Лёд и Снег · 2022 · Т. 62 · № 1

УДК 556.124.2

doi: 10.31857/S2076673422010118

Оценка параметров снежного покрова по данным наблюдений на метеостанциях

в небольших речных бассейнах на юге Западной Сибири

¹Московский государственный университет имени М.В. Ломоносова, Москва, Россия;

²Институт водных и экологических проблем СО РАН, Барнаул, Россия

*dmitrypersh@gmail.com

Evaluation of snow parameters at weather stations in small catchments in the south of Western Siberia

D.K. Pershin^1,2*, L.F. Lubenets², D.V. Chernykh²

¹Lomonosov Moscow State University, Moscow, Russia;

²Institute for Water and Environmental Problems, Siberian Branch, Russian Academy of Sciences, Barnaul, Russia

*dmitrypersh@gmail.com

Received May 14, 2021 / Revised November 19, 2021 / Accepted December 23, 2021

Keywords: Western Siberia, snow water equivalent, snow depth, snow density, snow surveys, weather stations data.

Summary

In this study, we analyzed the accuracy of snow observations at weather stations compared to the data of

snow measurements in the vicinity of these stations. Also, the variations of measurement errors were esti-

mated considering the inter-annual snowpack variability and landscape heterogeneity of the river basins. The

studies were conducted in three catchments in the south of Western Siberia: forest-steppe the Kasmala River

(2011-2020), low mountain the Mayma River (2015-2020), and steppe the Kuchuk River (2019-2020). The

results showed that the accuracy of snow measurements at the weather stations was higher in the low moun-

tain catchment than in the plain basins. Interannual differences in precipitation combined with wind trans-

port influenced the most significant errors in the Kasmala catchment (relative error of snow depth on the

snow gauge - 46,3%, and SWE on the permanent course - 17,3%). However, in the Mayma catchment, the

snow depth measurements on the snow gauge agreed well with the catchment means in all years (mean rela-

tive error 7,7%). The relative error of snow depth measurements on the snow gauge in the Kuchuk catchment

was 7,5%, and of SWE on the permanent snow course was 19,1%. The small snow depth error occurred due

to the composition of the error distribution and large differences between open and forested areas.

Citation: Pershin D.K., Lubenets L.F., Chernykh D.V. Evaluation of snow parameters at weather stations in small catchments in the south of Western Sibe-

ria. Led i Sneg. Ice and Snow. 2022, 62 (1): 81-98. [In Russian]. doi: 10.31857/S2076673422010118.

Поступила 14 мая 2021 г. / После доработки 19 ноября 2021 г. / Принята к печати 23 декабря 2021 г.

Ключевые слова: Западная Сибирь, снегозапасы, толщина снежного покрова, плотность снега, снегомерные съёмки, наблюдения на

метеостанциях.

Сравниваются материалы наблюдений за снежным покровом на метеостанциях и снегомер-

ные наблюдения в водосборных бассейнах, где расположены эти станции. Исследования вели в

трёх бассейнах на юге Западной Сибири: в лесостепном бассейне р. Касмала (2011-2020 гг.), низ-

когорном бассейне р. Майма (2015-2020 гг.) и степном бассейне р. Кучук (2019-2020 гг.). Сравне-

ние проводилось на трёх пространственно-временных уровнях изменчивости: межгодовом (влия-

ние межгодовой изменчивости осадков); внутрибассейновом (влияние рельефа и растительности);

внутригодовом (влияние метеорологических условий конкретного зимнего периода).

Введение

нородны [2]. Кроме того, как показали последние

исследования, невязки между основными источ

В условиях современных изменений климата

никами данных о снежном покрове (наземные,

характеристики сезонного снежного покрова су

дистанционные и модельные) остаются высоки

щественно варьируют. В последние десятилетия

ми при изучении как временных, так и простран

в переходные сезоны по всей Евразии сокраща

ственных неоднородностей [3, 4]. В большинстве

ются площади снежного покрова и периоды его

исследований отмечаются тенденции увеличения

залегания [1]. Однако наблюдаемые тенденции

толщины снега и снегозапасов (водного эквива

часто разнонаправленны и территориально неод

лента снежного покрова) как в целом в Север

 81 

Снежный покров и снежные лавины

ной Евразии, так и на территории России [5, 6].

от десятков метров до нескольких десятков ки

По данным Росгидромета, в среднем по России

лометров. В то время как межгодовые различия

тренд максимальной толщины снега составля

в количестве осадков, температурный и ветровой

ет 1,51 см/10 лет [2]. Для центральных и запад

режимы, зависящие от метеорологических усло

ных районов Сибири на основе данных серви

вий конкретных зим, обусловливают временнýю

са GlobSnow 3.0 [6] он равен 3,1±2,9 мм/10 лет.

изменчивость характеристик снежного покрова.

На фоне тенденций увеличения толщины снега

Отметим, что указанные процессы накладывают

и снегозапасов продолжительность залегания и

ся друг на друга и, например, специфика метео

площадь, занятая снежным покровом, последо

рологических условий отдельно взятых синопти

вательно снижаются [7, 8]. В среднем по России

ческих периодов и даже суток может определять

снижение числа дней со снежным покровом со

значительную неоднородность даже на относи

ставляет -1,17 дней/10 лет [2]. Однако многие из

тельно небольших пространственных масштабах.

отмеченных тенденций имеют свои региональ

Задача настоящего исследования - оценить

ные особенности и отклонения.

точность наблюдений за снежным покровом на

Наиболее существенные отличия в направ

ГМС по сравнению с данными снегомерных наб-

ленности тенденций отмечаются между изме

людений в некотором пространственном окру

рениями на снегомерных маршрутах в окрест

жении этих станций. Рассматривалось также

ностях метеостанций (ГМС), на открытых

изменение соотношения между этими двумя ис

и залесённых участках (лес/поле). Снегоза

точниками данных о снежном покрове в усло

пасы на маршрутах в «поле» последователь

виях межгодовой изменчивости снежности зим,

но растут (2,16 мм/10 лет), тогда как на лес

разницы метеорологических условий зимних

ных маршрутах они стабильно уменьшаются

периодов и неоднородности подстилающей по

(-1,49 мм/10 лет) [2]. Снижаются и коэффици

верхности. Территориальными единицами для

енты снегонакопления - отношение между сне

проведения сравнительного анализа были реч

гозапасами на лесных и открытых участках, что

ные бассейны, в пределах которых расположе

частично объясняется уменьшением величины

ны ГМС и проводили снегомерные наблюдения.

метелевого переноса снега [9].

В контексте исследования под оценкой точно

Маршрутные снегомерные наблюдения на

сти наблюдений понимается не только сравне

ГМС - важнейший источник информации для

ние данных, полученных на ГМС, с результатами

изучения многолетних закономерностей и вери

снегомерных наблюдений в речных бассейнах,

фикации других источников данных о снежном

но и некоторая физическая обоснованность со

покрове (модельных, дистанционных) [10]. Ис

отношений между этими двумя источниками

пользование различных источников часто по

данных. Так, значения снегозапасов на постоян

казывает совершенно разные результаты анали

ном маршруте ГМС (открытый маршрут «поле»)

за многолетних тенденций [11]. Наблюдения за

потенциально должны быть близки со средними

снежным покровом на ГМС представляют собой

значениями снегозапасов на открытых участках в

измерения в точке, репрезентативной лишь в не

речном бассейне. Как и в ряде исследований [12,

которой окрестности, величина которой неве

14], при анализе относительных ошибок средних

лика и, самое главное, неизвестна. Наблюдения

значений репрезентативными считались откло

в определённой точке могут существенно отли

нения менее 10% бассейновых средних.

чаться от средних значений даже в небольших

речных бассейнах, а участки, на которых значе

ния близки к среднему, расположены случай

Материалы и методы

ным образом и трудно определимы априори [12].

Факторы, влияющие на основные параметры

Территория исследования. Исследования прово

снежного покрова, изменяются в различных про

дили в трёх речных бассейнах - Кучук, Касмала и

странственно-временных масштабах [13]. Соче

Майма. Территориально расположение бассейнов

тания характеристик рельефа и растительности

отражает переход от низменной Кулундинской

определяют пространственную дифференциа

равнины через возвышенное Приобское плато к

цию параметров снежного покрова в масштабах

низкогорьям Алтая (рис. 1). Территория исследо

 82 

Д.К. Першин и др.

