Modeling of maximum runoff characteristics of small rivers in the mountain permafrost zone

Cover Page

Cite item

Full Text

Abstract

Climate change leads to the transformation of hydrological processes in the mountain permafrost regions, increasing the frequency and intensity of catastrophic floods. An example is the Magadan Oblast – an important region for the Russian economy, exposed to the risk of floods. The aim of the study was to calculate the maximum water discharge of three small rivers in the Magadan Oblast – the Krivulya, Ambardakh and Susuman rivers – using pluviograph data and the hydrological model Hydrograph. The model was verified on daily intervals for the periods 1966–1994 for the Krivulya stream and 1966-1987 for the Susuman and Ambardakh rivers. Modelling results have shown satisfactory correlation with the observed daily and mean annual values. The median values of the Nash-Sutcliffe coefficient varied from 0.52 to 0.62. The model parametrization for three main types of the landscapes was developed based on the data of the Kolyma Water-Balance station. The modeling was carried out for the historical floods of August 16, 1986 for the Susuman and Ambardakh rivers (maximum observed instant discharges were 393 m3/s and 74.7 m3/s, calculated 1-hourly discharge – 420 m3/s and 78.5 m3/s, respectively) and July 26, 1984 for the Krivulya Stream (observed instant discharge – 14.2 m3/s, calculated 1-hourly discharge – 16.5 m3/s). The relative error of simulated and observed maximum discharges did not exceed 20%. The results of the study confirm the possibility of applying deterministic hydrological modeling on an intra-day interval using pluviograph data. However, the main limitation for the mountain cryolithozone remains the lack of precipitation data. A promising solution may be the use of climate model data, which, in combination with runoff formation models, opens up new opportunities for assessing and predicting maximum runoff characteristics.

