Inter-annual variability of the dates of formation of the highest snowmelt intensity and maximum flood discharge in the Inva River basin (Perm Krai)

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The inter-annual variability of the dates of formation of the highest intensity of snowmelt and the maximum spring flood discharge is considered on the example of the Inva River basin for the period 2010–2020. Meteorological and catchment factors have a key influence on the duration of snowmelt, the amount of snow melted per day, water discharge and, accordingly, the levels of water outlets on the floodplain. The applied geo-information model of snowmelt takes into account spatially distributed meteorological information and the characteristics of the floodplain meteorological information and catchment underlying surface features. Model allowed obtaining daily values of the melted snow layer, snowpack and the proportion of remaining snow cover. The basin time which characterizes the period between the peak of the runoff layer and the corresponding peak of water discharge, the peak of the runoff layer and the corresponding peak of water discharge. The results of comparison of snow reserves and frequency of water level exceedance of the adverse event (AE) mark at the gauging station of Inva-Kudymkar for the multi-year period 1970–2020 showed that for the period 2010–2020 the snow reserves were on average 10% higher, and the frequency of exceedance of the AE mark is on average once in 2 years. The application of GIS-technologies allowed visualization of the process of snowmelt and flooding of urban areas. The snowmelt factors of 2017 resulted in flooding of 2.0 km2 of the territory of Kudymkar town, including 52 households.