Рис. 1. Карта-схема расположения исследуе-

мых бассейнов на юге Западной Сибири:

1 - крупные города; 2 - границы исследуемых

бассейнов; 3 - крупные реки; 4 - государ

ственные границы; 5 - региональные грани

цы. Топооснова: Bing Maps, OSM

Fig. 1. Locations of the investigated catch

ments in the south of Western Siberia

1 - cities; 2 - catchment borders; 3 - rivers; 4 -

countries boundaries; 4 - regional boundaries.

Base map: Bing Maps, OSM

вания охватывает диапазон абсолютных высот от

тории также преобладают сельскохозяйственные

97 до 1471,4 м, что соответствует изменению годо

угодья (59,7%). Значительную долю площади бас

вой суммы осадков от 337 до 729 мм (табл. 1).

сейна занимает ленточный бор, приуроченный к

Бассейн р. Кучук (рис. 2, а) относится к бес

днищу ложбины древнего стока (около 12%), ко

сточной области Обь-Иртышского междуречья.

торая фактически разделяет бассейн на две части.

Территория бассейна охватывает Кулундинскую

Столь существенная неоднородность ландшафт

равнину и частично пологие северные склоны

ной структуры влияет на условия снегонакопле

Приобского плато. Он расположен в подзонах

ния за счёт различий в ветровом перераспреде

засушливой и сухой степи или сухой субгумид

лении и перехвате снега кронами деревьев (более

ной зоне [18, 19]. В пространственной структуре

подробно анализируется в работе [22]).

бассейна полностью доминируют сельскохозяй

Бассейн р. Майма (см. рис. 2, в) расположен в

ственные угодья. Отметим, что Кулундинская

пределах низкогорий северного Алтая и включа

равнина - один из регионов России с наиболее

ет в себя участки лесостепных, подтаёжных и та

ярко выраженными признаками опустынивания

ёжных ландшафтов [23]. В ландшафтной струк

и деградации земель [20].

туре доминирует лесной пояс (более 90% общей

Бассейн р. Касмала (в работе используется

площади). Небольшую долю занимают лесо

часть бассейна, ограниченная гидропостом Кас

степные ландшафты (6,1%). Широко распро

мала-Рогозиха, см. рис. 2, б) расположен в под

странены антропогенные модификации (сель

зоне южной лесостепи [18] и относится к суб

скохозяйственные угодья, вырубки). Условия

гумидной зоне [19]. Это - репрезентативный

снегонакопления зависят главным образом от

участок для Приобского плато, на котором до

комбинации двух факторов - орографического

лины рек часто наследуют ложбины древнего

и характера растительности (подробно рассмо

стока [21]. В пространственной структуре терри

трено в работе [24]).

 83 

Снежный покров и снежные лавины

Таблица 1. Основные топографические и климатические характеристики исследуемых бассейнов (составлено по дан-

ным [15, 16])

Бассейн

Характеристики

р. Касмала

р. Кучук

р. Майма

Площадь, км²

1768,7

901,56

778,2

Диапазон абсолютных высот, м

167-290

97-301

251-1471

Среднегодовая сумма осадков, мм*

402

337

729

Сумма осадков за ноябрь-март, мм*

116

93,3

162

Средняя температура воздуха за ноябрь-март, ^оC*

-13,0

-12,5

-10,8

Число дней со средней скоростью ветра между сроками с более 7,7 м/с*^,**

Максимальная толщина снежного покрова, см*

*Для бассейнов рек Касмала и Майма данные за 1956-2019 гг., для бассейна р. Кучук - за 2005-2019 гг. **В табл. 1 и 2

порог в 7,7 м/с выбран с учётом представленной в работе [17] средней скорости ветра, необходимой для возникновения

метелевого переноса сухого снега.

Снегомерные наблюдения в речных бассейнах.

мерных площадках, представляющих собой два

В данной работе использованы результаты не

перпендикулярных трансекта длиной по 60 м с

скольких серий наблюдений за снежным покро

интервалом измерений 2 м. Суммарно на одной

вом. Первый период многолетних наблюдений в

площадке выполняли 61 измерение толщины

бассейне Касмалы охватывает 2010/11-2013/14

и 13 измерений плотности снега. Такая схема

и 2016/17-2018/19 гг., а в бассейне Маймы -

была предложена в работе [28]. Местоположе

2014/15-2018/19 гг. (здесь и далее мы оперируем

ния маршрутов и площадок (см. рис. 2, а-в) вы

зимними периодами из двух лет). Исследования

бирали исходя из данных об основных элементах

проводили в период максимального снегонакоп-

мезорельефа, типах растительности и высотных

ления: конец февраля - середина марта. Второй

уровнях, и они были практически полностью

период измерений начался зимой 2019/20 г. в бас

идентичны для двух серий наблюдений. Несмо

сейнах рек Касмала, Кучук и Майма и предус

тря на различия в методиках измерений, харак

матривал ежемесячные измерения (с ноября по

тер распределения параметров снежного покрова

февраль) на нескольких реперных участках и рас

в речных бассейнах оставался схожим год от года.

ширенные снегомерные работы в период макси

Общее число снегомерных маршрутов и

мального снегонакопления. Все результаты были

площадок, а также точное число измерений по

объединены в единую базу данных, размещённую

годам приведено в табл. 2. Методика наблю

в открытом доступе, с подробным описанием об

дений и локальные закономерности снегона

следованных участков и методов измерений [25].

копления в бассейнах более подробно даны в

Методики измерений для описанных перио

работах [22, 24], а описание базы данных - в

дов отличались. В первый период наблюдений ис

работе [25]. В настоящей статье наблюдения,

следования проводили по снегомерным марш

выполненные авторами, называются «бас

рутам и снегомерным площадкам в соответствии

сейновыми», а измерения на метеостанциях

с классическими рекомендациями Росгидроме

(ГМС) - «стационарными».

та [26, 27]. Расстояние между точками измере

Данные наблюдений на ГМС. В работе исполь

ний толщины снежного покрова на маршрутах

зованы данные ГМС Ребриха (бассейн р. Кас

составляло 20 м. Плотность измерялась через

мала), Родино (бассейн р. Кучук) и Кызыл-Озек

каждые 100-200 м весовым снегомером ВС-43.

(бассейн р. Майма). Указанные ГМС располо

Снегомерная площадка представляла собой два

жены в исследуемых бассейнах или в непосред

перпендикулярных трансекта, содержащих по 10

ственной близости от них (см. рис. 2). Большин

измерительных точек толщины снежного покро

ство метеопараметров (температура воздуха,

ва через 5 м, реже 2 м - на крутых склонах и дру

сумма осадков, скорость и направление ветра,

гих сложных для измерений участках. Плотность

характеристики снежного покрова) по данным

снежного покрова измерялась в пяти точках. Во

ГМС размещены в открытом доступе [15, 16].

второй период измерения выполняли на снего

Содержание и доступность данных снегомер

 84 

Снежный покров и снежные лавины

Таблица 2. Число измерений по годам наблюдений и метеорологические характеристики зимних периодов (составле-

но с использованием среднесуточных данных [15, 16])

Число

Число измере

Сумма осадков

Средняя темпе

Число дней со средней

Максимальная

Зимний

маршрутов/

ний толщины/

за ноябрь-

ратура воздуха за

скоростью ветра между

толщина снеж

период

площадок

плотности снега

март, мм

ноябрь-март, ^оC

сроками с более 7,7 м/с

ного покрова, см

Бассейн р. Касмала

2010/11

7/0

629/19

107

-13,5

2011/12

9/0

698/77

-15,2

2012/13

9/0

565/78

135

-13,5

127

2013/14

9/0

565/78

108

-9,5

2016/17

9/0

606/78

-**

2017/18

9/0

610/84

-12,8

2018/19

9/0

605/83

-12,5

2019/20

0/31*

2867/613

108

-8,2

116

Бассейн р. Майма

2014/15

9/0

337/77

156

-8,7

2015/16

7/29

844/198

128

-6,9

2016/17

5/29

734/170

180

-9,3

2017/18

5/40

992/229

171

-10,0

2018/19

5/52

1151/297

101

-10,3

2019/20

0/30*

3294/702

222

-6,8

Бассейн р. Кучук

2019/20

0/31*

2620/558

-7,6

*Схема проведения наблюдений в зимний период 2019/20 г. была изменена. **Отсутствие данных ГМС.

