воды в период половодья для Северной Двины и Мезени меньше. Еще более «независимо» проявляются эти процессы в бассейне Печоры. Если говорить в целом, то годы аномально высокой водности возникают с некоторой периодичностью. Так, на севере Европейской России, можно выделить два принципиальных периода – с середины 1950-х до начала 1970-х и с начала 1990-х до середины 2000-х годов. В эти промежутки времени здесь произошло более 80 % всех случаев превышения пороговых значений максимальных расходов воды. В то же время с середины 1970-х по начало 1990-х не было зафиксировано ни одного подобного явления. В Центральном регионе Европейской России и Поволжье тенденция к группировке экстремальных событий так же выражена, однако на нее накладывается общий для большинства рек тренд к уменьшению водности половодья и увеличению водности межени, а, следовательно, снижению частоты экстремальных явлений. Согласно расчетам 82 % всех экстремально высоких половодий произошло до середины 1980-х, после чего также наблюдался маловодный период, когда максимальные расходы были ниже критического значения 90% обеспеченности. Менее ярко эти тенденции проявляются в бассейнах левобережных притоков Средней Волги и в бассейне Камы. Можно выделить несколько «частот» возникновения этого явления – это 2-3 летние циклы, на которые накладываются 8-12 летние циклы, дающие наиболее существенные превышения пороговых значений. Ярче всего снижение частоты высоких половодий наблюдается на юге ЕТР – в бассейне Дона. Здесь этот процесс начался еще раньше – 90 % всех высоких половодий на Дону и его притоках прошли до начала 1970х годов. В то же время, почти 80 % аномально низких половодий наблюдались после середины 1980-х годов, особенно часто эти ситуации стали возникать после 2000 г., когда практически каждое третье половодье оказывалось ниже критического максимума. При этом скоррелированность высоких половодий на Дону и его притоках до середины 1970-х годов была очень высокая, в то время как после него эти события стали носить локальный и хаотичный характер. Среди экстремальных гидрологических явлений особое место занимают засухи, вызывающие большие ущербы. В 2015 г. продолжительная засуха наблюдалась практически во всей Европе, особенно в центральной и восточной части континента. В некоторых отдельных регионах, например, в северной Словакии это лето стало самым засушливым за последние 50 лет, в других - Чехии и Польше, вторым по счету. При сотрудничестве с европейскими специалистами рассмотрены вопросы формирования засухи от момента возникновения метеорологической аномалии до формирования дефицита влаги в почве и водных объектах. Было показано, что на уровне 500 Гпа наблюдалась мощная положительная аномалия давления. Аномалия возникла еще в марте и просуществовала почти все лето. Это привело к отрицательной аномалии осадков. В то же время температура поверхности океана в северной Атлантике была исключительно низкой. Оценка проявления гидрологической засухи была сделана для 800 створов Западной и Восточной Европы на основе суточной информации о расходах воды в 2015 г. (Van Lanen, Laaha, Rets, Frolova, Kireeva et al., 2016). Описанные выше результаты являются первой попыткой на основе количественных критериев выявить годы формирования аномалий стока рек отдельных крупных и однородных по своему гидрологическому режиму регионов. В дальнейшем предполагается проследить, как гравиметрические данные смогут помочь при анализе и прогнозе таких экстремальных событий. 3. Анализ данных наземных наблюдений и дистанционных данных Полученные и обработанные гравиметрические данные позволяют оценить сезонный и многолетний ход запасов влаги в бассейнах рек, выделить экстремальные гидрологические ситуации (например, значительное снегонакопление весной 2013 г. на Европейской территории России, маловодье 2010 и 2014 г. в бассейне Волги и др. (рис. 5-6); наводнение на Амуре и предшествующие ему высокие запасы воды в бассейне реки после весеннего половодья). Кроме того, можно определить аномалии влагозапасов по отношению к заданному среднему значению. Полученные данные хорошо согласуются с полями аномалий сезонной и месячной температуры приземного воздуха на территории ЕТР и данными по стоку рек. Реки Европейской территории и Сибири различаются по амплитуде сезонных колебаний и направленности трендов общих влагозапасов. Если для европейских рек характерны в целом убывающие тренды, то для сибирских рек - положительные. Сибирские реки определяют общие тренды массонакопления на всей территории России (рис. 5). Точная физическая интерпретация полученных сигналов со спутников требует сравнения с гидрологическими моделями (GLDAS, WGHM) и наземными наблюдениями. В качестве источника данных по осадкам, испарению и стоку были взяты данные GLDAS (Global Land Data Accumulated System) версии 2.0 с сайта [http://gdata1.sci.gsfc.nasa.gov/daac-bin/G3/]. Они содержат информацию за каждый месяц с 1948 г. по текущее время в узлах географической сетки 0,25° ? 