GEOINFORMATION ANALYSIS OF REGIONAL CLIMATIC CHANGES IN THE CENTRAL AND WESTERN RUSSIAN ARCTIC FOR RAILWAY DEVELOPMENT

Обложка

Цитировать

Полный текст

Аннотация

The Arctic Zone of the Russian Federation is characterized by the rapid growth of the mining industry, aimed at the extraction of oil, gas, coal, and ores, including rare earth metals. Railways are essential in the transportation of these resources to different regions of Russia for processing and export. Part of the cargo delivery is performed via the Arctic ports connected to the railway network. Rapid climate change, including regional climate warming, is among the compromising factors for the operation of the Arctic transport infrastructure. System analysis of climatic processes and assessment of potential hazards that they may induce requires adequate geoinformation support. This paper presents the results of spatio-temporal variability analysis of various hydrometeorological parameters for selected railway mainlines within the Arctic region. For this purpose, a new geoinformation method based on the Hovmöller diagrams was elaborated. This tool is useful for representing climate dynamics along the specified railway mainlines over several decades. It allows us to determine railway sections affected by anomalous climatic conditions on the variable time scale. The presented Hovmöller diagrams proved to be an efficient instrument for the regional climate change representation. It might be quite useful for railway infrastructure maintenance, planning, operation, and adaptation.