на станции были прекращены. На ГМС Кызыл-

k₂ - параметры уплотнения снега для толщины и

Озек маршрутные снегомерные съёмки про

дня в году соответственно; h_i - толщина снега.

водятся, но в открытом доступе данных нет.

Входные параметры модели варьируют в за

Только по ГМС Родино данные снегомерных

висимости от типов снежного покрова (более

съёмок в полном объёме представлены в базе

подробно рассмотрено в исследовании [29]). Для

ВНИИГМИ-МЦД, и этот массив обновляется.

бассейна Маймы применялись параметры для

Таким образом, исключительно суточные значе

тайги, для бассейнов Кучука и Касмалы - сте

ния толщины снежного покрова по стационар

пей (прерий). Таким образом, наряду с доступ

ной рейке - тот параметр, который был досту

ными данными маршрутных снегомерных съё

пен одновременно для всех ГМС.

мок (использованы данные маршрутов «поле»),

Неоднородность либо недоступность данных

применение формулы (1) позволило получить

о маршрутных снегомерных съёмках (единствен

ряды значений снегозапасов с суточным разре

ный источник данных о снегозапасах) - доста

шением. Отметим, что мы не ставили целью ка

точно распространённая проблема, поэтому мы

либровку формулы (1) по данным наблюдений,

также использовали суточные значения толщины

а лишь использовали её в качестве примера про

снежного покрова по стационарной рейке для пе

стого моделирования при недостатке данных о

рехода к снегозапасам. Плотность снежного по

плотности снега и снегозапасах.

крова в данном случае рассчитывалась по широко

Методика анализа. Сравнительный анализ

применяемой статистической зависимости [29]

данных бассейновых и стационарных наблю

дений проводился с учётом временной (меж- и

ρ^hiDOYi^{= (ρ}max^{- ρ}0)(1 - exp(-k1^hi - k2^DOYi^{)) +ρ}0^{, (1)}

внутригодовой) и пространственной (внутри

где ρhiDOYi - плотность снега на определённый

бассейновой) изменчивости параметров снеж

день в году (DOY); ρ_max, ρ₀ - максимальное и на

ного покрова. Основные параметры для сравне

чальное значения плотности соответственно; k₁,

ния - толщина снежного покрова и снегозапасы

 86 

Д.К. Першин и др.

по данным стационарных измерений и бассейно

ложительную или отрицательную сторону. Од

вых наблюдений. Анализ выполнялся на основе

нако средние отклонения чувствительны к на

трёх групп данных, в каждой из которых резуль

личию отклонений противоположных знаков и

таты бассейновых наблюдений в целом, по от

выбросам. Для нивелирования этих недостатков

дельным природным комплексам или на опреде

использовалось медианное абсолютное отклоне

лённую дату выступали в качестве референтного

ние. Относительная ошибка отражает разницу в

уровня для сравнения. Данные бассейновых наб-

процентах между средними значениями толщи

людений мы использовали в качестве условно

ны снега и снегозапасов по данным стационар

го базиса для оценки точности ввиду их больше

ных и бассейновых наблюдений.

го пространственного охвата и числа измерений,

При анализе пространственных различий

хотя это - определённое допущение. Для анали

параметров снежного покрова рассчитывались

за межгодовых различий использованы данные

коэффициенты корреляции между измерениями

наблюдений по бассейнам Касмалы и Маймы в

на ГМС и данными снегомерных маршрутов, а

период максимума аккумуляции снега за все до

также пространственная корреляционная функция

ступные годы (см. табл. 2). Анализ внутрибассей

толщины снежного покрова. Для расчёта исполь

новых различий выполнялся с помощью данных

зованы данные первого периода наблюдений в

бассейновых наблюдений также на период мак

бассейнах Касмалы и Маймы (только маршру

симума снегонакопления 2019/20 г. в бассейнах

ты и снегомерные площадки, стабильно пред

Кучука, Касмалы и Маймы. При этом измерения

ставленные за весь период наблюдений). В бас

были разделены по четырём группам природных

сейне Касмалы корреляция рассчитывалась на

комплексов: открытые луга, степи и пашни; до

основе доступных до 2014 г. наблюдений на сне

линные сообщества; хвойные леса; лиственные

гомерном маршруте ГМС. Значимость коэффи

леса. Анализ внутригодовых различий проводи

циентов корреляции оценивалась с помощью

ли на основе данных реперных снегомерных пло

t-критерия Стьюдента. Для построения оценки

щадок, где измерения выполняли в течение всего

корреляционной функции использовались зна

зимнего периода 2019/20 г. в трёх бассейнах (от

чения коэффициентов корреляции между ста

трёх до шести площадок в бассейне, подробнее

ционарными и бассейновыми измерениями тол

см. работу [25]). Во всех случаях для сравнения

щины снега, разбитые на интервалы расстояний

использовали значения наблюдений на ГМС не

по 5 км от ГМС. Анализ данных и расчёт метрик

посредственно в день проведения бассейновых

проводился в среде R (https://www.r-project.org/).

снегомерных наблюдений или осреднённые за

период проведения наблюдений параметры.

В качестве метрик для оценки точности ис

Результаты и обсуждение

пользованы: среднее отклонение (mean bias,

MB); медианное абсолютное отклонение (median

Метеорологические условия в период наблюде-

absolute deviation, MAD); относительную ошиб-

ний. Период исследований охватывал большой

ку (relative error, RE), которые рассчитывали по

диапазон условий - от мало- до многоснежных

следующим формулам:

зим (см. табл. 2). Иногда разница в поступаю

щих зимних осадках была более чем двукратной,

MB = (∑ⁿ

x_s - x_c)/n;

i = 1

как например в 2011/12 и 2012/13 гг. в бассейне

MAD = median(|xci - median(x_s)|);

Касмалы или в 2018/19 и 2019/20 гг. в бассей

не Маймы. Зимние температуры, напротив, ко

RE = |1 - (‾_s/‾_c)|‧100%,

лебались лишь в пределах 1-2 °С от нормы во

где x_s, x_c - параметры снежного покрова по дан

всех бассейнах. Исключением была очень тёплая

ным стационарных и бассейновых наблюдений

зима 2019/20 г. (температуры выше нормы на

соответственно; ‾_s, ‾_c - средние значения пара

4-5 °С). Значительные колебания ветрового ре

метров снежного покрова по данным стационар

жима характерны только для равнинных бассей

ных и бассейновых наблюдений соответственно.

нов Касмалы и Кучука. В многоснежные годы,

Среднее отклонение отражает абсолютную

как правило, наблюдается большее число дней

величину отклонений и их направленность в по

с высокими скоростями ветра (более 40 дней).

 87 

Снежный покров и снежные лавины

Таблица 3. Средние отклонения, медианные абсолютные отклонения и относительная ошибка определения толщины

снежного покрова и снегозапасов по данным ГМС относительно измерений в бассейнах р. Касмала и р. Майма

Среднее отклонение

Медианное абсолютное отклонение

Относительная ошибка

Год

толщины, см

снегозапасов, мм

толщины, см

снегозапасов, мм

толщины, %

снегозапасов, %

Бассейн р. Касмала*

2010/11

13(-14)

83(-23)

15(13)

86(23)

31,6(34,0)

91,4(25,5)

2011/12

8(-8)

58(-13)

9(8)

59(14)

24,6(25,2)

81,5(18,5)

2012/13

48(-24)

274(-26)

50(22)

276(31)

64,6(31,5)

164,0(15,4)

2013/14

5(-6)

55(-8)

10(8)

59(14)

15,2(17,1)

69,1(9,71)

2017/18

120

73,6

161,0

2018/19

133

41,7

116,0

2019/20

241

238

72,9

160,0

Бассейн р. Майма

2014/15

108

6,5

84,6

2015/16

-11

30,5

9,2

2016/17

-1

1,4

59,1

2017/18

-0,4

0,7

63,8

2018/19

4.5

74.6

2019/20

2,7

45,5

*В скобках для бассейна р. Касмала приведены значения ошибок относительно постоянного снегомерного маршрута ГМС.

