Вы находитесь на странице: 1из 58

РАСЧЕТЫ СТОКА РЕК

ЕВРОПЕЙСКОЙ ЧАСТИ ПАН -


АРКТИЧЕСКОГО БАССЕЙНА
РОСCИИ С
ИСПОЛЬЗОВАНИЕМ
МОДЕЛИ ВЗАИМОДЕЙСТВИЯ
ПОВЕРХНОСТИ СУШИ С
АТМОСФЕРОЙ SWAP И
ГЛОБАЛЬНЫХ БАЗ ДАННЫХ
Водосборные бассейны России

Около 68% суммарного стока рек сбрасывается в моря Северного Ледовитого океана
– Баренцево, Белое, Карское, море Лаптевых, Восточно-Сибирское и Чукотское
/по данным М.И. Львовича (1971), С.Л. Вендрова (1986), Е.Г. Григорьева (1994)/.
Изменение растительной и животной биомассы
Земли (Молостов, 2005)
Цель работы:
Оценить возможности использования модели
взаимодействия поверхности суши с атмосферой (LSM-
моделей) SWAP в сочетании с информационным
обеспечением, основанном на данных наблюдений
метеорологических станций, а также на глобальных базах
данных о гидрометеорологических характеристиках и
параметрах поверхности суши, для расчетов
гидротермического режима, речного стока, других
составляющих водного баланса речных бассейнов в пан-
Арктическом регионе планеты

Основной методический
инструментарий:
модель взаимодействия
поверхности суши с атмосферой
SWAP
( Soil Water - Atmosphere – Plants )
Схематизация основных речных бассейнов и речной сети пан-Арктического
бассейна с 100 - км разрешением
(зеленые точки – пункты наблюдений за речным стоком)
Основные
Основныеособенности
особенностимодели
моделиSWAP
SWAP
Структура системы “почва – растительный / снежный покров –
Структура системы “почва – растительный / снежный покров –
приземный слой атмосферы”
приземный слой атмосферы”
Почва Задача формирования теплового режима: 1 – 3 слоя
Почва Задача формирования теплового режима: 1 – 3 слоя
Задача формирования водного режима: 3 – 4 слоя
Задача формирования водного режима: 3 – 4 слоя
Снежный покров Задача формирования водного
Снежный покров Задача формирования водного
и теплового режимов 1 слой
и теплового режимов 1 слой
Растительность Задача формирования водного,
Растительность Задача формирования водного,
теплового режимов и 1 – 2 слоя
теплового режимов и 1 – 2 слоя
углеродного режима
углеродного режима
Приземный слой атмосферы 1 слой
Приземный слой атмосферы 1 слой
Основные уравнения
Основные уравнения
Уравнения сохранения (баланса)
Уравнения сохранения (баланса)
Уравнения переноса
Уравнения переноса
Уравнения состояния
Уравнения состояния
Граничные условия
Граничные условия
Начальные условия
Начальные условия
Расчетные методы
Расчетные методы
преимущественно аналитические по пространству
преимущественно аналитические по пространству
численные по времени
численные по времени
UPSCALING
Линейная модель
формирования водного баланса в русловой сети
[ Kanae et al.,1995; Oki, 1997; Oki, Sud, 1998 ]

dS r
= Yin − Yout
dt
Sr – запас воды в русловом канале в пределах одной расчетной ячейки
Yin - расход воды, поступающий в канал (как от каналов соседних
ячеек, так и в виде боковой приточности в рассматриваемой ячейке)
Yout - расход воды в канале на выходе из ячейки
ue
Yout = Sr
dc
dс – расстояние между расчетными ячейками
ue – эффективная скорость движения воды в русловом канале (с учетом
извилистости русла). Среднеглобальное значение ue равно примерно
0.35 – 0.36 м/с [Miller et al., 1994; Kanae et al., 1995; Oki et al., 1999]
Параметры подстилающей
поверхности:

Основа:
глобальные банки данных, полученные в
рамках проекта GSWP-2 (Global Second Soil
Wetness Project)
Пример дискретизации поверхности Земли