Список литературы

  1. Astafyeva, N. M., and M. D. Rayev (2009), Methods of studying the Earth’s radio-thermal field and distribution of tropospheric moisture storage, Issledovanie Zemli iz kosmosa, (6), 16–23 (in Russian). EDN: KYGHRF
  2. Bosilovich, M. G., R. Lucchesi, and M. Suarez (2016), MERRA-2: File Specification, GMAOOffice Note No. 9 (Version 1.1).
  3. Chang, E. K. M., and I. Orlanski (1993), On the Dynamics of a Storm Track, Journal of the Atmospheric Sciences, 50(7), 999–1015, https://doi.org/10.1175/1520-0469(1993)050<0999:OTDOAS>2.0.CO;2.
  4. Chen, M., P. Xie, J. E. Janowiak, and P. A. Arkin (2002), Global Land Precipitation: A 50-yr Monthly Analysis Based on Gauge Observations, Journal of Hydrometeorology, 3(3), 249–266, https://doi.org/10.1175/1525-7541(2002)003<0249:GLPAYM>2.0.CO;2.
  5. Decree of the Government of the Russian Federationof 01.08.2022 No. 2115-r (as amended on 28.04.2023) (2022), On approval of the Development Plan of the Northern Sea Route for the period up to 2035 (in Russian).
  6. Decree of the President of the Russian Federationdated 02.05.2014 No. 296 (2014), On the land territories of the Arctic zone of the Russian Federation (in Russian).
  7. Dee, D. P., and A. M. da Silva (2003), The Choice of Variable for Atmospheric Moisture Analysis, Monthly Weather Review, 131(1), 155–171, https://doi.org/10.1175/1520-0493(2003)131<0155:TCOVFA>2.0.CO;2.
  8. Garmabaki, A. H. S., M. Naseri, J. Odelius, et al. (2024), Assessing climate-induced risks to urban railway infrastructure, International Journal of System Assurance Engineering and Management, https://doi.org/10.1007/s13198-024-02413-9. EDN: PLOEPV
  9. Gelaro, R., W. McCarty, M. J. Suárez, et al. (2017), The Modern-Era Retrospective Analysis for Research and Applications, Version 2 (MERRA-2), Journal of Climate, 30(14), 5419–5454, https://doi.org/10.1175/JCLI-D-16-0758.1. EDN: YFBYQC
  10. Golden Software LLC (2024), Surfer. Create an immersive 2D/3D model in under 2 minutes, https://www.goldensoftware.com/products/surfer.
  11. Gvishiani, A. D., V. I. Kaftan, R. I. Krasnoperov, V. N. Tatarinov, and E. V. Vavilin (2019), Geoinformatics and Systems Analysis in Geophysics and Geodynamics, Izvestiya, Physics of the Solid Earth, 55(1), 33–49, https://doi.org/10.1134/S1069351319010038. EDN: KIOLPQ
  12. Gvishiani, A. D., M. Dobrovolsky, and A. Rybkina (2021), Chapter 6 Big Data and FAIR Data for Data Science, in Resilience in the Digital Age, pp. 105–117, Springer International Publishing, https://doi.org/10.1007/978-3-030-70370-7_6. EDN: OJNKXO
  13. Gvishiani, A. D., M. N. Dobrovolsky, B. V. Dzeranov, and B. A. Dzeboev (2022), Big Data in Geophysics and Other Earth Sciences, Izvestiya, Physics of the Solid Earth, 58(1), 1–29, https://doi.org/10.1134/S1069351322010037. EDN: UHKGQE
  14. Gvishiani, A. D., V. Y. Panchenko, and I. M. Nikitina (2023a), System analysis of big data for Earth sciences, Vestnik Rossijskoj akademii nauk, 93(6), 518–525, https://doi.org/10.31857/S0869587323060087 (in Russian). EDN: YCSNEI
  15. Gvishiani, A. D., I. N. Rozenberg, A. A. Soloviev, et al. (2023b), Electronic Atlas of Climatic Changes in the Western Russian Arctic in 1950-2021 as Geoinformatic Support of Railway Development, Applied Sciences, 13(9), 5278, https://doi.org/10.3390/app13095278. EDN: RZGITP
  16. Gvishiani, A. D., I. N. Rozenberg, A. A. Soloviev, et al. (2023c), Study of the Impact of Climatic Changes in 1980- 2021 on Railway Infrastructure in the Central and Western Russian Arctic Based on Advanced Electronic Atlas of Hydrometeorological Parameters (Version 2, 2023), Russian Journal of Earth Sciences, pp. 1–21, https://doi.org/10.2205/2023es000882. EDN: ILWXRC
  17. Han, Y., H. Revercomb, M. Cromp, et al. (2013), Suomi NPP CrIS measurements, sensor data record algorithm, calibration and validation activities, and record data quality, Journal of Geophysical Research: Atmospheres, 118(22), https://doi. org/10.1002/2013JD020344.
  18. Hocke, K., and N. Kämpfer (2009), Hovmöller diagrams of climate anomalies in NCEP/NCAR reanalysis from 1948 to 2009, Climate Dynamics, 36(1–2), 355–364, https://doi.org/10.1007/s00382-009-0706-5. EDN: ZNYNRE
  19. Hovmöller, E. (1949), The Trough-and-Ridge diagram, Tellus, 1(2), 62–66, https://doi.org/10.3402/tellusa.v1i2.8498.
  20. Jury, M. R., B. Pathack, G. Campbell, B. Wang, and W. Landman (1991), Transient convective waves in the tropical SW Indian Ocean, Meteorology and Atmospheric Physics, 47(1), 27–36, https://doi.org/10.1007/BF01025824. EDN: DNPZNU