Для этого же бассейна ввиду отсутствия данных ГМС за 2016/17 г. расчёт ошибок для данного периода был невозможен.

В мало- и среднеснежные годы их число снижа

тив, были существенно завышены относительно

ется до 19-27 дней (практически на 50% ниже

данных бассейновых наблюдений (среднее от

нормы). В низкогорном бассейне Маймы число

клонение за все годы - 24 см). Относительные

дней со скоростями ветра выше 7,7 м/с в сред

ошибки во все годы составили больше 10%, од

нем не превышает двух, что практически исклю

нако нестабильной была и динамика медиан

чает влияние ветра на пространственную диффе

ных отклонений. Наиболее высокие медианные

ренциацию снежного покрова.

отклонения толщины снега (более 40 см) отме

Межгодовые различия. Динамика и степень

чены в многоснежные 2012/13 и 2019/20 гг. Зна

согласованности данных наблюдений на ГМС и

чения толщины снега на постоянном маршруте

бассейновых наблюдений существенно отлича

(данные до 2013/14 г.), напротив, отклонялись

лись в бассейнах Касмалы и Маймы.

в отрицательную сторону относительно данных

В бассейне Маймы значения толщины снега

бассейновых наблюдений (среднее отклонение

по стационарной рейке достаточно близки к ме

равно -13 см). При этом максимальное значе

дианным значениям по данным бассейновых

ние медианного отклонения также характерно

наблюдений (среднее отклонение за все годы

для многоснежного 2012/13 г. Однако диапазон

1 см). Кроме того, значения отклонений тол

изменчивости и средних, и медианных откло

щины снега были стабильны в годы с разны

нений был существенно ниже по сравнению со

ми метеорологическими условиями (табл. 3,

средними и медианными отклонениями по ста

рис. 3, а-б). Особенно наглядно это показыва

ционарной рейке.

ет диапазон значений медианных отклонений,

Ограниченность временнóго охвата или пол

который изменялся лишь в пределах 3 см за весь

ное отсутствие данных маршрутных снегомер

период наблюдений. Небольшие отклонения от

ных съёмок на ГМС не позволило в полной мере

мечены как в положительную, так и в отрица

сравнить межгодовую изменчивость снегоза

тельную сторону. Из всех рассматриваемых лет

пасов. В обоих бассейнах значения снегозапа

только в 2015/16 г. относительная ошибка пре

сов, рассчитанные по формуле (1), существен

вышала 10%. Значения толщины снега по ста

но превышали медианные значения по данным

ционарной рейке в бассейне Касмалы, напро

как бассейновых наблюдений, так и постоян

 88 

Д.К. Першин и др.

Рис. 3. Распределение значений толщины снежного покрова (а, б) и снегозапасов (в, г) в бассейнах Касмалы

и Маймы по данным бассейновых наблюдений в период максимума снегонакопления (конец февраля - на

чало марта) и наблюдений на ГМС за тот же временнóй период в 2010/11-2019/20 гг.:

1 - толщина снега и снегозапасы на постоянном снегомерном маршруте ГМС в период бассейновых наблюдений; 2 -

средние значения толщины снега и расчётных значений снегозапасов по стационарной рейке в период бассейновых наб-

людений; 3 - нижний и верхний края «ящика» обозначают первый и третий квартили соответственно, центральная ли

ния - медиану, «усы» соответствуют максимальному значению, но не более полутора межквартильных размахов; изме

рения, выходящие за данный интервал, отмечены как выбросы (чёрные точки)

Fig. 3. Distribution of snow depth (а, б) and SWE (в, г) values in the Kasmala and Mayma catchments according to the

data of snow surveys during the period of peak accumulation and the same date weather stations data in 2010/11-2019/20:

1 - snow depth and SWE on a weather station permanent snow course at the same dates as snow surveys; 2 - mean snow depth and

modelled SWE based on a snow gauge at the same dates as snow surveys; 3 - lower and upper edges of the «box» denote the first

and third quartiles, respectively, the central line denotes the median, «whiskers» correspond to the maximum value, but not more

than 1,5 interquartile range, measurements beyond this interval are marked as outliers (black dots)

ных маршрутов (см. рис. 3, в-г). Часто расчёт

за счёт систематического завышения толщины

ные значения снегозапасов выходили за пределы

снега по постоянной рейке в бассейне Касмалы

полутора межквартильных размахов. Отклоне

медианные отклонения снегозапасов в много

ния возникали в результате завышения моделью

снежные годы (2012/13 и 2019/20 гг.) могли пре

плотности снега в среднем на 0,11 г/см³ (относи

вышать собственно медианные значения (ме

тельно данных бассейновых наблюдений). Также

дианные отклонения составили более 200 мм).

 89 

Снежный покров и снежные лавины

данных (среднее отклонения за все годы соста

вило -17 мм). Однако медианные отклонения

снегозапасов на постоянном маршруте были су

щественно ниже аналогичных для расчётных

снегозапасов (в среднем на 99 мм). Тем не менее,

только в 2013/14 г. относительная ошибка снего

запасов на маршруте ГМС была ниже 10%.

Величины отклонений зависели как от ло

кальных особенностей расположения станции и

конфигурации постоянного снегомерного марш

рута, так и от общего диапазона изменчивости

параметров снежного покрова в бассейне в конк-

ретный зимний период. В бассейне Касмалы в

многоснежные и, как правило, в более ветре

ные годы общий диапазон изменчивости увели

чивался и, накладываясь на локальные особен

ности снегонакопления в окрестностях самой

ГМС, определял более высокие значения откло

нений. В малоснежные годы (например, 2011/12

и 2013/14 гг.) диапазон изменчивости был не

большим, незначительными были и значения

медианных и средних отклонений. Однако тол

щина снега по постоянной рейке была стабильно

выше медианных значений по данным бассейно

вых наблюдений за счёт локальных особенностей

снегонакопления на ГМС как и во все остальные

годы (см. рис. 3, а). Хорошая согласованность

стационарных и бассейновых данных в бассейне

Маймы во многом обусловлена небольшим диа

пазоном изменчивости параметров снежного по

крова в бассейне. Кроме того, ГМС расположена

достаточно удачно, без каких-либо явных иска

жающих факторов. Такая согласованность - во

многом случайное совпадение, установить ко

торое без дополнительных наблюдений чрезвы

Рис. 4. Медианное абсолютное отклонение толщины

чайно сложно. Отметим, что сложность и раз

снежного покрова (а) и снегозапасов (б) по данным из

нонаправленность влияния метеорологических

мерений по стационарной рейке и маршрута метео

станции (при наличии) относительно бассейновых наб-

и ландшафтных факторов на снегонакопление в

людений за тот же период в течение зимы 2019/20 г.:

различные годы серьёзно усложняет задачу вве

1 - Кучук (постоянный маршрут); 2 - Касмала; 3 - Кучук;

дения каких-либо поправочных коэффициентов

4 - Майма

к измерениям на ГМС для оценки бассейновых

Fig. 4. Median absolute deviation of snow depth (а) and

средних, хотя иногда определённые корректи

SWE (б) between the weather stations snow gauge and

course data (if available) and the same date snow surveys

ровки сделать вполне реально [30].

during the winter 2019/2020:

Внутригодовая изменчивость. Общая тен

денция для всех трёх бассейнов - постепенное

1 - Kuchuk (permanent snow course); 2 - Kasmala; 3 - Ku

chuk; 4 - Mayma

увеличение медианных отклонений от начала

зимнего периода к периоду максимальной акку

Вместе с тем, измерения на постоянном марш

муляции снега (рис. 4). Если в первые два срока

руте в бассейне Касмалы занижали средние зна

наблюдений (ноябрь-декабрь) медианные от

чения снегозапасов относительно бассейновых

клонения были достаточно близки по всем трём

 90 

Д.К. Першин и др.

бассейнам (в пределах 10 см/50 мм), то уже в ян

составляла от 6 до 12 см. Толщина снега в преде

варе разрыв между бассейном Касмалы и двумя

лах хвойных лесов в среднем была занижена по

другими бассейнами был почти двукратным и в

сравнению с наблюдениями на ГМС, тогда как

дальнейшем только увеличивался.

лиственные леса и долинные сообщества имели

Возможно, столь существенный рост откло

положительные средние отклонения (рис. 5, д).