0,25°. В целом процедура обработки данных для GLDAS-2 не отличается от GRACE, за тем исключением, что данные по осадкам получались в узлах сетки, как сумма твёрдых и жидких осадков, а стока как сумма поверхностного и подповерхностного. Как данные предшествующих исследователей (Frappart et al., 2006; Niu et al., 2006, Syed et al., 2008), так и наши оценки изменений запасов воды по методу GRACE показали их хорошую согласованность с гидрологическими моделями поверхности суши (рис. 6). Дальнейший анализ взаимосвязи гравиметрических данных и данных гидрологических моделей также предполагается провести в следующем году. Месячные изменения запасов воды на суше, полученные с помощью GRACE, позволяют рассчитывать важнейшие потоки влаги, включая суммарное испарение (эвапотранспирацию), сток, осадки минус испарение (Р – Е), изменения запасов подземных вод, а также, что наиболее важно, невязку водного баланса в различных масштабах. Уравнение изменения массы для речного бассейна можно записать в следующем виде: ?TWS = ?SW+ ?(P–E) + ?S + ?TSS – ?R, где ?TWS – данные наблюденные с помощью GRACE, ?SW – суммарное содержание воды в озерах, болотах, ?(P–E) – осадки минус испарение, ?S – содержание воды в снежном покрове, ?TSS – суммарное содержание влаги в почве, ?R – суммарный сток с водосбора. Было проанализировано также соотношение между элементами водного баланса речных бассейнов европейской части России. На основании данных по 40 крупным бассейнам выявлено, что роль изменения влагозапасов (по данным GRACE) сопоставима с вкладом изменчивости речного стока. Так отношение среднего квадратического отклонения суммарных влагозапасов к среднему квадратическому отклонения речного стока на юге превышает значение 1.5-2 (бассейны Дона, Оки), а на севере уменьшаются до 0.5 (началом года был выбран сентябрь, чтобы исключить влияние сезонного снежного покрова). При этом значительную роль в динамике бассейновых влагозапасов играет первый бесснежный месяц (апрель для южных рек, май для северных). В отдельные периоды года роль отдельных составляющих водного баланса может быть незначительной или равной нулю, тогда изменение влагозапасов по GRACE может быть объяснено только запасами в русловой сети и соответственно величиной ?R. В зимний период на изменение величины ?TWS будет влиять изменение запаса воды в снежном покрове ?S и изменение русловых запасов ?R, оцениваемое с помощью измеренной на постах величины стока рек. С сайта meteo.ru были взяты материалы по режимным снегомерным съёмкам по 229 пунктам на ЕТР. Чтобы определить тесноту связи ?TWS и ?S, данные GRACE из узлов градусной сетки были проинтерполированы по четырем ближайшим точкам в места проведения снегомерных съёмок. Далее, за ноябрь – апрель для пунктов проведения снегосъёмок на территории ЕТР были получены совместные ряды ?TWS (для всех трех научных центров) и запаса воды в снежном покрове S. Данные всех центров дают схожие результаты. Коэффициенты корреляции между ?TWS и S уменьшаются с 0,8 для северо-востока территории до 0,4–0,5 на юге ЕТР. Высокие коэффициенты корреляции на северо-востоке ЕТР объясняются устойчивой зимой с наибольшей для ЕТР средней мощностью снежного покрова (рис. 7). Во всех случаях на величину коэффициента корреляции помимо ошибок измерения S и ?TWS влияют и другие причины. Зимой на изменение TWS влияет не только изменение влагозапасов в снежном покрове, но и величина речного стока с рассматриваемой территории. Данная формула не учитывает возможность водоотдачи воды из снега в течение зимы, предзимнее увлажнение территории. Однако, попытка учесть этот фактор, вычтя из значений TWS за ноябрь-апрель значение TWS в октябре (как характеристику предзимнего увлажнения), также как и учёт стока рек не привели к существенному росту коэффициента корреляции. Результаты пространственно-временного анализа гравиметрических данных дополнены данными дистанционного микроволнового пассивного зондирования снежного покрова. С появлением в свободном доступе данных дистанционного зондирования возникли новые возможности оценки состояния поверхности суши и, в частности, снежного покрова - как важного для средних и высоких широт элемента природной среды. К несомненным положительным качествам спутниковых данных относятся детальное пространственное и временное разрешение в ходе наблюдений. При этом, алгоритмы пересчета характеристик микроволнового излучения, получаемых с бортовых радиометров в снегозапасы, остаются несовершенными. В частности, алгоритм расчета по спутниковым данным снегозапасов, предлдоженный А. Chang [2000], допускает ошибку в 25 % и более – в связи с наличием древесной растительности, орографией, значительной толщиной снега. Таким образом, одна из задач исследований состоит в оценке точности воспроизведенных по спутниковым данным (алгоритм А. Chang [2000]) пространственно-временных изменений