作者简介

A. Shaydulina

Perm State University

Email: adelinash89@mail.ru
Perm, Russia

D. Gyrdymov

Perm State University

Email: adelinash89@mail.ru
Perm, Russia

M. Kozlova

Far Eastern Federal University

编辑信件的主要联系方式.
Email: adelinash89@mail.ru
Vladivostok, Russia

参考

  1. Алексеевский Н.И., Фролова Н.Л., Антонова М.М., Игонина М.И. Оценка влияния изменений климата на водный режим и сток рек бассейна Волги // Вода: химия и экология. 2013. № 4. С. 3–12.
  2. Барталев С.А., Егоров В.А., Жарко В.О., Лупян Е.А., Плотников Д.Е., Хвостиков С.А., Шабанов Н.В. Спутниковое картографирование растительного покрова России. М.: Ин-т космических исследований РАН, 2016. 208 с.
  3. Виноградов Ю.Б., Виноградова Т.А. Математическое моделирование в гидрологии: учебное пособие. М.: Академия, 2010. 304 с.
  4. Виноградов Ю.Б. Математическое моделирование процессов формирования стока. Л.: Гидрометеоиздат, 1988. 312 с.
  5. Гидрологический ежегодник. Бассейн Каспийского моря (без Кавказа и Средней Азии) за 1936–1977 гг. Л.: Гидрометеоиздат, 1940–1980. Вып. 5–7. Т. 4.
  6. Государственный водный кадастр. Ежегодные данные о режиме и ресурсах поверхностных вод суши (Бассейн Каспийского моря без Кавказа и Средней Азии) за 1978–1985 гг. Ч. 1. Свердловск: Уральское территориальное управление по гидрометеорологии и контролю окружающей среды, 1980–1990. Вып. 5–7. Т. 4.
  7. Государственный водный кадастр. Ежегодные данные о режиме и ресурсах поверхностных вод суши (Бассейн Камы) за 1991–2020 гг. Ч. 1. Екатеринбург: Уральское территориальное управление по гидрометеорологии и контролю окружающей среды, 1991–2020. Вып. 25. Т. 1.
  8. Информационное агентство ТАСС // Электронный ресурс. URL: https://tass.ru/spb-news/1302134 (Дата обращения: 19.10.2024).
  9. Казакова Е.В. Ежедневная оценка локальных значений и объективный анализ характеристик снежного покрова в рамках системы численного прогноза погоды. Диcс. на соиск. уч. степ. канд. физ.-мат. наук. М.: Гидрометцентр России, 2015. 24 с.
  10. Калинин В.Г., Суманеева К.И., Русаков В.С. Моделирование пространственного распределения снежного покрова в период весеннего снеготаяния // Метеорология и гидрология. 2019. № 2. С. 74–85.
  11. Калинин В.Г., Шайдулина А.А., Русаков В.С., Фасахов М.А. К вопросу об учете влияния экспозиции склонов в расчетах снеготаяния // Развитие географических исследований в Беларуси в XX–XXI веках. Материалы междунар. науч.-практич. очно-заочной конф. Минск: Белорусский гос. ун-т, 2021. С. 392–397.
  12. Калинин В.Г., Шайдулина А.А., Русаков В.С., Фасахов М.А. О верификации модельных расчетов пространственного распределения снежного покрова в период снеготаяния // Современные проблемы водохранилищ и их водосборов. Тр. VIII Всерос. науч.-практич. конф. Пермь, 2021. C. 99–105.
  13. Калинин В.Г., Шайдулина А.А. О верификации расчётов снеготаяния с данными наблюдений на метеорологических станциях // Современные проблемы водохранилищ и их водосборов. Тр. IX Всеросс. науч.-практич. конф. с междунар. участием. Т. 1. Пермь, 2023. С. 100–104.
  14. Комаров В.Д. О процессах формирования половодья на малой реке и предвычисления его гидрографа // Тр. Центрального ин-та прогозов. Вып. 6 (33). 1947. С. 3–41.
  15. Комлев А.М., Черных Е.М. Реки Пермской области. Режим. Ресурсы // Прогнозы и проблемы. 1984. 212 с.
  16. Лебедева Н.Д. Расчёт снеготаяния и метод краткосрочного прогноза даты наступления максимального уровня половодья на р. Каме // Тр. Центрального ин-та прогнозов. 1959. Вып. 94. С. 15–33.
  17. Мотовилов Ю.Г., Гельфан А.Н. Модели формирования стока в задачах гидрологии речных бассейнов. М.: Изд-во Ин-та водных проблем РАН, 2018. 300 с.
  18. Назаров Н.Н. География Пермского края. Пермь: Изд-во Пермского ун-та, 2006. 139 с.
  19. Научно-прикладной справочник: Основные гидрологические характеристики рек бассейна Камы / Коллектив авторов; под ред. В.Ю. Георгиевского. Ливны, 2015. С. 98–107.
  20. Новости Кудымкара и Коми округа // Электронный ресурс. URL: https://parmanews.ru/novost/6465 (Дата обращения: 19.10.2024).
  21. Пьянков С.В., Шихов А.Н., Михайлюкова П.Г. Моделирование снегонакопления и снеготаяния в бассейне р. Кама с применением данных глобальных моделей прогноза погоды // Лёд и Снег. 2019. Т. 59. Вып. 4. С. 494–508.
  22. Чурюлин Е.В., Копейкин В.В., Розинкина И.А., Фролова Н.Л., Чурюлина А.Г. Анализ характеристик снежного покрова по спутниковым и модельным данным для различных водосборов на Европейской территории Российской Федерации // Гидрометеорологические исследования и прогнозы. 2018. № 2 (368). С. 120–143.
  23. Шайдулина А.А. Пространственно-временные закономерности снеготаяния на водосборе Камского водохранилища. Диcс. на соиск. уч. степ. канд. геогр. наук. М.: Ин-т географии РАН, 2023. 178 с.
  24. Agisoft Metashape // Электронный ресурс. URL: https://www.agisoft.com/ (Дата обращения: 11.11.2024).
  25. Bergstrom S. Development and application of a conceptual runoff model for Scandinavian atchments. Norrkoping, Sweden: Univ. Lund. Bull., 1976. 134 p.
  26. Gebco // Электронный ресурс. URL: https://www.gebco.net/data-products/gridded-bathymetry-data/gebco-2022 (Дата обращения: 10.06.2024).
  27. Motovilov Y., Gottschalk L., Engeland L. Rodhe A. Validation of a distributed hydrological model against spatial observation, Agric. Forest Meteorology. 1999, V. 98–99. P. 257–277.
  28. Perrin С., Michel С., Andréassian V. Improvement of a parsimonious model for streamflow simulation // Journal of Hydrology. 2003. V. 279. Is. 1–4. P. 275–289.
  29. Sentinel Hub EO Browser // Электронный ресурс. URL: https://apps.sentinel-hub.com/eo-browser/ (Дата обращения: 11.11.2024).

补充文件

附件文件
动作
1. JATS XML

版权所有 © Russian Academy of Sciences, 2025

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».