нений в бассейне Касмалы вызван многоснеж

Измерения толщины снега на открытых участ

ной зимой с несколькими оттепелями и доста

ках хорошо согласовывались с наблюдениями на

точно высокой интенсивностью метелевого

ГМС, где постоянная рейка также расположена

перераспределения снега. Косвенно это выража

на открытом участке. Ввиду завышения расчёт

ется через значительное число дней со скоростя

ной плотности снега значения снегозапасов всех

ми ветра между сроками выше 7,7 м/с (42 дня, см.

природных комплексов были существенно ниже

табл. 2). Несмотря на схожесть температурного и

рассчитанных по данным ГМС (см. рис. 5, е) с

ветрового режимов в бассейне Кучука, рост ме

медианными отклонениями от 55 до 72 мм.

дианных отклонений и их абсолютные значения

В бассейне Касмалы (см. рис. 5, а, б) условия

были существенно ниже, чем в бассейне Касма

зимы 2019/20 г. и расположение ГМС приводи

лы. Вероятно, свою роль сыграло меньшее коли

ли к существенному превышению значений как

чество снега (в абсолютных величинах). В иные

толщины, так и снегозапасов над измерениями в

годы мы можем наблюдать более существенные

пределах всех типов природных комплексов. Ме

различия между данными ГМС и наблюдениями

дианные отклонения толщины снега составляли

в бассейне. К сожалению, отсутствие в настоя

от 39 до 53 см, снегозапасов - от 226 до 262 мм.

щее время ретроспективных данных не позволяет

В бассейне Кучука наблюдалась максималь

сделать какие-либо выводы на этот счёт. Вместе

ная дифференциация толщины снега и снего

с тем медианные отклонения, рассчитанные по

запасов между различными типами природных

данным постоянного маршрута в бассейне Кучу

комплексов. Средние отклонения относительно

ка, также показывают существенно меньшие ко

уровня наблюдений на ГМС распределены прак

лебания как толщины снега, так и снегозапасов

тически бимодально (см. рис. 5, в). Открытые и

(менее 10 см/25 мм). В бассейне Маймы, несмо

залесённые участки сильно контрастируют между

тря на значительные колебания толщины снега

собой, образуя фактически два максимума плот

в течение зимы и интенсивные оттепели, рост

ности распределения. Однако если рассматривать

медианных отклонений весьма умеренный. По

бассейн в целом, то значение медианных откло

всей видимости, практически полное отсутствие

нений толщины снега было равно 12 см (размах

ветрового перераспределения снега играет роль

4-17 см), что несколько выше, но вполне срав

стабилизирующего фактора, уменьшающего из

нимо с бассейном Маймы (в среднем 9 см). Объ

менчивость и, как следствие, способствующего

ясняется это тем, что уровень значений толщи

хорошей согласованности данных бассейновых и

ны снега, измеренных по стационарной рейке на

стационарных наблюдений.

ГМС, находился между измерениями по откры

Внутрибассейновые различия. Сходства и раз

тым и залесённым участкам, что вызывало доста

личия между данными наблюдений на ГМС и

точно низкие медианные и средние отклонения

бассейновых наблюдений во многом зависели от

(см. рис. 5, в). В данном случае низкие значения

изменчивости толщины и снегозапасов в преде

отклонений могут вводить в заблуждение о хоро

лах природных комплексов внутри бассейнов.

шей согласованности измерений по постоянной

При этом величина и направленность откло

рейке и данных бассейновых наблюдений. Это -

нений между стационарными наблюдениями и

лишь совпадение, которое не отражает физиче

измерениями в пределах отдельных природных

ских процессов аккумуляции снежного покрова в

комплексов часто очень сильно отличались даже

бассейне в первую очередь потому, что измерения

в границах одного бассейна.

по стационарной рейке не были близки к значе

Бассейн Маймы характеризовался самой низ

ниям по другим открытым участкам в бассейне.

кой изменчивостью толщины снега и снегозапа

В свою очередь данные постоянного снегомерно

сов по различным типам природных комплек

го маршрута в бассейне Кучука хорошо соотноси

сов. Величина медианных отклонений толщины

лись с данными измерений на открытых участках

 91 

Снежный покров и снежные лавины

Рис. 5. Распределение значений отклонений толщины снежного покрова и снегозапасов в различных при

родных комплексах бассейнов рек Касмалы (а, б), Кучука (в, г) и Маймы (д, е) в период максимума снегона

копления относительно наблюдений на метеостанциях за тот же временнóй период в 2019/20 г.:

1 - открытые луга, степи и с/х угодья; 2 - хвойные леса; 3 - лиственные леса; 4 - долинные сообщества; 5 - уровень

значений на постоянном маршруте; б - средний уровень значений по стационарной рейке

Fig. 5. Mean bias distributions of snow depth and SWE for different ecosystems in the Kasmala (а, б), Kuchuk (в, г) and

Mayma (д, е) catchments during the period of peak accumulation regarding the same date weather stations data in 2019/20:

1 - open meadows, steppes and arable lands; 2 - coniferous forests; 3 - deciduous forests; 4 - valley communities; 5 - level of val

ues on the permanent snow course; б - average level of values on the snow gauge

(сплошная линия на рис. 5, в, г). Медианное от

Распределение ошибок близко к нормально

клонение толщины снега составляло 6 см, сне

му по всем типам природных комплексов в бас

гозапасов - 14 мм. Относительные ошибки тол

сейне Маймы, на открытых участках и в хвойных

щины и снегозапасов были менее 10%. Но если

лесах в бассейнах Касмалы и Кучука. В листвен

использовать этот критерий для бассейна Кучука

ных лесах и долинных сообществах в равнинных

в целом, то репрезентативными окажутся только

бассейнах наблюдались выраженная асимметрия

значения толщины снега по стационарной рейке.

и мультимодальность распределения ошибок. По

Это ещё раз подтверждает, что хорошая согласо

следнее связано со значительно большей неодно

ванность данных по самым разным критериям

родностью распределения снежного покрова из-за

может быть абсолютно случайным совпадением.

накопления снега на опушках в колочных лесах,

 92 

Д.К. Першин и др.

Рис. 6. Пространственная дифференциация коэффициентов корреляции и графики корреляционных функ

ций в бассейнах рек Касмала (а, в) и Майма (б, г):

1 - маршруты и снегомерные площадки, использованные для расчётов корреляции; 2 - метеорологические станции; 3 -

изокорреляты

Fig. 6. Spatial distribution of correlation coefficients and correlation functions graphs in the Kasmala (а, в) and May

ma (б, г) rivers catchments:

1 - snow courses and sites used for correlation analysis; 2 - weather stations; 3 - isocorrelates

а также с мозаичной растительностью и слож

ски по всем снегомерным маршрутам в бассей

ным рельефом в долинах. Тем не менее, только

нах Касмалы и Маймы. Во многом это обуслов

на открытых участках в бассейне Маймы 95%-й

лено синхронностью межгодовой изменчивости

доверительный интервал ошибок толщины снега

параметров снежного покрова. Статистически

включал ноль (уровень значений по стационарной

не значимы были только коэффициенты кор

рейке). Доверительные интервалы ошибок смоде

реляции между стационарными наблюдени

лированных значений снегозапасов повсеместно

ями и измерениями толщины снега на крутых

не включали нулевое значение. В бассейне Кучука

южных склонах в бассейне Маймы (коэффици

доверительный интервал ошибок снегозапасов от

енты корреляции ниже 0,2). Однако простран

носительно измерений на постоянном маршруте,

ственная дифференциация коэффициентов кор

напротив, включал ноль для открытых участков.