снегозапасов с учетом изменений приземной температуры воздуха и осадков зимнего периода – и, прежде всего, для аномальных случаев снегонакопления. Анализ проводится на примере территории Евразии в границах России. Временной период принят продолжительностью 1979-2007 гг. в соответствии с наличием в открытом доступе однородных рядов фактических и восстановленных данных. Сравнительный анализ многолетних рядов показал, что невязка осредненных по крупным физико-географическим регионам среднемноголетних снегозапасов составляет 17-45% при обозначенной разработчиками алгоритма расчета восстановленных данных погрешности не более чем в 25 %. Стандартное отклонение, рассчитанное для восстановленных снегозапасов повсеместно более чем в два раза превышает величину стандартного отклонения для фактических данных, что может быть связано как с неточностями воспроизведения восстановленных снегозапасов, так и с погрешностями в интерполяции для неравномерно распределенных по площади метеорологических станций. На фоне потепления и незначимых тенденций в ходе осадков, наблюдается небольшой рост фактических снегозапасов при снижении снегозапасов восстановленных. Можно предположить, что многолетнее потепление и, соответственно, увеличение количества оттепелей обуславливают рост влажности снежной толщи и количества в ней льда, что занижает со временем восстановленные снегозапасы за счет погрешностей наблюдений и расчетов. Пространственное распределении коэффициентов линейного тренда фактических и восстановленных снегозапасов в целом находится в противофазе. Наибольшие ошибки восстановленных снегозапасов присущи районам с большой толщиной снега, лесной растительностью, горным рельефом, в местах с заметным многолетним ростом снегозапасов: север Восточно-Европейской равнины и Центральной Сибири, Среднеколымское нагорье и горы юга Сибири, Чукотка и Камчатка. Значительные погрешности на юге Восточно-Европейской равнины связаны с теплыми зимами при продолжающемся потеплении – с частыми оттепелями и, соответственно, с повышенном количеством влаги и льда в снежной тоще. Относительно малые погрешности восстановленных снегозапасов приурочены, в основном, к равнинным, слабо залесенным территориям с холодными зимами и средней величиной снегозапасов – степная зона в среднем течении Волги и Дона, Западная Сибирь, нижнее течение рек Хатанга и Оленек. Многолетний ход аномалий фактических снегозапасов очень редко совпадает с ходом аномалий приземной температуры воздуха и осадков. Одновременно в двух и более регионах (как правило, соседних) аномалии отмечаются: для фактических снегозаппасов в 9 % случаев, для приземной температуры воздуха и осадков в 12% случаев. В данном случае причиной несовпадений следует, по-видимому, считать неучет сезонной динамики колебаний призменной температуры воздуха и осадков, что, в свою очередь, связано с циркуляционными процессами в атмосфере. Для всех фактических данных характерна асимметрия распределения значений, выражающаяся, в частности, в разнице количества случаев с положительными и отрицательными аномалиями. Наблюдается очень слабая синхронность проявления региональных аномалий снегозапасов, приземной температуры воздуха и осадков. Одновременно в двух и более регионах аномалии отмечаются: для приземной температуры воздуха в 1979, 1983, 1985, 1998 гг., для осадков в 1984, 2002, 2004, 2005 гг., для снегозапасов в 1984, 1990, 1998 гг. Как правило, одновременное появление аномалий происходит в соседних регионах: Восточно-Европейская равнина – Западная Сибирь, Центральная Сибирь – Восточная Сибирь. Исключительно редки совпадение случаи аномалий фактических снегозапасов с аномалиями приземной температуры воздуха и осадков, поскольку формирование снежного покрова является результатом достаточно сложного взаимодействия изменений температуры воздуха и осадков. Для исследуемого периода времени совпадений аномальных случаев фактических и восстановленных снегозапасов не отмечено. Таким образом, фактические и восстановленные по спутниковым данным снегозапасы имеют малую схожесть в значениях, пространственном и временном распределении, в проявлении аномалий – алгоритмы пересчета спутниковых данных требуют доработки с учетом состояния поверхности. Полученные в работе закономерности могут служить как для уточнения значений уже восстановленных снегозапасов, так и для коррекции процедуры их расчета. Результаты исследований 2016 г. опубликованы в 12 работах (еще 2 статьи находятся в печати). Из них 2 статьи опубликованы в изданиях, индексируемых Web of Science, 4 статьи в рецензируемых журналах, рекомендованных ВАК, 10 в изданиях, включенных в библиографическую базу данных РИНЦ. Издано учебное пособие, в котором частично использованы результаты работы по проекту (Фролова Н.Л. Гидрология рек. Антропогенные изменения речного стока. Юрайт Москва, 2016. 113 с.). Результаты доложены на 6 международных и 4 всероссийских конференциях.
