всероссийский научно-практический журнал
  • ISSN 2072-8158
  • -
  • Урал-Пресс: 012688

Моделирование генетических составляющих речного стока с использованием гидрохимического способа идентификации водных масс

Опубликовано в журнале «Вода: химия и экология» № 1-2 за 2019 год, стр. 46-56.
Рубрика: Мониторинг водных объектов

 

Сучкова К.В. аспирант, младший научный сотрудник, ФГБУН Институт водных проблем Российской академии наук
Мотовилов Ю.Г. кандидат географических наук, ведущий научный сотрудник, ФГБУН Институт водных проблем Российской академии наук
Эдельштейн К.К. Доктор географических наук, профессор кафедры гидрологии суши географического факультета МГУ им. М.В. Ломоносова
Пуклаков В.В. кандидат географических наук, старший научный сотрудник, ФГБОУ ВО Московский государственный университет им. М.В. Ломоносова
Ерина О.Н. кандидат географических наук, научный сотрудник, ФГБОУ ВО Московский государственный университет им. М.В. Ломоносова, Красновидовская учебно-научная база
Соколов Д.И. кандидат географических наук, старший научный сотрудник, ФГБОУ ВО Московский государственный университет им. М.В. Ломоносова, Красновидовская учебно-научная база

Аннотация:
Для моделирования гидрологических процессов в речном бассейне задействована физико-математическая модель формирования речного стока ECOMAG. Основная идея исследования заключается в использовании гидрохимических способов идентификации водных масс при калибровке параметров модели для корректного моделирования генетических составляющих стока. Для разделения гидрографа стока по генетическим составляющим применена методика, основанная на химико-статистическом анализе состава смеси водных масс. Модель ECOMAG была адаптирована для бассейна Можайского водохранилища. Гидрографы стока на 3-х гидропостах за многолетний период и гидрохимические данные, по которым определялись генетические составляющие речного стока, привлекались для калибровки параметров модели. Получено удовлетворительное соответствие модельных и фактических гидрографов стока на гидропостах, а также рассчитанных по модели и полученных на основе анализа гидрохимических данных генетических составляющих питания реки. Выполнен анализ закономерностей внутригодового распределения генетических составляющих стока и выявлены преобладающие генетические типы вод в различные фазы водного режима. Предложенный метод определения параметров модели по гидрометрическим и гидрохимическим данным позволяет моделировать динамику источников питания реки и описывать пространственно-временную генетическую структуру речного стока.

Ключевые слова: генетические составляющие стока, гидрографы, гидрохимические данные, моделирование, формирование речного стока

Ссылка для цитирования:
Сучкова К.В., Мотовилов Ю.Г., Эдельштейн К.К. , Пуклаков В.В. , Ерина О.Н., Соколов Д.И. Моделирование генетических составляющих речного стока с использованием гидрохимического способа идентификации водных масс // Вода: химия и экология. — 2019. — № 1-2. — c. 46-56. — http://watchemec.ru/article/29720/