реляции была существенно более неоднородна

Стационарные и бассейновые наблюдения

(рис. 6, а, б). В бассейне Касмалы самые высо

значимо коррелируют (при p < 0,001) практиче кие значения коэффициентов корреляции (> 0,9)

 93 

Снежный покров и снежные лавины

отмечены с близкими к ГМС лесными марш

Выводы

рутами, тогда как самый ближний и преимуще

ственно открытый снегомерный маршрут имел

Исследования на примере трёх речных бас

коэффициент около 0,6. Скорее всего, свою роль

сейнов на юге Западной Сибири показали, что

здесь также сыграло весьма специфическое рас

данные наблюдений за снежным покровом на

положение снегомерного маршрута ГМС, за

метеостанциях существенно отличаются от ре

нижающее значения параметров снежного по

зультатов измерений в окрестностях этих стан

крова. В бассейне Маймы наиболее высокая

ций. Кроме того, расхождения возникают как

корреляция отмечена с маршрутами и снегомер

у наблюдений по стационарной рейке, так и на

ными площадками в схожих с ГМС открытых

постоянных снегомерных маршрутах. Подобные

долинных местоположениях. В целом, как по

закономерности ранее отмечались в Северной

казывают графики корреляционных функций

Америке [31, 32], однако для данного региона

(см. рис. 6, в, г), на масштабе небольших речных

Сибири они получены впервые. На равнинных

бассейнов (несколько десятков километров) не

бассейнах межгодовые различия в снежности

наблюдается выраженного затухания функции

зим в сочетании с различной интенсивностью

в зависимости от расстояния от ГМС и чёткой

метелевого переноса вызывают увеличение рас

зависимости, описывающей поведение функ

хождений между стационарными и бассейновы

ции. Во многом теснота связей зависит от близо

ми данными.

сти характеристик местоположений снегомерных

В бассейне Касмалы отклонения измерений

маршрутов в бассейне и ГМС (параметров мезо

толщины снега по стационарной рейке увели

рельефа и растительности) или от иных случай

чиваются в многоснежные и ветреные годы и

ных факторов. Кроме того, в бассейне Маймы

уменьшаются вместе со снижением общей из

не наблюдалось какой-либо зависимости от из

менчивости в малоснежные годы (относи

менения абсолютной высоты (изменяется про

тельная ошибка - от 73,6 до 15,2%). Вместе с

порционально расстоянию от метеостанции).

тем расположение метеостанции в любом слу

Определённое затухание корреляционных свя

чае способствует превышению значений тол

зей отмечено в бассейне Касмалы на расстояни

щины снега над бассейновым средним уровнем

ях более 40 км от ГМС. Но и здесь мы не можем

(в среднем на 24 см). В низкогорном бассейне

точно сказать, связано это с удалением от ГМС

Маймы, напротив, при практически полном от

или представляет собой следствие специфиче

сутствии влияния метелевого перераспределе

ских характеристик снегомерного маршрута.

ния значения толщины снега по стационарной

Рассмотренные здесь результаты хорошо со

рейке и средние по бассейну были близки в годы

относятся с исследованиями по оценке репре

с разной снежностью (относительная ошибка

зентативности для окружающей территории

составляет 0,8-30,5%).

станций мониторинга снегозапасов SNOTEL в

Распределение отклонений по разным типам

Северной Америке [31, 32]. Было показано, что

природных комплексов показало, что располо

лишь около половины станций SNOTEL имеют

жение метеостанции может случайным образом

ошибку в пределах 10% средней толщины снега

повлиять на уменьшение различий между стаци

на окружающей территории. Кроме того, ошиб

онарными и бассейновыми данными. В бассейне

ки, как правило, не зависят от расстояния от

Кучука значительные различия между открыты

станций, а связаны с характеристиками окружа

ми и залесёнными местоположениями приводи

ющей территории: абсолютными высотами, ин

ли к неоднородному распределению отклонений

соляцией, характером растительности. С учётом

с двумя пиками плотности распределения. Уро

сильной пространственной неоднородности па

вень наблюдений толщины снега по стационар

раметров снежного покрова и ограниченности

ной рейке на метеостанции располагался между

применения точечных данных наиболее опти

этими пиками, что обусловило небольшую от

мально применять методы ассимиляции данных

носительную ошибку (7,4%). Оценка простран

из различных источников - наземных, дистан

ственной корреляции между стационарными и

ционных и модельных. Обзор данных методов

бассейновыми наблюдениями показала практи

приведён в работе [33].

чески полное отсутствие изменений силы кор

 94 

Д.К. Першин и др.

реляционных связей по мере удаления от метео

ловиях активного влияния метелевого перерас

станции. На уровне небольших речных бассейнов

пределения расположение станции с большой

корреляция в большей степени зависела от ло

долей вероятности будет вызывать какие-либо

кальных характеристик местоположения как ме

отклонения в положительную или отрицатель

теостанции, так и снегомерных маршрутов.

ную сторону. Использование простой парамет-

Данные постоянных снегомерных маршру

ризации плотности для перехода к снегозапасам

тов (при их доступности) гораздо лучше опи

показало, что, кроме завышения моделью самих

сывают изменчивость параметров снежного по

значений плотности (на 0,11 г/см³), специфи

крова, однако также существенно зависят от

ка расположения метеостанции может увеличи

характеристик маршрута. В бассейне Касмалы

вать различия между расчётными и измеренны

измерения на постоянном маршруте занижают

ми значениями снегозапасов.

значения толщины и снегозапасов по сравнению

с бассейновыми средними (-13 см/-17 мм).

Благодарности. Снегомерные наблюдения до

В бассейне Кучука измерения на маршруте хо

зимы 2018/19 г., их обработка и последующий

рошо сходятся со значениями толщины снега

анализ выполнялись в рамках Государственного

и снегозапасов по пашням и степям (отклоне

задания Института водных и экологических про

ния -1 см/1 мм). В целом, значения отклонений

блем СО РАН (№ 1021032422891-7). Анализ ре

по постоянным маршрутам в абсолютных вели

презентативности на различных уровнях и про

чинах существенно ниже таковых для измере

ведение наблюдений в зимний период 2019/20 г.

ний по стационарной рейке. Иными словами:

выполнены при финансовой поддержке РФФИ

данные с постоянного снегомерного маршрута

(проект № 19-35-60006).

в большинстве случаев будут предпочтительнее

Acknowledgments. Snow surveys until winter 2018/19,

данных по стационарной рейке. Однако репре

their processing and analysis were carried out within the

зентативность данных постоянного маршрута в

framework of the state project of the Institute for Water

лучшем случае ограничивается участками, схо

and Environmental Problems of the Siberian Branch of

жими с расположением самого маршрута.

the Russian Academy of Sciences (№ 1021032422891-7).

Взаимное расположение постоянного снего

The representativeness analysis on various scales and

мерного маршрута и метеостанции - ключевой

observations during winter 2019/20 were funded by

фактор потенциальной применимости данных

the Russian Foundation for Basic Research (project

к более обширной окрестной территории. В ус

№ 19-35-60006).

Литература

References

1. Второй оценочный доклад Росгидромета об изме

1. Vtoroj ocenochnyj doklad Rosgidrometa ob izmeneniyah

нениях климата и их последствиях на территории

klimata i ih posledstviyah na territorii Rossijskoj Fed-

Российской Федерации / Г.В. Алексеев, М.Д. Ана

eracii. Second Assessment Report of Roshydrom

ничева, О.А. Анисимов и др. М.: Росгидромет,

et on Climate Changes and Their Consequences on

2014. 93 с.

the Territory of the Russian Federation. G.V. Alexeev,

2. Доклад об особенностях климата на территории

M.D. Ananicheva, O.A. Anisimov et al. Moscow: Ros-

Российской Федерации за 2020 год. М.: Росгидро

hydromet, 2014. 264 p. [In Russian].

мет, 2021. 104 с.

2. Doklad ob osobennostyah klimata na territorii Rossijskoj

3. Китаев Л.М., Желтухин А.С., Коробов Е.Д., Аблее-

Federacii za 2020 god. Report on climate features on

ва В.А. Cнежный покров: особенности локального

the territory of Russian Federation in 2020. Moscow:

распределения в лесных массивах как возможный

Roshydromet, 2021: 104 p. [In Russian].

источник погрешностей спутниковых данных //

3. Kitaev L.M., Zheltukhin A.S., Korobov E.D., Ablee-

Изв. РАН. Серия геогр. 2020. Т. 84. № 6. С. 855-

va V.A. Snow Cover: Characteristics of Local Distri

863. doi: 10.31857/S2587556620060072.

bution in Forests as Possible Source of Satellite Data

4. Китаев Л.М., Титкова Т.Б., Турков Д.В. Точ

Errors. Izvestiya Rossiiskoi Akademii Nauk. Seriya Geo-

ность воспроизведения межгодовой изменчиво

graficheskaya. Proc. of the Russian Academy of Sci

сти снегозапасов Восточно-Европейской равни

ences. Geographic Series. 2020, 84 (6): 855-863. doi:

ны по данным спутниковой информации на при

10.31857/S2587556620060072. [In Russian].