References

  1. IPCC. Climate Change 2021 – The Physical Science Basis: Working Group I Contribution to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. – 1. – Cambridge University Press, 2023.
  2. Rasheed M.W., Tang J., Sarwar A., Shah S., Saddique N., Khan M.U., Imran Khan M., Nawaz S., Shamshiri R.R., Aziz M. Soil moisture measuring techniques and factors affecting the moisture dynamics: A comprehensive review // Sustainability. – 2022. – Т. 14. – № 18. – С. 11538.
  3. Young S.S. Global and Regional Snow Cover Decline: 2000–2022 // Climate. – 2023. – Vol. 11. – № 8. – P. 162.
  4. National Snow and Ice Data Center, Meier W., Stroeve J. An Updated Assessment of the Changing Arctic Sea Ice Cover // Oceanography. – 2022.
  5. Langer M., Nitzbon J., Groenke B., Assmann L.-M., Schneider von Deimling T., Stuenzi S.M., Westermann S. The evolution of Arctic permafrost over the last 3 centuries from ensemble simulations with the CryoGridLite permafrost model // The Cryosphere. – 2024. – Т. 18. – № 1. – С. 363-385.
  6. Intergovernmental Panel On Climate Change (Ipcc). Climate Change 2022 – Impacts, Adaptation and Vulnerability: Working Group II Contribution to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. – 1. – Cambridge University Press, 2023.
  7. Makarieva O., Nesterova N., Haghighi A.T., Ostashov A., Zemlyanskova A. Challenges of Hydrological Engineering Design in Degrading Permafrost Environment of Russia // Energies. – 2022. – Vol. 15. – № 7. – P. 2649.
  8. Макарьева О.М., Нестерова Н.В., Виноградова Т.А., Бельдиман И.Н., Колупаева А.Д. Расчет характеристик катастрофических паводков неизученной реки Цемес (г. Новороссийск, Черноморское побережье России) на основе гидрологической модели «Гидрограф» // Вестник Санкт-Петербургского университета. Науки о Земле. – 2019. – Т. 64. – № 1. – С. 24-43.
  9. Государственный Доклад О Состоянии И Использовании Минерально-Сырьевых Ресурсов Российской Федерации В 2022 Году / ред. Д.Д. Тетенькин, И.И. Петров. – Москва: Министерство природных ресурсов и экологии РФ, Федеральное агентство по недропользованию, 2023. – 638 с.
  10. Ресурсы поверхностных вод. Том 19. Северо-Восток / ред. В.В. Куприянов. – Ленинград: Гидрометеоиздат, 1969. – 602 с.
  11. Полежаев А.Н. Растительность // Флора и растительность Магаданской Области (конспект сосудистых растений и очерк растительности). – Магадан, 2010. – С. 6-31.
  12. Vinogradov Yu.B., Semenova O.M., Vinogradova T.A. An approach to the scaling problem in hydrological modelling: the deterministic modelling hydrological system // Hydrological Processes. – 2011. – Vol. 25. – № 7. – P. 1055-1073.
  13. Nesterova N., Makarieva O., Post D.A. Parameterizing a hydrological model using a short‐term observational dataset to study runoff generation processes and reproduce recent trends in streamflow at a remote mountainous permafrost basin // Hydrological Processes. – 2021. – Vol. 35. – № 7.
  14. Макарьева О.М., Виноградова Т.А., Нестерова Н.В., Виноградов А.Ю., Бельдиман И.Н., Колупаева А.Д. Моделирование катастрофических паводков в бассейне р. Туапсе // Геориск. – 2018. – Т. XII. – № 3. – С. 78-89.
  15. Makarieva O., Nesterova N., Lebedeva L., Sushansky S. Water balance and hydrology research in a mountainous permafrost watershed in upland streams of the Kolyma River, Russia: a database from the Kolyma Water-Balance Station, 1948–1997 // Earth System Science Data. – 2018. – Vol. 10. – № 2. – P. 689-710.
  16. Лебедева Л.С., Семенова О. М., Виноградова Т. А. Расчет глубины сезонно-талого слоя в условиях различных ландшафтов Колымской водно-балансовой станции в задаче гидрологического моделирования (Часть 2) // Криосфера Земли. – 2015. – Т. XIX. – № 2. – С. 35-44.
  17. Метеорологический ежемесячник. Выпуск 33. Колымское управление гидрометеорологической службы. – Магадан: Главное управление гидрометеорологической службы при Совете Министров СССР, 1974–1990.
  18. Материалы наблюдений Колымской воднобалансовой станции. Вып. 1-40, 1948–1997. – Магадан: Колымское УГМС, 1959–1998.
  19. Макарьева, О. М., Нестерова, Н. В., Землянскова, А. А., Никитина, П. А. База данных плювиографов Магаданской области с 1974 по 2018 гг. – 17.10.2023.
  20. Ландшафтная карта СССР / сост. И.С. Гудилин. – Министерство геологии СССР, 1980.