2 1 января 2017 г.-31 декабря 2017 г. Анализ изменения характеристик речного стока на основе эмпирических данных и данных дистанционного зондирования Земли
Результаты этапа: Расчет, анализ и картирование годовых и сезонных влагозапасов и их изменчивости по данным GRACE за 2002-2016 гг. для территории России в целом и для отдельных речных бассейнов. Авторами данного проекта разработан и усовершенствован метод получения данных GRACE с серверов Геофизического института GFZ (Потсдам, Германия), Центра космических исследований CSR (Остин, США) и Лаборатории реактивного движения JPL (Пасадена, США) в виде ежемесячного гравитационного поля, разложенного по коэффициентам Стокса до 60 степени включительно на сфере со средним радиусом Земли. С 2009 г. авторами [Зотов, Фролов, 2016; Зотов и др., 2017] для фильтрации данных GRACE применяется многоканальный сингулярный спектральный анализ (МССА) в спектральной области к коэффициентам Стокса до 60 степени и порядка. Эта методика позволяет отфильтровать шумы и выделить компоненты разной периодичности в многомерных спутниковых данных. На рис. 1 показана первая главная компонента, отражающая тренд в перераспределении масс суши с 2003 по 2016 год. Величины переведены в эквивалентный уровень воды (плоский слой), среднее вычтено. Видно уменьшение масс ледников Гренландии, Антарктиды, Аляски, Гималаев за прошедшее десятилетие (рис. 1). На рис. 3 представлен первая главная компонента, полученная в ходе МССА-анализа данных по массе океана, предварительно отфильтрованных по методике Дона Чамберса, взятых с сайте GRACE Tellus. Сигнал над океаном существенно слабее гидрологического сигнала над сушей и требует особой методики выделения. На карте видно, что сток пресных вод с ледниковых щитов приводит к образованию отрицательных аномалий масс вокруг Гренландии и Антарктиды, что связано с перераспределениями солености и плотности. Данные GRACE являются единственным на сегодня способом непосредственного мониторинга глобальной массовой (нестерической) компоненты изменений уровня моря. На рис. 3 представлен первая главная компонента, полученная в ходе МССА-анализа данных по массе океана, предварительно отфильтрованных по методике Дона Чамберса, взятых с сайте GRACE Tellus. Сигнал над океаном существенно слабее гидрологического сигнала над сушей и требует особой методики выделения. На карте видно, что сток пресных вод с ледниковых щитов приводит к образованию отрицательных аномалий масс вокруг Гренландии и Антарктиды, что связано с перераспределениями солености и плотности. Данные GRACE являются единственным на сегодня способом непосредственного мониторинга глобальной массовой (нестерической) компоненты изменений уровня моря. Рисунок 1 - Тренды в глобальном распределении масс суши с 2003 по 2016 г., полученные МССА-обработкой данных GRACE. Рисунок 2 - Тренды в глобальном распределении масс суши с 2003 по 2016 г., полученные МССА-обработкой данных GRACE, для территории России и Евразии Рисунок 3 - Тренды в глобальном распределении масс океана с 2003 по 2015 г., полученные МССА-обработкой данных GRACE по придонному давлению Интересно, что данные по гравитационному полю спутников GRACE и его изменению были использованы и для других геофизических обобщений. В ходе сравнения движения полюса и изменений коэффициентов гравитационного поля Земли по данным спутников GRACE было показано, что перераспределения масс, вызванные климатическими факторами, как-то таяние ледников, изменения стока рек, деградация мерзлоты, сопровождающееся послеледниковым поднятием со времен последнего ледникового периода, управляет трендами движения полюса Земли (Зотов и др., 2016, 2017). Из данных наблюдений видно, что тренд на ускорение вращения Земли, преобладавший последние 20 лет, сменился в ~2005 г. на замедление. В 2010-е также наблюдается уменьшение амплитуды Чандлеровского колебания, что делает нашу эпоху крайне важной для прояснения причин этих осцилляций. Кроме того, было проведено сопоставление космических наблюдений с измерениями абсолютным гравиметром ГАБЛ на гравиметрическом пункте на Красной Пресне, что показало отличное согласие за последние несколько лет (рис. 4). К сожалению, спутники GRACE прекратили свою работу в ноябре 2017 года. Последние данные второго уровня были получены на июнь 2017 г. Тренды в бассейнах крупных рек России получены от начала работы миссии (2002) вплоть до ее завершения (2017). В следующем (2018) году планируется запуск GRACE FO. Для анализа сезонного хода TWS (суммарные бассейновые влагозапасы - terrestrial water storage – TWS - запасы поверхностных и подземных вод во всех агрегатных состояниях), полученные по данным GRACE за 2002 – 2015 гг. были рассчитаны месяцы наступления минимальных (TWSmin) и максимальных (TWSmax) за год влагозапасов. Как для времени максимальных, так и минимальных влагозапасов прослеживается четкая зональность. Раньше всего TWSmin формируются на крайнем севере – в августе (а местами и в июле). Южнее 53° TWSmin наблюдаются в октябре. Вплоть до 50° с.ш. характерно, что по мере продвижения с северо-востока на юго-запад территории время формирования TWSmax сдвигается с более поздних сроков (май) на более ранние (март). Южнее 50° TWSmax вновь наступают позже (рис. 5). Для решения поставленных задач использовались программные комплексы Microsoft Office, ArcGIS, postgreSQL, CorelDraw и язык программирования python. Рисунок 4 - Сравнение данных GRACE с данными абсолютной гравиметрии (Данные абсолютных гравиметров предоставил В.