 95 

Снежный покров и снежные лавины

мере продукта GlobSnow (SWE) // Современные

4. Kitaev L.M., Titkova T.B., Turkov D.V. Accuracy of re

проблемы дистанционного зондирования Земли

production of interannual variability of snow storages

из космоса. 2020. Т. 17. № 1. С. 164-175. doi:

of the East European Plain by satellite data illustrat

10.21046/2070-7401-2020-17-1-164-175.

ed by the example of the GlobSnow (SWE) product.

5. Bormann K.J., Brown R.D., Derksen C., Painter T.H.

Sovremennye problemy distantsionnogo zondirovaniya

Estimating snow-cover trends from space // Nature

Zemli iz kosmosa. Current problems in remote sensing

Climate Change. 2018. № 8. P. 924-928. doi: 10.1038/

of the Earth from space. 2020, 17 (1): 164-175. doi:

s41558-018-0318-3.

10.21046/2070-7401-2020-17-1-164-175. [In Russian].

6. Pulliainen J., Luojus K., Derksen K., Mudryk L.,

5. Bormann K.J., Brown R.D., Derksen C., Painter T.H.

Lemmetyinen J., Salminen M., Ikonen J., Takala M.,

Estimating snow-cover trends from space. Nature Cli

Cohen J., Smolander T., Norberg J. Patterns and Trends

mate Change. 2018, 8: 924-928. doi: 10.1038/s41558-

of Northern Hemisphere Snow Mass from 1980 to

018-0318-3.

2018 // Nature. 2020. № 581 (7808). P. 294-98. doi:

6. Pulliainen J., Luojus K., Derksen K., Mudryk L.,

10.1038/s41586-020-2258-0.

Lemmetyinen J., Salminen M., Ikonen J., Takala M.,

7. Hammond J.C., Saavedra F.A., Kampf S.K. Global snow

Cohen J., Smolander T., Norberg J. Patterns and Trends

zone maps and trends in snow persistence 2001-

of Northern Hemisphere Snow Mass from 1980 to

2016 // Intern. Journ. of Climatology. 2018. № 38.

2018. Nature. 2020, 581 (7808): 294-98. doi: 10.1038/

4369-4383. doi: 10.1002/joc.5674.

s41586-020-2258-0.

8. Титкова Т.Б., Виноградова В.В. Сроки залегания

7. Hammond J.C., Saavedra F.A., Kampf S.K. Global snow

снежного покрова на территории России в нача

zone maps and trends in snow persistence 2001-2016.

ле ХХI в. по спутниковым данным // Лёд и Снег.

Intern. Journ. of Climatology. 2018, 38: 4369-4383.

2017. Т. 57. № 1. С. 25-33. doi: 10.15356/2076-6734-

doi: 10.1002/joc.5674.

2017-1-25-33.

8. Titkova T.B., Vinogradova V.V. Snow occurrence time

9. Сосновский А.В., Осокин Н.И., Черняков Г.А. Ди

on the Russia’s territory in the early 21^st century (from

намика снегозапасов на равнинной территории

satellite data). Led i Sneg. Ice and Snow. 2017, 57 (1):

России в лесу и в поле при климатических изме

25-33. doi: 10.15356/2076-6734-2017-1-25-33. [In

нениях // Лёд и Снег. 2018. Т. 58. № 2. С. 183-190.

Russian].

doi: /10.15356/2076-6734-2018-2-183-190.

9. Sosnovsky A.V., Osokin N.I., Chernyakov G.A. Dynamics

10. Булыгина О.Н., Коршунова Н.Н., Разуваев В.Н. Мо

of snow storages in forests and fields of Russian plains

ниторинг снежного покрова на территории Рос

under climate changes. Led i Sneg. Ice and Snow. 2018,

сийской Федерации // Тр. Гидрометцентра Рос

58 (2): 183-190. doi: /10.15356/2076-6734-2018-2-

сии. 2017. Вып. 366. С. 87-96.

183-190. [In Russian].

11. Попова В.В., Морозова П.А., Титкова Т.Б., Семе-

10. Bulygina O.N, Korshunova, N.N., Razuvaev V.N. Moni

нов В.А., Черенкова Е.А., Ширяева А.В., Китаев Л.М.

toring snow cover on the territory of Russia. Trudy Gi-

Региональные особенности современных измене

drometcentra Rossii. Proc. of Hydrometcentre of Rus

ний зимней аккумуляции снега на севере Евразии

sia. 2017, 366: 87-96. [In Russian].

по данным наблюдений, реанализа и спутниковых

11. Popova V.V., Morozova P.A., Titkova T.B., Semenov V.A.,

измерений // Лёд и Снег. 2015. Т. 55. № 4. С. 73-86.

Cherenkova E.A., Shiryaeva A.V., Kitaev L.M. Regional

doi: 10.15356/2076-6734-2015-4-73-86.

features of present winter snow accumulation variabil

12. Grünewald T., Lehning M. Are flat-field snow depth

ity in the North Eurasia from data of observations, re

measurements representative? A comparison of select

analysis and satellites. Led i Sneg. Ice and Snow. 2015,

ed index sites with areal snow depth measurements at

55 (4): 73-86. doi: 10.15356/2076-6734-2015-4-73-86.

the small catchment scale // Hydrological Processes.

[In Russian].

2015. № 29. P. 1717-1728. doi: 10.1002/hyp.10295.

12. Grünewald T., Lehning M. Are flat-field snow depth

13. Blöschl G. Scaling issues in snow hydrology // Hydrolog

measurements representative? A comparison of select

ical Processes. 1999. № 13. P. 2149-2175. doi:10.1002/

ed index sites with areal snow depth measurements at

(SICI)1099-1085(199910)13:14/15<2149::AID-HYP847>

the small catchment scale. Hydrol. Process. 2015, 29:

3.0.CO;2-8.

1717-1728. doi: 10.1002/hyp.10295.

14. López-Moreno J.I., Fassnacht S.R., Beguería S., La-

13. Blöschl G. Scaling issues in snow hydrology. Hydro

tron J.B.P. Variability of Snow Depth at the Plot Scale:

logical Processes. 1999, 13: 2149-2175. doi: 10.1002/

Implications for Mean Depth Estimation and Sam

(SICI)1099-1085(199910)13:14/15<2149::AID-

pling Strategies // Cryosphere. 2011. V. 5. № 3. P. 617-

HYP847>3.0.CO;2-8.

29. https://doi.org/10.5194/tc-5-617-2011.

14. López-Moreno J.I., Fassnacht S.R., Beguería S., La-

15. Электронный ресурс: Всерос. НИИ гидрометео

tron J.B.P. Variability of Snow Depth at the Plot Scale:

рологической информации / Официальный сайт

Implications for Mean Depth Estimation and Sam

 96 

Д.К. Першин и др.

Всерос. НИИ гидрометеорологической информа

pling Strategies. Cryosphere. 2011, 5 (3): 617-29.

ции. http://www.meteo.ru.

https://doi.org/10.5194/tc-5-617-2011.

16. Электронный ресурс: Архив погоды. http://www.

15. RIHMI-WDC Official website: http://www.meteo.ru.

rp5.ru.

16. Weather archive, website: http://www.rp5.ru.

17. Li L., Pomeroy J.W. Estimates of Threshold Wind Speeds

17. Li L., Pomeroy J.W. Estimates of Threshold Wind

for Snow Transport Using Meteorological Data //

Speeds for Snow Transport Using Meteorological

Journ. of Applied Meteorology. 1997. V. 36. № 3.

Data. Journ. of Applied Meteorology. 1997, 36 (3):

P. 205-213. doi: 10.1175/1520-0450(1997)036<0205:EO

205-213. doi: 10.1175/1520-0450(1997)036<0205:EO

TWSF>2.0.CO;2.

18. Алтайский край. Атлас. Т. 1. М.-Барнаул, 1978.

18. Altajskij kraj. Atlas. T. 1. Atlas of the Altai Krai. V. 1.

222 с.

M.-Barnaul, 1978: 222 p. [In Russian].