  21. Lebedeva L., Semenova O., Vinogradova T. Simulation of Active Layer Dynamics, Upper Kolyma, Russia, using the Hydrograph Hydrological Model // Permafrost and Periglacial Processes. – 2014. – Vol. 25. – № 4. – P. 270-280.
  22. Макарьева О.М., Лебедева Л.С., Виноградова Т.А. Моделирование процессов формирования стока на малых горных водосборах криолитозоны (по материалам Колымской водно-балансовой станции) // Криосфера Земли. – 2020. – Т. XXIV. – № 1.
  23. Semenova O., Lebedeva L., Vinogradov Y. Simulation of subsurface heat and water dynamics, and runoff generation in mountainous permafrost conditions, in the Upper Kolyma River basin, Russia // Hydrogeology Journal. – 2013. – Vol. 21. – № 1. – P. 107-119.
  24. Nash J.E., Sutcliffe J.V. River flow forecasting through conceptual models part I – A discussion of principles // Journal of Hydrology. – 1970. – Vol. 10. – № 3. – P. 282-290.
  25. D. N. Moriasi, J. G. Arnold, M. W. Van Liew, R. L. Bingner, R. D. Harmel, T. L. Veith. Model Evaluation Guidelines for Systematic Quantification of Accuracy in Watershed Simulations // Transactions of the ASABE. – 2007. – Vol. 50. – № 3. – P. 885-900.
  26. Виноградов Ю.Б. Математическое моделирование процессов формирования стока (опыт критического анализа). – Ленинград: Гидрометеоиздат, 1988. – 312 с.
  27. Куровская В.А., Макарьева О.М., Нестерова Н.В., Шихов А.Н., Виноградова Т.А. Реконструкция катастрофического паводка 2014 года в бассейне р. Магаданки на основе комплексного гидрометеорологического моделирования // Четвертые Виноградовские Чтения. Гидрология От Познания К Мировоззрению. – 2020. – Т. 163. – С. 696-701.
  28. Макарьева О.М., Нестерова Н.В., Федорова А.Д., Шихов А.Н., Виноградова Т.А. Моделирование разрушительных паводков летом 2019 г. на реке Ие (Иркутская Область) // География и природные ресурсы. – 2020. – № 4.
  29. Grigorev V.Yu., Kharlamov M.A., Semenova N.K., Sazonov A.A., Chalov S.R. Impact of precipitation and evaporation change on flood runoff over Lake Baikal catchment // Environmental Earth Sciences. – 2022. – Vol. 82. – № 1. – P. 16.
  30. Kalugin A. Future Climate-Driven Runoff Change in the Large River Basins in Eastern Siberia and the Far East Using Process-Based Hydrological Models // Water. – 2022. – Vol. 14. – № 4. – P. 609.
  31. Lupakov S.Yu., Bugaets A.N., Gonchukov L.V., Motovilov Yu.G., Sokolov O.V., Bugaets N.D. Using the GR4J Conceptual Model for Runoff Simulation in the Ussuri River Basin // Russian Meteorology and Hydrology. – 2023. – Vol. 48. – № 2. – P. 128-137.
  32. Васильева Е.С., Белякова П.А., Алексюк А.И., Селезнева Н.В., Беликов В.В. Моделирование быстроразвивающихся паводков на малых реках Северного Кавказа с использованием современных данных автоматизированной гидрометеорологической сети // Водные ресурсы. – 2021. – Т. 48. – № 2. – С. 135-146.
  33. Морейдо В.М., Гарцман Б.И., Соломатин Д.П., Сучилина З.А. Возможности краткосрочного прогнозирования стока малой реки с использованием методов машинного обучения // Гидросфера. Опасные процессы и явления. – 2020. – Т. 4. – № 2. – С. 375-390.
  34. Белякова П.А., Морейдо В.М., Цыпленков А.С., Амербаев А.Н., Гречишникова Д.А., Курочкина Л.С., Филиппов В.А., Макеев М.С. Прогнозирование уровней воды на реках Краснодарского края с использованием методов машинного обучения // Водные ресурсы. – 2022. – № 1. – С. 13-26.
  35. Борщ С.В., Симонов Ю.А., Христофоров А.В. Система прогнозирования паводков и раннего оповещения о наводнениях на реках Черноморского побережья Кавказа и бассейна Кубани // Труды Гидрометцентра РФ. Спец. вып. 356. – 2015. – С. 247.
  36. Болгов М.В., Трубецкова М.Д., Филимонова М.К., Харламов В.А. Оценка Возможного Максимального Расхода Воды Реки Зеи В Створе Зейской Гэс // География и Природные ресурсы. – 2020. – № 4. – С. 162-169.
  37. Болгов М.В., Бояринцев Е.Л., Филимонова М.К. Моделирование паводочного стока при выпадении сильных дождей в зоне распространения многолетнемерзлых пород // Водное хозяйство России: проблемы, технологии, управление. – 2018. – № 1. – С. 6-17.
  38. Нестерова Н.В. Моделирование гидрологических характеристик бассейнов горных рек России различной степени изученности в современном климате: автореферат дис. к.т.н. Барнаул. – 2022. – С. 26.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

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».