Юшкин, Главный гравиметрический пункт) За 2002 - 2015 гг. TWSmin на севере практически не изменились. Для бассейнов Камы, Урала, Верхней Волги и особенно Оки произошло некоторое уменьшение влагозапасов, в пределах 10 мм/год. Наиболее значимое снижение произошло в бассейне Дона, где оно превысило 15 мм/год. Изменение TWSmax, было не столь существенным – положительные тренды не превышают 10 мм/год а отрицательные 15 мм/год. В целом же для ЕЧР за период 2002 – 2015 гг. изменений TWS не произошло, хотя годы с минимальными значениями TWS (2010, 2011, 2014) относятся ко второй половине периода. Изменение TWSmax было не столь существенным – положительные тренды не превышают 10 мм/год а отрицательные 15 мм/год (рис. 6). Практически для всего северо-запада ЕЧР наблюдается рост TWSmax. Области понижения максимальных влагозапасов, также, как и минимальных расположены на юге ЕЧР. При этом для TWSmax, в отличие от TWSmin, снижение в бассейнах Камы и Урала (более 10 мм/год) сопоставимо с таковым для бассейна Дона и Кубани. В целом же для ЕЧР за период 2002 – 2015 гг. изменений TWS не произошло, хотя годы с минимальными значениями TWS (2010, 2011, 2014) относятся ко второй половине периода. В бассейне Дона, претерпевшим наиболее существенные изменения по величине TWS, заметно снижение TWS за 2007 – 2010 гг. В дальнейшем снижение практически прекратилось, но и ростом не сменилось. Наименьшие влагозапасы в бассейне Дона имели место в 2015 г., когда их TWSmax был на уровне TWSmin 2002 – 2007 гг. Рисунок 5 - Месяцы наступления максимальных (TWSmax) (слева) и минимальных (TWSmin) (справа) за год влагозапасов Рисунок 6 - Линейный тренд минимальных (a) и максимальных влагозапасов (b) за 2002 – 2015 гг., мм/год (по данным GRACE) Ситуация в бассейне Оки схожа с бассейном Дона. Однако там с 2010 г. величина TWS вновь начала расти, достигнув максимума в 2013 г., когда влагозапасы в бассейне были на уровне 2002 – 2007 гг. Но в 2014, 2015 гг. вновь произошел резкий спад. В 2015 г. наблюдались минимальные величины TWSmax. На северных водосборах изменения были меньше, и они не носили однонаправленного характера. Для бассейна Печоры можно выделить период спада в 2002 – 2006 гг., подъема в 2006 – 2007 гг., затем снова спад с 2007 по 2012 г. и подъем по 2016 г. Для Северной Двины картина аналогична. В бассейне Невы (территория Ладожского и Онежского озер при расчете TWS не учитывалась) заметен рост в 2002 – 2004 гг. В остальной время каких-либо направленных изменений в многолетнем плане не было. 2. Оценка точности воспроизведения элементов водного баланса различными гидрологическими моделями по отношению к данным наземных наблюдений (сток, осадки, снежный покров). Сравнение данных GRACE с гидрологическими моделями Global Land Data Assimilation System (GLDAS, США), данными наземных метеорологических и гидрологических наблюдений для точной физической интерпретации полученной информации. На примере бассейна Северной Двины детально проанализированы месячные значения основных элементов водного баланса для бассейна за период действия спутников GRACE 2002–2015 гг. В качестве данных об осадках использовались материалы наземных 45 метеорологических станций, данные регулярной сетки CRU (Climatic Research Unit) (http://www.cru.uea.ac.uk) версия 3.24.01 с пространственным разрешением 0.5°, проекта GPCP (Global Precipitation Climatology Project) (https://www.esrl.noaa.gov) версия 2.3. с пространственным разрешением 2,5°. Данные об осадках наземных метеостанций осреднялись для бассейна р. Сев. Двины по методу полигонов Тиссена. Информация четырех версий системы усвоения данных GLDAS (Global Land Data Assimilation) – Noah, CLM, VIC, Mosaic (https://ldas.gsfc.nasa.gov) с пространственным разрешением 1°×1°, и реанализа ERA-Interim (http://www.ecmwf.int) с пространственным разрешением 0,75° использовалась как для определения среднемесячного испарения, так и для среднемесячных атмосферных осадков. Изменения влагозапасов определялись по данным трех центров обработки информации гравиметрической миссии GRACE (CSR, GFZ, JPL), а также системы GLDAS. В качестве фактического речного стока р. Северной Двины использовались данные замыкающего гидрологического поста в с. Усть-Пинега. Анализ значений атмосферных осадков из различных источников показал, что наименьшая систематическая ошибка (при сравнении с наземными наблюдениями) свойственна регулярной сетке CRU –1.00 мм/мес. Значения по реанализу ERA-Interim, модели Noah и проекту GPCP – завышены, по остальным моделям GLDAS– занижены. При этом для реанализа ERA-Interim коэффициент корреляции с наземными наблюдениями наибольший –0,97 (рис. 7, табл. 1-2). Данные о среднемесячном испарении, определенные на основе различных источников, имеют заметные различия во временном ходе. Наиболее высокие значения характерны для LSM-модели Mosaic, а самые низкие – CLM. Кроме того, модели Noah, VIC и реанализ ERA-Interim завышают зимние значения по сравнению с другими источниками (рис. 8). Рисунок 7 – Временной ход среднемесячных сумм осадков по данным наземных станций, реанализа ERA-Interim, проекта GPCP, регулярной сетки CRU и четырех версий системы GLDAS (Noah, CLM, VIC, Mosaic) Рисунок 8 – Среднемесячные значения испарения четырех версий GLDAS (Noah, CLM, VIC и Mosaic), реанализа ERA-Interim и значения P-R (осадки-сток) по данным фактических наблюдений Бассейновые запасы воды преимущественно содержатся в подземных водах, почвогрунтах и зоне аэрации, на поверхности бассейна (в водных объектах, ледяной корке, озерах, русловой сети и т.