  21. Kasraei, A., A. H. S. Garmabaki, J. Odelius, et al. (2024), Climate change impacts assessment on railway infrastructure in urban environments, Sustainable Cities and Society, 101, 105,084, https://doi.org/10.1016/j.scs.2023.105084. EDN: HEGSVB
  22. Kattsov, V. M. (Ed.) (2022), The Third Assessment Report on Climate Changes and Their Consequences on the Territory of the Russian Federation, Naukoyemkie Technologii, St. Petersburg (in Russian).
  23. Kim, E., C.-H. J. Lyu, K. Anderson, R. Vincent Leslie, and W. J. Blackwell (2014), S-NPP ATMS instrument prelaunch and on-orbit performance evaluation, Journal of Geophysical Research: Atmospheres, 119(9), 5653–5670, https://doi.org/10.1002/2013JD020483.
  24. Kostianaia, E. A., and A. G. Kostianoy (2023), Railway Transport Adaptation Strategies to Climate Change at High Latitudes: A Review of Experience from Canada, Sweden and China, Transport and Telecommunication Journal, 24(2), 180–194, https://doi.org/10.2478/ttj-2023-0016. EDN: WCYVRD
  25. Kostianaia, E. A., A. G. Kostianoy, M. A. Scheglov, A. I. Karelov, and A. S. Vasileisky (2021), Impact of regional climate change on the infrastructure and operability, Transport and Telecommunication Journal, 22(2), 183–195.
  26. Kovalenko, M. S., and E. V. Sibileva (2023), The Arctic’s resource composition, production challenges and prospects, The Arctic XXI century. Humanities, (1(31)), 26–36, https://doi.org/10.25587/SVFU.2023.44.59.003 (in Russian).
  27. Ma, H., J. Zeng, X. Zhang, et al. (2021), Evaluation of six satellite- and model-based surface soil temperature datasets using global ground-based observations, Remote Sensing of Environment, 264, 112,605, https://doi.org/10.1016/j.rse.2021.112605.
  28. Ministry of Transport of the Russian Federation (2023), Transport of Russia. Information and statistical bulletin. 2022 (in Russian).
  29. Overland, J. E., M. Wang, J. E. Walsh, and J. C. Stroeve (2014), Future Arctic climate changes: Adaptation and mitigation time scales, Earth’s Future, 2(2), 68–74, https://doi.org/10.1002/2013EF000162.
  30. Post, E., R. B. Alley, T. R. Christensen, et al. (2019), The polar regions in a 2◦C warmer world, Science Advances, 5(12), https://doi.org/10.1126/sciadv.aaw9883. EDN: LJMYUJ
  31. Prants, S. V. (2021), Trench Eddies in the Northwest Pacific: An Overview, Izvestiya, Atmospheric and Oceanic Physics, 57(4), 341–353, https://doi.org/10.1134/S0001433821040216. EDN: AJIYSP
  32. Rankova, E. Y., O. F. Samokhina, and U. I. Antipina (2022), Features of the surface temperature regime over the Globe in 2021, Fundamental and Applied Climatology, 8(2), https://doi.org/10.21513/2410-8758-2022-2-258-290 (in Russian).
  33. Rozenberg, I. N., I. A. Dubchak, M. N. Timoshenkova, and E. I. Zuravleva (2019), Atlas of Railways, Scientific Research and Design Institute of Informatization, Automation and Communication in Railway Transport, Moscow (in Russian).
  34. Russian Railways (2024a), Northern Railway, https://szd.rzd.ru/ru/4858/page/103290?id=9491 (in Russian).
  35. Russian Railways (2024b), Oktyabrskaya Railway, https://ozd.rzd.ru/ru/4009 (in Russian).
  36. Russian Railways (2024c), Sverdlovsk Railway, https://svzd.rzd.ru/ru/4749/page/103290?id=5626 (in Russian).
  37. Rybkina, A., S. Hodson, A. Gvishiani, et al. (2018), CODATA and global challenges in data-driven science, Russian Journal of Earth Sciences, 18(4), 1–11, https://doi.org/10.2205/2018ES000625. EDN: YBHHWP
  38. Shokurov, M. V., and N. Y. Germankova (2015), Numerical simulation of gravity current propagation in a compressible atmosphere, Physical Oceanography, (4), https://doi.org/10.22449/1573-160X-2015-4-53-65. EDN: UXKKZH
  39. Surfer Help (2024), Minimum Curvature, https://surferhelp.goldensoftware.com/griddata/IDD_GRID_DATA_MINIMUM_CURVATURE.htm
  40. Yagova, N. V., I. N. Rozenberg, A. D. Gvishiani, et al. (2023), Study of geomagnetic activity impact on functioning of railway automatics in Russian Arctic, Arctic: Ecology and Economy, 13(3), 341–352, https://doi.org/10.25283/2223-4594-2023-3-341-352. EDN: LOUQPF
  41. Zonn, I. S., A. G. Kostianoy, and A. V. Semenov (Eds.) (2016), The Eastern Arctic Seas Encyclopedia, Springer International Publishing, Switzerland, https://doi.org/10.1007/978-3-319-24237-8.
  42. Zonn, I. S., A. G. Kostianoy, and A. V. Semenov (Eds.) (2017), The Western Arctic Seas Encyclopedia, Springer International Publishing, Switzerland, https://doi.org/10.1007/978-3-319-25582-8.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Kostianoy A., Gvishiani A., Rozenberg I., Krasnoperov R., Gvozdik S., Lebedev S., Nikitina I., Dubchak I., Shevaldysheva O., Sergeev V., Gvozdik G., 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».