Пространственное разрешение в проекте GSWP-2


равно 1 градусу и число расчетных ячеек
поверхности суши равно 15238
Параметры растительного покрова
♥ VegClass Класс растительного покрова
♥ LAI Относительная площадь листьев (Total LAI)
♥ grnFrac Доля зеленых листьев (green LAI / Total LAI)
♥ classFrac Доля каждого класса растительного покрова
♥ Z0Surf Параметр шероховатости
♥ DisplH Высота слоя вытеснения
♥ Albedo Альбедо поверхности в отсутствии снега
♥ RootDepth Толщина корнеобитаемой зоны
(зоны, где сосредоточено 95% корневой
биомассы)
Глобальное распределение среднемноголетних
значений относительной площади листьев (LAI)

В соответствии с данными проекта GSWP-2


Почвенные
параметры:
SoilDepth Глубина почвенной колонки

W_fieldcap Наименьшая влагоемкость

W_wilt Влажность завядания

W_sat Пористость

W_bpower Степенной показатель B Клэппа и


Хорнбергера

W_sat_hydc Коэффициент фильтрации

W_sat_matp Потенциал почвы при насыщении

Albedo Альбедо почвы


Глобальное
распределение
коэффициента
фильтрации K0, м/с
(в логарифмической
шкале - Ln(K0))

Ln(K0)
-4.2

-4.6

-5

-5.4

-5.8

-6.2
Метеорологические данные
(с трехчасовым шагом)
♥ Tair Приповерхностная температура воздуха (на 2 м)
♥ Qair Приповерхностная удельная влажность воздуха (на 2 м)
♥ Wind Приповерхностная скорость ветра (на 10 м)
♥ SWdown Приходящая коротковолновая радиация
♥ LWdown Приходящая длинноволновая радиация
♥ Psurf Приповерхностное давление воздуха
♥ Rainf Интенсивность жидких осадков
♥ Snowf Интенсивность твердых осадков
1 вариант: данные реанализа NCEP/DOE (1983-1995 гг.)
2 вариант: данные реанализа с последующей гибридизацией
данных по осадкам с космической информацией и наземными
наблюдениями (1983-1995 гг.); для задания значений приходящей
радиации использована база данных SRB (Surface Radiation Budget)
3 вариант: данные наблюдений метеорологических станций на
территории бассейна
Глобальное распределение cреднемноголетних
осадков (жидких и твердых), мм/год
(осреднение за 1986 – 1995 гг.)

80
3000
60 2000
1500
Latitude , degree

40
1000
800
20
600
0 400
200
-20 100
0
-40

-60
-180 -160 -140 -120 -100 -80 -60 -40 -20 0 20 40 60 80 100 120 140 160 180
Longitude , degree
Статистические критерии соответствия
рассчитанных и наблюденных значений
стока
♥ Систематическая ошибка bias, равная разности между рассчитанными
и наблюденными значениями стока, усредненными по рассматриваемому
периоду

♥ Коэффициент корреляции между рассчитанными (xcal) и наблюденными


(xobs) значениями стока Corr (суточными или месячными)

♥ Расчетная эффективность по Нэшу-Сатклиффу [Nash, Sutcliffe, 1970]


Eff, определяемая следующим выражением

∑ cal obs
( x − x ) 2

Eff = 1 − Ω

∑ obs obs

( x − x ) 2

Согласно [Апполов и др., 1974]: «хорошая» точность – при Eff > 0.75
«удовлетворительная» - при 0.36 < Eff < 0.75
Оценка возможностей использования SWAP для
расчетов речного стока в северных регионах
Карта-схема северного склона ЕТР с
выделенными бассейнами исследуемых рек

Тулома Поной
Эффективность расчетов Eff
и систематическая ошибка Bias
месячных величин стока для ряда северных рек при
использовании априорных параметров поверхности
бассейнов и метеорологических характеристик из
глобальной базы данных проекта GSWP-2 за 1983-1995 гг.

Eff Bias, мм/год


200
1
150

0.5 100

50
0
н
он

ка
а
к
и на

ра
н зи

а
ь

да
Ле н
ене
ым

0
зен

гир
Юк

Ал
кке

Печ
Дв

Кол

-0.5
Ол
Ме

дан
а
он

ка
ди

а
ра
ь

нз и

ым

е не
н

Лен
з ен
Ма
.

г ир
Сев

Юк

Дви

о
Ин

-50

Ал
Пе ч
к ке

Ко л

Ол
Ме

и
Инд
.