д.), а также в растительном покрове. Изменения влагозапасов в речном бассейне могут быть вычислены путем суммирования изменений вышеперечисленных переменных. Однако, некоторые компоненты не оказывают достаточного влияния на изменение общего содержания влаги в бассейне. К таким компонентам можно отнести подземные воды, интенсивность их использования, и соответственно, их внутригодовое изменение в бассейне р. Северной Двины не значительны. К значимым изменениям содержания влаги, можно отнести изменения влагосодержания в почвогрунтах (SM) и снежном покрове (SWE). Изменение влаги в растительности (CWS) также учитывалось, хотя абсолютные значения содержания влаги в растительности незначительны. Изменения запасов влаги в бассейне р. Северной Двины по данным GLDAS можно рассчитать по формуле: TWSC=∆SM+∆SWE+∆CWS (1) где TWSC – изменение общего влагосодержания в речном бассейне, ∆SM – изменение содержания влаги в почвогрунтах, ∆SWE – изменение влагозапасов в снежном покрове, ∆CWS – изменения влагосодержания растительного покрова. Расчет изменения поверхностных влагозапасов в водохранилищах, русловой сети и озер, достаточно трудоемки и неточны, поэтому в работе не учитывались. На рис. 9 представлено сравнение вариаций TWSC, рассчитанных по GLDAS и по осредненным данным трех центров обработки GRACE GRCTellus. Ход характеристики TWSC синхронен и совпадает с сезонными изменениями, однако, LSM-модель Noah завышает в максимумах и занижает в минимумах значения TWSC в сравнении с гравиметрическим данными. Несмотря на этот факт, и также в отличие от остальных LSM-моделей, значение коэффициента корреляции между значениями TWSC по GRACE и по Noah достаточно высоко (0.93). Колебания TWSC как по GLDAS, так и по GRACE хорошо описывают сезонные изменения. В работе рассмотрены среднемесячные значения речного стока четырех LSM-моделей — Noah, CLM, VIC, Mosaic системы усвоения GLDAS первой версии (GLDAS-1). Данные CLM, VIC, Mosaic представляют собой регулярную сетку c разрешением 1.0°, а Noah первой версии 0.25°. Рисунок 9 – Графики изменений влагозапасов по данным GRACE и рассчитанных по модели Noah (а), CLM (б), VIC (в), Mosaic (г) с помощью динамических и статических характеристик за период с 2002 г. по 2016 г. Речной сток также был рассмотрен по LSM-модели Noah второй версии (GLDAS-2) с разрешением 1.0°. Речной сток в этих моделях представлен лишь двумя составляющими: подземным (subsurface runoff; q_подпов) и поверхностным стоком (surface runoff; q_пов): q=q_пов+q_подпов (2) Модуль грунтового стока в этих моделях отсутствует (Lv et al, 2017). В данном случае есть смысл провести только проверку синхронности смоделированных по LSM-моделям значений среднемесячного речного стока с фактическими. Ниже представлено описание временного хода речного стока по моделям в сравнении с фактическим. Судя по значениям коэффициентов корреляции наилучшим образом описывает среднемесячный речной сток модель VIC (табл. 3). Однако, к этим оценкам необходимо относится с осторожностью. Как видно из графиков (рисунок 10) и значений коэффициентов корреляции (табл. 3 и 4) временного среднемесячного и сезонного хода модель VIC далеко не полностью синхронно описывает фактический сток. Сравнительно существенный поверхностный сток по модели VIC наблюдается лишь в майские месяцы в среднем равный 4.90 мм/мес. Рисунок 10 – Временной ход среднемесячного (слева) и сезонного (справа) речного стока Оценка возможности использования данных GRACE для расчета среднемесячного стока р. Северной Двины по уравнению водного баланса на основе сравнения фактических значений речного стока в замыкающем створе р. Сев. Двина – с. Усть-Пинега проводилась с использованием статистических оценок – линейного коэффициента корреляции и квадратичной ошибки (отклонения) (RMSE), R=P-E-TWSC (3) где R – это речной сток, P – атмосферные осадки, E – испарение, TWSC – изменение запасов влаги в речном бассейне. Для вычисления речного стока р. Северная Двина применялись различные комбинации источников данных, таких как наземные наблюдения за атмосферными осадками, данные регулярной сетки CRU, проекта GPCP, реанализа Era-Interim, данные глобальной системы усвоения GLDAS, а также гравиметрическая информация GRACE (рис. 11-12): R=P_((CRU,GPCP,GLDAS,наз.))-E_((GLDAS,Era-Interim) )-〖TWSC〗_((GRACE,GLDAS)) (4) Рисунок 11 - Сравнение рассчитанных (по уравнению водного баланса с использованием данных GRACE) и фактических значений величины речного стока В результате расчетов среднемесячного стока р. Северной Двины на основе уравнения водного баланса речного бассейна с использованием различных источников данных и последующего сопоставления расчетных значений с фактическими получены следующие выводы: 1. Использование испарения, оцениваемого по реанализу ERA-Interim, дает наилучшие результаты в расчетах среднемесячного стока по уравнению водного баланса речного бассейна. Удовлетворительные результаты показывают расчеты на основе LSM-модели CLM глобальной системы усвоения GLDAS. 