Search

Актуальность работы обусловлена необходимостью анализа методов, используемых для оценки снегозапасов в речных бассейнах и прогнозирования половодья. В условиях недостаточности гидрометеорологической информации для прогноза объёма и максимальных уровней половодья, как правило, используются статистические модели, основанные на корреляционной зависимости параметров стока от снегозапасов, либо уравнения множественной линейной регрессии. При этом нет обоснованного сравнения традиционных методов прогноза, основанных на расчете суммы зимних осадков (снегозапасов), и статистических моделей множественной регрессии. Цель: сравнительный анализ методик расчета сумм зимних осадков в бассейне по традиционно применяемым высотным зависимостям и по авторской методике при помощи орографической добавки к скорости вертикальных движений воздушных масс; сравнительный анализ традиционных статистических методов прогноза и моделей множественной линейной регрессии на примере бассейна реки Амыл. Методы: комплексный географо-гидрометеорологический анализ; выявление зависимостей по данным многолетних гидрометеорологических наблюдений с использованием методов математической статистики (корреляционный и регрессионный анализ); моделирование снегозапасов с использованием орографической добавки к скорости вертикальных движений. Результаты. В результате использования двух разных подходов к определению сумм зимних осадков (по высотным зависимостям и с помощью орографической добавки к скорости вертикальных движений воздушных масс) получены идентичные статистические зависимости с близкими коэффициентами детерминации. Разработаны модели прогноза объема стока и максимальных уровней половодья на основе парной корреляции и с использованием множественного регрессионного анализа. Сравнительный анализ традиционных методов прогноза слоя стока, основанных на расчете суммы зимних осадков (снегозапасов), и статистических моделей множественной регрессии также показал идентичность результатов. Для прогноза максимальных уровней воды, вызванных таянием снега, предпочтительнее использование однофакторных зависимостей. The study topicality relates to the analysis of available methods for assessing snow reserves in river basins and forecasting floods. To predict runoff volume and maximum flood levels, statistical models resting on the correlation dependence of runoff parameters on snow reserves or multiple linear regression equations are usually used in the absence of sufficient hydrometeorological information. An important point is that there are no justified comparisons of traditional forecasting methods based on calculations of winter precipitation amount (snow reserves) and statistical models of multiple regression. The aim of the study is to carry out the comparative analysis of methods for calculating winter precipitation amounts in the basin by means of traditionally applied altitude dependencies and the author's estimation method using orographic correction to the velocity of vertical movements of air masses; to carry out the comparative analysis of traditional statistical forecasting methods and models of multiple linear regression by the example of the Amyl River basin. Methods: comprehensive geographical and hydrometeorological analysis; dependence establishment based on long-term hydrometeorological observations using methods of mathematical statistics (correlation and regression analysis); snow reserves simulation with the use of orographic correction to the velocity of vertical movements. Results. By altitude dependencies and the author's assessment considering orographic correction to the velocity of vertical movements of air masses, two different approaches to estimate of winter precipitation amounts suggest similar statistical dependences with close values of determination coefficients. Models for predicting runoff volumes and maximum flood stages based on pair correlation and multiple regression analysis were developed. The comparative analysis of traditional methods for forecasting runoff layers based on calculations of winter precipitation amount (snow reserves) and statistical models of multiple regression also showed similar results. The applied onefactor dependencies turned out to be the best in forecasting snowmelt-induced maximum levels.

Актуальность работы связана с необходимостью совершенствования методик среднесрочных прогнозов половодья в условиях недостаточности гидрометеорологической информации. Цель: оценка возможности использования пространственно распределенных моделей атмосферных осадков для прогнозирования объема стока половодья; разработка стохастических моделей для прогноза объема и максимальных расходов половодья с использованием данных наблюдений сети Росгидромета и распределенных атмосферных осадков по данным реанализа и данных дистанционного зондирования земли высокого пространственного разрешения. Методы: геоинформационный, комплексный географо-гидрометеорологический анализ, статистические методы (корреляционный и регрессионный анализ). Результаты. Выполнена оценка атмосферного увлажнения бассейна р. Чумыш с использованием данных пространственно распределенных моделей атмосферных осадков и материалов наблюдений на метеорологических станциях; проанализирована связь сумм осадков с объемом стока и максимальными расходами половодья. Сравнительная оценка полученных зависимостей позволила выбрать наиболее значимые предикторы для построения уравнения множественной линейной регрессии. Разработана статистическая модель для прогноза объема и максимальных расходов половодья реки Чумыш в створе пгт Тальменка с использованием данных наблюдений сети Росгидромета и реанализов высокого пространственного разрешения. The relevance of the study stems from the necessity to refine the methods of medium-term flood forecasts when sufficient hydrometeorological data are not available. The purpose of the work is to assess probable application of spatially distributed precipitation models to forecast runoff volume of flood, to develop stochastic models for predicting flood volume and its maximum discharge using hydrometeorological observation data, distributed precipitation datasets from reanalysis and remote sensing data of high spatial and temporal resolution. Methods include geoinformation, complex geographical and hydrometeorological analysis, statistical methods (correlation and regression analysis). Results. The Chumysh basin moistening was estimated due to the data from spatially distributed precipitation models and hydrometeorological observation data; the relationship of total precipitation with runoff volume and maximum flood discharge was analyzed. A comparative evaluation of the obtained dependencies made it possible to identify key predictors for deriving the multiple linear regression equation. The statistical model was developed for predicting volumes and maximum discharges of Chumysh flood at Talmenka settlement using hydrometeorological observation data and reanalysis ones of high spatial and temporal resolution.