Ма
Се в
-1
-100

-1.5 -150
Метод RST
Пример прямого поиска минимума целевой функции Ext для
двумерной области переменных X и Y
– точки первоначальной серии квазислучайных точек (X, Y)
– «лучшие» точки первоначальной серии
– точки повторной серии розыгрыша квазислучайных точек (X, Y)
– область точек со значениями X и Y, близких к оптимальным
Метод эволюций тасуемых групп SCE-UA
Duan Q., Sorooshian S., Gupta V.K. Effective and efficient global
optimization for conceptual rainfall runoff models // Water Resour. Res.
1992. V. 28. № 4.
Метод SCE-UA был разработан для оптимизации какой-либо одной целевой
функции. Чтобы применить его для двух целевых функций Ext и Bias, поиск
минимального значения Ext осуществлялся при условии, что Bias не должен
превышать 5%.
На первом этапе метода SCE-UA устанавливается исходная совокупность
значений оптимизируемых параметров путем случайной выборки в пространстве
допустимых значений n параметров, определяемом заданными диапазонами их
значений. Для каждой точки вычисляется значение целевой функции. На основе
этих значений выборка разделяется на несколько групп, каждая из которых
состоит из 2n+1 точек. В каждой группе поиск оптимума целевой функции
осуществляется в течение заданного числа шагов независимо от других групп
симплексным методом склонового спуска (downhill simplex method)], т.е.
происходит независимая эволюция этих групп. Периодически группы
объединяются в единую выборку, точки которой перемешиваются (тасуются) с
целью обмена информацией и разделяются на новые группы. Затем
осуществляется независимая эволюция вновь созданных групп. В процессе
поиска вся совокупность точек сходится к глобальному оптимуму при условии,
что исходная выборка достаточно велика. Эволюции и перемешивание
повторяются до достижения заранее определенного критерия сходимости. В
настоящей работе число групп задавалось равным 6 (с уменьшением до 3 в
процессе работы алгоритма), а критерий сходимости составлял 0.1% (изменение
значения Ext) в течение 8 циклов.
Среднемноголетняя (за 1986 – 1994 гг) динамика месячных
значений осадков (усредненных по бассейну р.Мезень):
(1) по данным наблюдений метеорологических станций
(2) взятых из глобальной базы данных проекта GSWP-2

100
данные
1 2 GSWP
80

60
Осадки, мм/мес

40
данные
метеостаций
20

0
0 1 2 3 4 5 6 7 8 9 10 11 12

месяцы
Набор калибруемых параметров

3.0

2.5

2.0

1.5

1.0

0.5

0.0
О
|Log10(kK0)| khr albsn kalbsum kh0 n, с/м1/3 ue, м/с klp ksp ksw klw

Оптимизированные параметры
Бассейн р.Печора (324 000 кв.км)
и его схематизация
при проведении расчетов стока
– стоковые станции
– метеорологические
станции
Сопоставление наблюденных ( ) и рассчитанных ( ) суточных
величин стока р.Печора в районе ст. Оксино с использованием
оптимизированных параметров
/ метеорологические данные из данных наблюдений метеорологических
станций/

12 R , мм / сут
10
Калибровочный период bias = -1%, Corr = 0.92, Eff = 0.82
8
(синяя линия)
6

0
1981 1982 1983 1984 1985 1986 1987 1988 1989 1990
1991 1992 1993 1994 1995 1996 1997

12 R , мм / сут
Проверочный период bias = -11%, Corr = 0.91, Eff = 0.82
10
(зеленая линия)
8

0
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000
Измеренные ( ) и рассчитанные ( ) значения суточного стока
р.Печоры для периода 1967-1990 гг. в районе стоковой станции Усть-
Цильма с использованием оптимальных параметров, полученных по
данным измерений суточного стоке за 1986-1990 гг. в районе стоковой
станции Оксино