2. Выбор данных об осадках P для вычисления речного стока методом водного баланса для речного бассейна не играет существенной роли. Стоит отметить, что менее удовлетворительные результаты расчетов среднемесячного стока получаются при использовании данных об осадках LSM-модели Noah и климатического проекта GPCP, который направлен на усвоение данных об осадках наземных станций, спутниковых наблюдений и данных наземного зондирования, а самые точные - при использовании данных наземных наблюдений и реанализа ERA-Interim. Применение данных об изменениях запасов влаги в речном бассейне оцениваемых спутниковой гравиметрической миссией GRACE, в целом дают более точные результаты, нежели с применением моделей тепло-влагообмена LSM глобальной системы усвоения GLDAS. Однако, здесь можно выделить изменения влагозапасов, определенные по LSM-модели Noah, использование которых дало хорошие коэффициенты корреляции расчетного стока с фактическим, но завышенные в сравнении со стоком, рассчитанным с помощью GRACE, оценки квадратичного отклонения. При этом, в расчетах, где использовалась и испарение E, и изменение влагозапасов TWSC по LSM-модели Noah квадратичное отклонение было минимальным и приближалось к GRACE, что может быть связано с хорошей сбалансированностью LSM-модели Noah. Также стоит отметить, что применение TWSC по Noah дало удовлетворительные результаты при любых комбинациях данных испарения и осадков. Таким образом, сток рассчитанный по GRACE дает меньшие квадратичные отклонения в сравнении с TWSC по GLDAS. Рисунок 12 - Графики временного хода фактического и рассчитанного стока с использованием наземных данных об осадках, осредненных данных GRACE об изменении влагозапасов и данных об испарении Сравнение данных GRACE с гидрологической моделью ЭКОМАГ Модели формирования стока позволяют рассмотреть на основе входной метеорологической информации об осадках, приземной температуре и дефиците влажности воздуха основные процессы формирования стока – поступление воды на поверхность водосбора, инфильтрацию, испарение, термический и водный режим почв, формирование снежного покрова и снеготаяние, формирование поверхностного, внутрипочвенного, грунтового и общего речного стока. Моделирование гидрологических процессов выполняется для нескольких уровней по вертикали: для поверхностного слоя почвы (горизонт A), подстилающего его более глубокого слоя (горизонт B), емкости грунтовых вод и емкости в зоне формирования поверхностного стока. В холодный период добавляется емкость снежного покрова. В связи с этим с применением данного класса моделей появляется возможность оценить не только результирующие расходы воды, но и временной ход отдельных составляющих водного баланса и общее изменение влагозапасов в пределах исследуемых бассейнов. Надежность таких оценок подтверждается сопоставлением с данными наземных и дистанционных измерений. Уникальная возможность провести оценку качества результатов моделирования появляется при их сопоставлении с данными системы гравиметрических спутников GRACE об изменении общих влагозапасов территории (total water storage - TWS). Для этих целей на каждом расчетном шаге моделирования суммируются влагозапасы во всех рассматриваемых вертикальных уровнях по всем элементарным единицам (удельным водосборам) модели (в мм водного эквивалента): WTWS =Wснег+WA+WВ+Wгр+Wпов. , где WTWS –суммарный влагозапас, далее запас воды Wснег - в снежном покрове, WA - в почвенном горизонте А, WВ- в почвенном горизонте В, Wгр – в грунтовых водах, Wпов. – в поверхностных емкостях. Для сравнения с данными GRACE проводится осреднение полученных по модели значений с месячным шагом. На данном этапе проводилось сравнение результатов оценки влагозапасов, полученных на основе модели формирования стока ECOMAG [Motovilov,1999], показавшей высокую эффективность при исследованиях стока северных рек [Motovilov et.all, 2013, Krylenko et.all, 2014], с данными о влагозапасах спутников GRACE для бассейнов рек Северной Двины и Печоры. Было получено хорошее совпадение результатов моделирования и оценок на основе спутниковых данных во все фазы гидрологического цикла. Коэффициент корреляции между среднемесячными влагозапасами, полученными на основе двух методов, за период 2002-2014гг. составил 0.93 для бассейна р. Северной Двины и 0.96 для бассейна р. Печоры (рис. 13). Для более детального сопоставления сезонного хода влагозапасов, было учтено систематическое смещение оценок по данным спутника GRACE относительно результатов моделирования путем введения поправки по разнице среднемноголетних значений (326.6 мм для р. Северной Двины и 438.5мм для р. Печоры). Влагозапасы, полученные по модельным оценкам, и на основе спутниковых данных GRACE, имеют одинаковый диапазон изменений и особенности сезонного хода (рис. 2). Основной период, определяющий увеличение влагозапасов в пределах бассейнов северных рек – снегонакопление. Некоторые отличия в полученных разными методами значениях влагозапасов в отдельные моменты времени, скорее всего, связаны с погрешностями учета снегонакопления моделью по достаточно редкой сети метеорологических станций в бассейнах. Рисунок 13 - Связь суммарных месячных влагозапасов в бассейне р. Северной Двины (а) и р. Печоры (б) по