19. Золотокрылин А.Н., Черенкова Е.А., Титкова Т.Б.

19. Zolotokrylin A.N., Cherenkova E.A., Titkova T.B.

Биоклиматическая субгумидная зона на равни

Bioclimatic Subhumid Zone of Russian Plains:

нах России: засухи, опустынивание/деграда

Droughts, Desertification, and Land Degradation.

ция // Аридные экосистемы. 2018. Т. 24. № 1 (74).

Aridnye ekosistemy. Arid Ecosystems. 2018, 1 (74):

С. 13-20.

13-20. [In Russian].

20. Meyer B.C., Schreiner V., Smolentseva E.N., Smolent-

sev B.A. Indicators of desertification in the Kulunda

Steppe in the south of Western Siberia // Archives of

Steppe in the south of Western Siberia. Archives of

Agronomy and Soil Science. 2008. V. 54. № 6. P. 585-

Agronomy and Soil Science. 2008, 54 (6): 585-603.

603. doi: 10.1080/03650340802342268.

doi: 10.1080/03650340802342268.

21. Золотов Д.В., Черных Д.В. Репрезентативность

21. Zolotov D.V., Chernykh D.V. The representativity of

модельного бассейна р. Касмалы для сравнитель

the Kasmala River Model Watershed for Comparative

ных ландшафтно-гидрологических исследований

Landscape-Hydrological Studies at the Ob Plateau.

на Приобском плато // Изв. АлтГУ. Сер. биол.

Izvestia Altayskogo Universiteta. Izvestiya of Altai State

науки, науки о Земле, химия. 2014. № 3/1 (83).

University. Ser. biol. nauki, nauki o Zemle, himiya.

С. 133-138.

2014, 3/1 (83): 133-138. [In Russian].

22. Черных Д.В., Золотов Д.В., Першин Д.К., Бирю-

22. Chernykh D.V., Zolotov D.V., Pershin D.K., Biryu-

ков Р.Ю. Пространственно-временная диффе

kov R.Y. Space and time differentiation of snow cover

ренциация снежного покрова в бассейне р. Кас

in the Kasmala river basin, Altai krai. Vodnye resursy.

малы (Алтайский край) // Водные ресурсы.

Water Resources. 2019, 46 (4): 359-369. doi: 10.31857/

2019. Т. 46. № 4. C. 359-369. doi: 10.31857/S0321-

S0321-0596464359-369. [In Russian].

0596464359-369.

23. Lubenets L.F., Chernykh D.V. Landscape structure of

23. Лубенец Л.Ф., Черных Д.В. Ландшафтное картогра

Maima river basin (Russian Altai). Geodeziya i kartografi-

фирование бассейна р. Майма (Русский Алтай) //

ya. Geodesy and Cartography. 2018, 79 (11): 15-24. doi:

Геодезия и картография. 2018. Т. 79. № 11. С. 15-

10.22389/0016-7126-2018-941-11-15-24. [In Russian].

24. doi: 10.22389/0016-7126-2018-941-11-15-24.

24. Lubenets L.F., Chernykh D.V., Pershin D.K. Features

24. Лубенец Л.Ф., Черных Д.В., Першин Д.К. Особен

of spatial differentiation of snow cover in low-moun

ности пространственной дифференциации снеж

tain landscapes of the Russian Altai (case study of the

ного покрова в низкогорных ландшафтах Рус

Maima river basin). Led i Sneg. Ice and Snow. 2018, 58

ского Алтая (на примере бассейна р. Майма) //

(1): 56-64. doi: 10.15356/2076-6734-2018-1-56-64.

Лёд и Снег. 2018. Т. 58. № 1. С. 56-64. doi:

[In Russian].

10.15356/2076-6734-2018-1-56-64.

25. Pershin D., Chernykh D., Lubenets L., Biryukov R., Zo-

25. Pershin D., Chernykh D., Lubenets L., Biryukov R.,

lotov D. Snow surveys in the south of the Western Si

Zolotov D. Snow surveys in the south of the Western

beria (Russia). Mendeley Data. 2020. Version 4. doi:

Siberia (Russia) // Mendeley Data. 2020. V. 4. doi:

10.17632/8f4ky92by9.4.

26. Nastavlenie gidrometeorologicheskim stanciyam i pos-

26. Наставление гидрометеорологическим станциям

tam. Guidance to hydrometeorological stations and

и постам. Вып. 3. Ч. 1. Л.: Гидрометеоиздат, 1985.

posts. Is. 3. Pt. 1. Leningrad: Gidrometeoizdat, 1985:

300 с.

300 p. [In Russian].

27. Руководство по снегомерным работам в горах. Л.:

27. Rukovodstvo po snegomernym rabotam v gorah. Manual

Гидрометеоиздат, 1958. 148 c.

on snow-measuring works in the mountains. Lenin

28. Jost G., Weiler M., Gluns D.R., Younes A. The Influ

grad: Gidrometeoizdat, 1958: 148 p. [In Russian].

ence of Forest and Topography on Snow Accumu

28. Jost G., Weiler M., Gluns D.R., Younes A. The Influ

lation and Melt at the Watershed-Scale // Journ. of

ence of Forest and Topography on Snow Accumu

 97 

Снежный покров и снежные лавины

Hydrology. 2007. V. 347. № 1-2. P. 101-115. doi:

lation and Melt at the Watershed-Scale. Journ. of

10.1016/j.jhydrol.2007.09.006.

Hydrology. 2007, 347 (1-2): 101-115. doi: 10.1016/j.

29. Sturm M., Taras B., Liston G.E., Derksen C., Jonas T.,

jhydrol.2007.09.006.

Lea J. Estimating Snow Water Equivalent Using Snow

29. Sturm M., Taras B., Liston G.E., Derksen C., Jonas T.,

Depth Data and Climate Classes // Journ. of Hy

Lea J. Estimating Snow Water Equivalent Using

drometeorology. 2010. V. 11. № 6. P. 1380-94. doi:

Snow Depth Data and Climate Classes. Journ. of

10.1175/2010JHM1202.1.

Hydrometeorology. 2010, 11 (6): 1380-94. doi:

30. Beaton A.D., Metcalfe R.A., Buttle J.M., Franklin S.E.

10.1175/2010JHM1202.1.

Investigating Snowpack across Scale in the Northern

30. Beaton A.D., Metcalfe R.A., Buttle J.M., Franklin S.E.

Great Lakes-St. Lawrence Forest Region of Central

Investigating Snowpack across Scale in the Northern

Ontario, Canada // Hydrological Processes. 2019.

Great Lakes-St. Lawrence Forest Region of Central

V. 33. № 26. P. 3310-29. doi: 10.1002/hyp.13558.

Ontario, Canada. Hydrological Processes. 2019, 33

31. Molotch N.P., Bales R.C. Scaling snow observations

(26): 3310-29. doi: 10.1002/hyp.13558.

from the point to the grid element: Implications for ob

31. Molotch N.P., Bales R.C. Scaling snow observations

servation network design // Water Recourses Research.

from the point to the grid element: Implications for ob

2005. V. 41. W11421. doi: 10.1029/2005WR004229.

servation network design. Water Recourses Research.

32. Meromy L., Molotch N.P., Link T.E., Fassnacht S.R.,

2005, 41: W11421. doi:10.1029/2005WR004229.

Rice R. Subgrid variability of snow water equivalent

32. Meromy L., Molotch N.P., Link T.E., Fassnacht S.R.,

at operational snow stations in the western USA //

Rice R. Subgrid variability of snow water equivalent at op

Hydrological Processes. 2013. V. 27. P. 2383-2400.

erational snow stations in the western USA. Hydrological

doi: 10.1002/hyp.9355.

Processes. 2013, 27: 2383-2400. doi: 10.1002/hyp.9355.

33. Largeron C., Dumont M., Morin S., Boone A., La-

faysse M., Metref S., Cosme E., Jonas T., Winstral A.,

Margulis S.A. Toward Snow Cover Estimation in

Mountainous Areas Using Modern Data Assimila

Mountainous Areas Using Modern Data Assimilation

tion Methods: A Review // Frontiers in Earth Science.

Methods: A Review. Frontiers in Earth Science. 2020,

2020. V. 8. doi:10.3389/feart.2020.00325.

8. doi:10.3389/feart.2020.00325.

 98 