14 R, мм/сут
12 расчет наблюдение
10
8
6
4
2
0
1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978

14
12
10
8
6
4
2
0
1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990

bias = -9 %, Corr = 0.90, Eff = 0.79


Северная Двина
Одна из крупных рек Европейской территории России,
принадлежащих бассейну Северного Ледовитого океана.
Площадь водосбора р.Северной Двины - 357 тыс. км2.
Средний годовой слой стока в устье реки - 309 мм.
Почвы в бассейне подзолистые, дерново-подзолистые
и болотно-подзолистые.
Леса, преимущественно хвойные, занимают на
водосборе около 80%.
Бассейн р.Северной Двины
и его схематизация
– стоковая станция Усть-Пинега
– метеорологические станции
Динамика наблюденных и рассчитанных суточных слоев стока R с бассейна
р.Северная Двина в районе стоковой станции Усть-Пенега за 1967-1998 гг. Исходные
данные для калибровки (без оптимизации корректирующих множителей к
метеорологическим данным) модельных параметров – суточный наблюденный сток
за 1986 – 1990 гг. (подчеркнуто красным).
/ Метеорологические данные взяты по данным наблюдений /
R , мм/сут наблюдение
Весь расчетный период: Bias=1%, Eff=0.83, Corr=0.91 расчет without forcings
6

0
1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977

0
1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988

0
1989 1990 1991 1992 1993 1994 1995 1996 1997 1998
Пространственное распределение на территории бассейна р.Северной
Двины ресурсов естественного увлажнения, мм/год, (среднемноголетних
осадков), ресурсов почвенных вод (среднемноголетнего суммарного
испарения) и ресурсов поверхностных и подземных вод (речного стока) в
последней трети ХХ века
Осадки

Испарение Сток
Другие реки
Европейского
Севера
Примеры измеренных (1) и рассчитанных на основе модели
SWAP (2) гидрографов суточного стока R рек Онеги, Поноя и
Туломы за части проверочных периодов
6 R , мм/сут
5 1Obs cal
2
Р.Онега, Eff=0.83
4
3
2
1
0
1969 1970 1971 1972 1973 1974 1975 1976 1877 1978

8
Р.Поной, Eff=0.85
6

0
1975 1976 1977 1978 1979 1980 1981 1982 1983 1984

8
Р.Тулома, Eff=0.60
6

0
1951 1952 1953 1954 1955 1956 1957 1958 1959 1960
Статистические характеристики соответствия
наблюденных и рассчитанных на основе моделей
SWAP и VIC месячных слоев стока рек Мезени,
Печоры и Северной Двины (Bias, %, и Eff )
Расчетный
Модель Река Bias Eff
период, годы
SWAP Мезень 1986-1994 -2 0.96

SWAP Печора 1981-2000 -9 0.94


Северная
SWAP 1967-1998 3 0.91
Двина
SWAP Среднее -- « -- -3 0.94

VIC Мезень 1979-1999 -9 0.83

VIC Печора 1979-1999 -15 0.77

VIC Северная Двина 1979-1999 -1 0.85

VIC Среднее -- « -- -8 0.82


Выводы
♥ Показано, что использование модели тепловлагообмена подстилающей
поверхности суши с атмосферой SWAP в сочетании с информационным
обеспечением, основанном на глобальных базах данных по параметрам
подстилающей поверхности и на различных вариантах метеорологической
информации (основанной на (1) результатах реанализа, (2) результатах
реанализа с последующей гибридизацией данных по осадкам с данными
космических наблюдений и данными наблюдений метеорологических
станций, (3) данных наблюдений метеорологических станций,
расположенных в бассейнах соответствующих рек) позволяет
воспроизводить гидрографы суточного и месячного стоков северных рек с
достаточно высоким качеством.

♥ При этом во всех случаях требуется проведение процедуры


оптимизации части модельных параметров. При использовании
метеорологического информационного обеспечения, основанного на
глобальных базах данных, требуется калибровка не только 7 параметров
подстилающей поверхности, но и 4-х корректирующих множителей к осадкам
и приходящей радиации. В случае же использования метеорологической
информации, основанной на данных наблюдений метеорологических
станций, для достижения высоких показателей качества расчета стока в
большинстве случаев достаточно калибровки только 8 параметров
подстилающей поверхности бассейна
О возможностях использования модели SWAP и глобальных баз
данных при разработке сценарных прогнозов изменения
составляющих водного баланса отдельных бассейнов в XXI веке

Социально-экономический
IS92a-сценарий IPCC
Согласно указанному сценарию,
предполагается, что население
Земли увеличится к 2100 году до
11.3 миллиардов человек,