данным системы спутников GRACE и результатам моделирования на основе модели ECOMAG за период 2002-2014гг. С этим же связан немного более низкий коэффициент корреляции между данными GRACE и данными моделирования за период с ноября по апрель в бассейне Северной Двины (0.89) по сравнению с бассейном Печоры (0.93), так как для бассейна Северной Двины, расположенного западнее, более характерны оттепели в зимний период, обуславливающие изменения снегозапасов. Наиболее высокие расхождения между оценками по модели и спутниковым данным, наблюдаются в начале снегонакопления в октябре, при неустойчивом снежном покрове. При снеготаянии и дальнейшем расходовании талых вод на пополнение русловых запасов и инфильтрацию, значительно увеличиваются влагозапасы во всех слоях, учитываемых при моделировании (рис. 14, линия 4), что проявляется в рассматриваемых бассейнах в мае-июне. В летний период наблюдается уменьшение влагозапасов в бассейнах за счет испарения и сработки грунтовых горизонтов, прерываемое дождевыми паводками. Таким образом, представленная методология исследования влагозапасов на основе модели формирования стока и данных дистанционного зондирования и результаты ее апробации для речных бассейнов севера ЕТР показали очень хорошее совпадение оценок, полученных двумя независимыми методами во все фазы гидрологического цикла, позволили проанализировать сезонный ход изменений суммарных влагозапасов и факторы, его определяющие. Рисунок 14 - Среднемесячные суммарные влагозапасы по данным спутников GRACE (1), модели ECOMAG (2), снегозапасы по данным модели ECOMAG (3) и общие влагозапасы за исключением снега по данным модели ECOMAG (4) в бассейне рек Северной Двины (а) и р. Печоры (б) Оценка возможностей использования данных GRACE для анализа экстремальных гидрологических событий (на примере ряда речных бассейнов). Оценка возможности применения данных GRACE для анализа экстремальных гидрологических ситуаций показала хорошие результаты для бассейна Дона, где маловодье 2007 – 2015 гг. проявилось в т.ч. и в снижении TWS более чем на 150 мм. Изучение многолетних колебаний водного стока в бассейне Селенги получило также особую актуальность из-за длительного маловодья, которое привело к значительному снижению уровня Байкала. Поскольку увеличение сезонно-талого слоя приводит к сокращению испарения через увеличение доли подземного питания, происходит рост запасов подземных вод. Подтверждением этого является относительное постоянство (кривая 1) или даже рост на 40-60 мм (кривая 2) общих влагозапасов в бассейне Селенги, определенный по гравиметрическим данным GRACE c 2002 г. (рис. 5). Причинами роста бассейновых влагозапасов на фоне деградации вечной мерзлоты и уменьшения влажности почвы могут быть как ошибки в определении слоя осадков за рассматриваемые периоды, так и замещение в почвогрунтах льда более плотной водой. На фоне сокращения среднегодовых величин речного стока, осадков и роста испаряемости происходит сокращение испарения, вызванное уменьшением влажности почвы и ростом потерь на инфильтрацию в результате деградации вечной мерзлоты. Значимого изменения бассейновых суммарных влагозапасов с 2002 г. не произошло [Frolova et al., 2017]. Озеро Ханка — самое обширное озеро Дальневосточного региона РФ, является трансграничным, располагается в средней части Западно-Приморской равнины на границе с КНР. Учитывая уже установленный факт глобального потепления климата и выявленные признаки климатических изменений и гидрологических последствий этого в Приморском крае, следует ожидать, что экстремально высокое стояние уровня озера последних лет может являться отражением определенной тенденции изменения его режима. Предварительная оценка с привлечением современных данных дистанционного зондирования Земли показала практически двукратное (с 16 до 32 тыс. км2, без учета площади зеркала) увеличение площади водосбора озера. Несмотря на то, что GRACE зафиксировал рост TWS в бассейне оз. Ханка в 2007 – 2014 гг. (рис. 16), определить с ее помощью причину роста уровня озера, в силу недостаточного пространственного разрешения данных GRACE, не удалось. Рисунок 15 - Колебания TWS в бассейне р. Селенги с 04.2002 по 09.2015. 1 – средние по CSR, GFZ, JPL; 2 – собственные расчеты на основе МССА [Фролова и др., 2017] Рисунок 16 - Усредненные показатели эквивалентного уровня воды, обработанные с помощью МССА, для бассейна озера Ханка (черный) и р. Амур (зеленый). Голубая кривая отражает исходные данные GRACE до применения метода МССА.
3 1 января 2018 г.-31 декабря 2018 г. Анализ изменения характеристик речного стока на основе эмпирических данных и данных дистанционного зондирования Земли
Результаты этапа: Выявлены современные пространственно-временные закономерности изменения характеристик водных ресурсов и водного режима рек, причины возникновения экстремальных гидрологических событий в многолетнем и сезонном разрезе. Изучена роль суммарных влагозапасов в изменении отдельных составляющих водного баланса речных бассейнов. Показана возможность использования дистанционных данных для определения неизвестных членов уравнения водного баланса или оценки их точности. Предложены рекомендации для использования данных GRACE при решении гидрологических задач.

Прикрепленные к НИР результаты

Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".