Литература:
1. Кучмент Л.С. Речной сток (генезис, моделирование, предвычисление). М., ИВП РАН. 2008. 394 с.
2. Beven K. Changing ideas in hydrology – the case of physically-based models // J. Hydrol. 1989. V. 105. № 1-2. P. 157-172.
3. Bloschl G. Scale issues in hydrological modeling: a review / G. Bloschl, M. Sivapalan // Hydrol. Proc. 1995. V. 9. P. 251-290.
4. Мотовилов Ю.Г. Пространственно распределенная модель формирования стока тяжелых металлов в речном бассейне / Ю.Г. Мотовилов, Т.Б. Фащевская // Вода: химия и экология. 2018. № 1-3. C. 18-31.
5. Cristophersen N. Multivariate analysis of stream water chemical data: the use of principal component analysis for the end-member mixing problem / N. Cristophersen, R.P. Hooper // Water Resources Research. 1992. V. 28. № 1. P. 99-107.
6. Hooper R.P. Diagnostic tools for mixing models of stream water chemistry // Water Resources Research. 2003. V. 39. № 3. Doi 10.1029/2002WR001528
7. Liu F. Source waters and flow paths in an alpine catchment, Colorado Front Range, United States. / F. Liu, M.W. Williams, N. Caine // Water Resources Research, 2004, V. 40. № 9, W09401.
8. Zhang Q. Surface and subsurface water contributions to streamflow from a mesoscale watershed in complex mountain terrain / Q. Zhang, J.F. Knowles, R.T. Barnes, R.M. Cowie, N. Rock, M.W. Williams // Hydrological Processes. 2018. V. 32. № 7. P. 954-967
9. Кичигина Н.В. Трассерные исследования формирования речного стока в бассейне озера Байкал / Н.В. Кичигина, Т.С. Губарева, В.В. Шамов, Б.И. Гарцман // География и природные ресурсы. 2016. № 5. С. 60-69
10. Губарева Т.C. Анализ природных трассеров и генетических составляющих стока в моделях смешения (на примере малых бассейнов в Приморье) / Т.С. Губарева, А.Г. Болдескул, Б.И. Гарцман, В.В. Шамов // Водные ресурсы. 2016. Т. 43. № 4. С. 161-190.
11. Губарева Т.С. Разделение гидрографа стока на генетические составляющие / Т.С. Губарева, Б.И. Гарцман, В.В. Шамов, А.Г. Болдескул, Н.К. Кожевникова // Метеорология и гидрология. 2015. № 3. С. 97-108.
12. Воронков П.П. Гидрохимия местного стока европейской территории СССР. Л.: Гидрометиздат. 1970. 188 с.
13. Эдельштейн К.К. Генетическая структура речного стока и химико-статистический метод выделения ее элементов / Эдельштейн К.К., Смахтина О.Ю. // Водные ресурсы. 1991. №5. С. 5-20.
14. Мамаев О.И. Термохалинный анализ вод Мирового океана. Л.: Гидрометиздат. 1987. 296 с.
15. Мотовилов Ю.Г. Моделирование формирования стока в речных бассейнах при изменении пространственных масштабов: алгоритмы генерализации и осреднения // Водные ресурсы. 2016. № 3. С. 243-253.
16. Motovilov Y.G.. Validation of a distributed hydrological model against spatial observation / Y.G. Motovilov, L. Gottschalk, L. Engeland, A. Rodhe // Agricultural and Forest Meteorology. 1999. V. 98-99. P. 257-277.
17. Мотовилов Ю.Г. Гидрологическое моделирование речных бассейнов в различных пространственных масштабах. 2. Результаты испытаний // Водные ресурсы. 2016. Т. 43. № 5. С.743-753.
18. Мотовилов Ю.Г. Моделирование полей речного стока (на примере бассейна Лены) // Метеорология и гидрология. 2017. Т. 42. № 2. С.121-128.
19. Gelfan A. Climate change impact on the water regime of two great Arctic rivers: modeling and uncertainty issues / A. Gelfan, D. Gustafsson, Yu. Motovilov, B. Arheimer, A. Kalugin, I. Krylenko, A. Lavrenov // Climatic Change. 2017. V. 141, pp. 499-515. DOI 10.1007/s10584-016-1710-5.
20. Gelfan A. Testing the robustness of the physically-based ECOMAG model with respect to changing conditions. / A. Gelfan, Yu. Motovilov, I. Krylenko, V. Moreido, E. Zakharova // Hydr. Sci. J. 2015. V. 60. № 8. P. 1266-1285.
21. Антохина Е. Н. Применение ИМК ECOMAG для моделирования стока воды с различных по площади водосборов / Е.Н. Антохина, В.А. Жук // Водное хозяйство России: проблемы, технологии, управление. 2011. № 4. С. 17-32.
22. Madsen H. Parameter estimation in distributed hydrological catchment modelling using automatic calibration with multiple objectives // Advan. Water Resours. 2003. V. 26. № 2. P. 205-216.
23. Nash J.E. River flow forecasting through conceptual models part I — A discussion of principles / J.E. Nash, J.V. Sutcliffe // Journal of Hydrology. 1970. V. 10. № 3. P. 282–290.
24. Moriasi D.N. Hydrologic and Water Quality Models: Performance Measures and Evaluation Criteria / D.N. Moriasi, M.W. Gitau, N. Pai, P. Daggupati // Trans. ASABE. 2015. V. 58. № 6. P. 1763-1785.