экономический рост с 1990 по


2100 гг. при использовании как
традиционных, так и
возобновляемых источников
энергии составит в среднем по
планете 2.3% в год.
Динамика концентрации Приращение глобальной
СО 2 в атмосфере, температуры, оС
микромоль/моль 2.5
800
2
600
1.5
400
1

200 0.5

0 0
1990 2010 2030 2050 2070 2090
1990 2010 2030 2050 2070 2090
годы
годы

Прираще ние радиации, обусловле нное


Оценка изменениявв21-м
Оценкаизменения 21-мвеке
веке
изме не ние м соде рж ания аэрозоле й в некоторых глобальных характеристик
некоторых глобальных характеристик
атмосфе ре , Вт/м2
Земли,
Земли,связанных
связанныхссизменением
изменением
1990 2010 2030 2050 2070 2090
0
интенсивности
интенсивностивыбросов
выбросовпарниковых
парниковых
-0.2 газов
газов и аэрозолей в атмосферупланеты
и аэрозолей в атмосферу планеты
-0.4 ввсоответствии
соответствиисососценарием
сценарием
-0.6 социально-экономического
социально-экономическогоразвития
развития
-0.8
IPCC IS92a
IPCC IS92a
Для оценки динамики MAGICC / SCENGEN:
гидрометеорологических и Model for the Assessment of Greenhouse-
актинометрических gas Induced Climate Change / A Global and
характеристик (в глобальном
Regional Climate Scenario Generator
и региональном масштабах),
служащих исходной
информацией для расчетов [Model for the Assessment of Greenhouse-
воздействий климатических gas Induced Climate Change, 2000]
изменений на формирование
водного, теплового и
углеродного баланса в
конкретной экосистеме, была
использована компьютерная
программа
MAGICC/SCENGEN,
представляющая собой
генератор климатических
сценариев, предназначенный
для оценки уязвимости или
адаптации различных
экосистем или биомов
планеты к климатическим
изменениям.
Модели глобальной циркуляции атмосферы (высокого разрешения),
использованные в работе модельного комплекса SCENGEN.
HadCM2 Hadley Centre Unified Model 2 Transient Ensemble-mean (UK)

UKTR UK Met. Office/Hadley Centre Transient

CSIRO-TR Commonwealth Scientific and Ind. Research Org., Transient (Australia)

ECHAM4 European Centre/Gamburg Model 4 Transient (Germany)

UKHI-EQ UK Met. Office High Resolution

CSIRO2-EQ Commonwealth Scientific and Ind. Research Org., Mark 2 (Australia)

ECHAM3 European Centre/Gamburg Model 3 Transient (Germany)

UIUC-EQ University of Illinois at Urbana Champaign (USA)

ECHAM1 European Centre/Gamburg Model 1 Transient (Germany)

CSIRO1-EQ Commonwealth Scientific and Ind. Research Org., Mark 1 (Australia)

CCC-EQ Canadian Climate Centre (Canada)

GFDL-TR Geophysical Fluid Dynamics Laboratory Transient (USA)

BMRC-EQ Bureau of Meteorology Research Centre (Australia)

CGCM1-TR Canadian Climate Centre for Modelling and Analysis 1 Transient (Canada)

NCAR-DOE National Centre for Atmospheric Research (DoE) Transient (USA)

CCSR/NIES Centre for Climate Research Studies/NIES (Japan)


Изменение некоторых климатических характеристик в
бассейне р.Онеги по сравнению с периодом 1967 – 1990 гг.
в соответствии со сценарием IPCC IS92a
Изменение осадков, %
30
25
20
15
10
5
0
2000 2010 2020 2030 2040 2050 2060 Годы

Изменение температуры, град С


6
5
4
3
2
1
0
2000 2010 2020 2030 2040 2 050 2060 Годы
Среднемноголетняя динамика максимальных
снегозапасов в бассейне р.Онеги в первой половине
XXI века, рассчитанная в соответствии
со сценарием IPCC IS92-a

Максимальные снегозапасы, мм
200

150 среднее
значение

100
среднее
значение ±
стандартное
50 отклонение

0
1960 1980 2000 2020 2040 2060
Годы
Среднемноголетняя динамика некоторых гидрологических
характеристик стока р.Онеги в первой половине XXI века,
рассчитанная в соответствии со сценарием IPCC IS92-a

Изменение средне- Изменение среднемноголетнего


многолетнего годового стока внутригодового гидрографа

R , мм/год R , мм/мес
Наблюдение
350 80
2039-2063
300
Расчет 2015-2038
250 60 1991-2014
СРЕДНЕЕ 1967-1990
200
ЗНАЧЕНИЕ
40
150
СРЕДНЕЕ
100 ЗНАЧЕНИЕ
± 20
50 СРЕДНЕКВАД-
РАТИЧЕСКОЕ
0 ОТКЛОНЕНИЕ
0
1960 1980 2000 2020 2040 2060
1 2 3 4 5 6 7 8 9 10 11 12
Годы М ЕС
Изменение среднемноголетнего испарения E в бассейне
р.Онеги в первой половине XXI века, рассчитанная в
соответствии со сценарием IPCC IS92-a
1. Период 1967 – 1990 гг. 2. Период 2039 – 2063 гг.
с.ш., град с.ш., град
64 64

63.5 E, мм/год 63.5 E, мм/год

63 540 63 540
500 500

62.5 460 62.5 460


420 420
62 380 62 380
340 340
61.5 300 61.5 300
260 260
61 61
220 220
180 180
60.5 60.5

60 60
37 37.5 38 38.5 39 39.5 40 37 37.5 38 38.5 39 39.5 40
в.д., град в.д., град
Общий прирост испарения с бассейна р.Онеги в 2039-2063 гг. по сравнению с 1967-1990 гг. – 32%
♠ LAST SLIDE

Thank you!

FOR CONTACT

Yeugeniy M. GUSEV
gusev@aqua.laser.ru
Пространственное распределения по территории Европы
среднегодовых изменений приземной температуры воздуха
(а) и осадков (б) для 2050 года, соответствующих сценарию
IPCC IS92a
(красный прямоугольник показывает расположение
бассейна р.Онеги)

(а) (б)
Модификация диаграммы статистической оценки сравнения
качества расчета стока р. Северной Двины на основе модели
SWAP с использованием различных вариантов
информационного обеспечения
- расчет по априорным данным
- расчет с оптимизацией
параметров, не включающих
поправочные коэффициенты к
осадкам и приходящей
радиации
- расчет с оптимизацией
параметров, включающих
поправочные коэффициенты к
осадкам и приходящей
радиации
(цифры у кружков – номера
вариантов источников
информационного обеспечения)
- данные наблюдений стока

Область плохого соответствия


Область удовлетворительного соответствия
Область хорошего соответствия рассчитанных и наблюденных данных
Сопоставление качества расчетов месячных слоев
стока рек Мезени, Печоры и Северной Двины при
использовании моделей SWAP и VIC
Хорошо Удовлетворительно Плохо
Информационное обеспечение
модели

♥ Параметры
подстилающей
поверхности

♥ Метеорологическая
информация
Сопоставление качества расчетов месячных слоев стока
рек Мезени, Печоры и Северной Двины при использовании
моделей SWAP и VIC

Области - хорошего, - удовлетворительного,, - плохого


соответствия рассчитанных и измеренных данных
Диаграмма Тэйлора статистической оценки сравнения
качества расчета рядов стока р. Северной Двины на основе
модели SWAP с использованием различных вариантов
информационного обеспечения

- расчет по априорным данным


- расчет с оптимизацией
параметров, не включающих
поправочные коэффициенты к
осадкам и приходящей радиации
- расчет с оптимизацией
параметров, включающих
поправочные коэффициенты к
осадкам и приходящей радиации
Цифры у кружков – номера
вариантов информационного
обеспечения
- Данные наблюдений
Цифры у окружностей –
центрированное
среднеквадратическое отклонение
измеренных и рассчитанных
значений стока, мм/сут
Модификация диаграммы статистической оценки сравнения
качества расчета стока р. Северной Двины на основе модели
SWAP с использованием различных вариантов
информационного обеспечения - расчет по априорным
данным
- расчет с оптимизацией
параметров, не
включающих
поправочные
коэффициенты к
осадкам и приходящей
радиации
- расчет с оптимизацией
параметров,
включающих
поправочные
коэффициенты к
осадкам и приходящей
радиации
(цифры у кружков –
номера вариантов
источников
Область (желтая) Область (голубая) Область (зеленая)
информационного
плохого удовлетворительного хорошего обеспечения)
соответствия рассчитанных и наблюденных данных
- данные наблюдений
согласно [Апполов и др., 1974] стока
Диаграмма статистической оценки сравнения качества
расчета стока р. Северной Двины на основе модели SWAP с
использованием различных вариантов информационного
обеспечения
(обозначения те же, что и на предыдущем слайде)
Поисковые работы
(планы на будущее)
1. К ВОПРОСУ ОБ ОЦЕНКЕ ВОЗМОЖНОСТИ РАСЧЕТА РЕЧНОГО
СТОКА ПРИ ИСПОЛЬЗОВАНИИ ОПТИМИЗИРОВАННЫХ МОДЕЛЬНЫХ
ПАРАМЕТРОВ, ПОЛУЧЕННЫХ ДЛЯ ОДНОГО РЕЧНОГО БАССЕЙНА,
ДЛЯ РАСЧЕТА СТОКА РЕКИ ДРУГОГО БАССЕЙНА

В качестве метрики разности природных условий i и n-ого речных


бассейнов ║Мn,i║ использовалась евклидово расстояние в фазовом
пространстве переменных уm, нормированных на усредненные из
значения по всей поверхности суши уm, т.е.
M0

∑ (Var − Varm ,i )
2
M n, i = m,n
m

y m,n
где Varm,n = , М0 – общее число переменных, уm, (m – номер
ym
соответствующей переменной), характеризующих средние по бассейнам
климатические, почвенные, растительные и геоморфологические особенности,

уm - усредненные из значения по всей поверхности суши.


Характеристики Vari, использованные в качестве фазовых переменных,
характеризующих средние по речному бассейну его природные условия
i Средние по речному бассейну характеристики его природные условий

1 Коэффициент фильтрации почвы


2 Наименьшая влагоемкость
3 Влажность завядания
4 Капиллярно-сорбционный потенциал почвы при насыщении в параметризации Клэппа
и Хорнбергера [12]
5 Разность среднемноголетних средней и минимальной температур приземного слоя
воздуха
6 Среднемноголетняя амплитуда колебаний температуры приземного слоя воздуха
7 Среднемноголетнее альбедо поверхности бассейна
8 Коэффициент экстинкции для лесной растительности
9 Относительная площадь стволов, веток, сухой травы
10 Относительная площадь фотосинтезирующих элементов
11 Средний размер листа растительного покрова бассейна
12 Толщина корнеобитаемой зоны
13 Толщина слоя почвы и зоны аэрации до границы слабопроницаемого слоя
14 Высота растительного покрова
15 Среднемноголетние осадки
16 Средний уклон поверхности расчетных ячеек бассейна
17 Средняя высота бассейна над уровнем моря
Зависимость относительного изменения эффективности расчета стока
реки 1 Y при использовании набора параметров Par2,
оптимизированных для бассейна реки 2
(Par1 – набор параметров, оптимальный для бассейна реки 1),
от функционала X , характеризующего разницу природных условий,
определяемую набором переменных Vari
и соотношение площадей обоих бассейнов S.

Y = Eff1( Par2 ) / Eff1( Par1 ) 1.0

0.9

0.8
При построении Линия регессии:

зависимости Y(X) 0.7 y = -0.1512x + 1


использованы данные 0.6

бассейнов рек 0.5 Кэффициент


Северной Двины, 0.4
корреляции между
линией регрессии и
Онеги и Поноя. экспериментальны
0.3
ми точками:
Красный квадрат – 0.2
расчетные данные 0.1
R =0.9845
относительной
0.0
эффективности 0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0
р.Кеми
S1
∑ (Vari ,1 − Vari ,2 )
2
X= 4
S2
i
Зарегулированный (1) (измеренный) и естественный (2)
.
(рассчитанный) суточный сток R р.Кеми в районе
стоковой станции Путкинская ГЭС

14
R, мм/сут
1 2
12
10
8
6
4
2
0
1972 1974 1976 1978 1980 1982 1984 1986 1988

Bias = - 1.3 %
Теоретическая оценка эффективности
расчета естественного стока: Еffе = 0.76

Оценить