ВЛИЯНИЕ СНЕЖНОГО ПОКРОВА НА ВОДООБЕСПЕЧЕННОСТЬ В ТЕЧЕНИЕ ВЕГЕТАЦИОННОГО ПЕРИОДА (НА ПРИМЕРЕ СУБ-БАССЕЙНА КУРАГАТЫ)
Авторы
-
Нұрдаулет Жумабай
Казахский национальный университет имени аль-Фараби, Алматы, Казахстан
https://orcid.org/0009-0004-2476-6526
-
Асет Егизбаева
Национальный центр космических исследований и технологий, Алматы, Казахстан
https://orcid.org/0000-0003-2114-8365
-
Кристина Константинова
Национальный центр космических исследований и технологий, Алматы, Казахстан
https://orcid.org/0009-0004-0212-5656
-
Нурлан Бекмухамедов
Национальный центр космических исследований и технологий, Алматы, Казахстан
https://orcid.org/0000-0002-3157-7705
https://doi.org/10.37884/3-2026/12
Ключевые слова:
дистанционное зондирование Земли, снежный покров, эвапотранспирация, бассейн реки Шу, модель METRIC, орошение, водообеспеченностьАннотация
Дефицит воды в вегетационный период остаётся одним из основных ограничивающих факторов для орошаемого сельского хозяйства в Центральной Азии, особенно в трансграничных речных бассейнах, где водообеспеченность зависит от накопления и таяния снежного покрова в горных районах. Целью данного исследования является оценка влияния сезонной динамики снежного покрова на водообеспеченность в суб-бассейне Курагаты бассейна реки Шу с акцентом на сельскохозяйственные территории нижнего течения, расположенные в Казахстане и Кыргызской Республике. Динамика снежного покрова была определена по спутниковым данным Sentinel-2 для территорий выше 1000 м над уровнем моря за период с ноября по май (2018-2025 гг.) с использованием порогового метода выделения снега. Эвапотранспирация на селькохозяйственных землях оценивалась по данным Landsat с применением модели энергетического баланса, в то время как данные о речном стоке с гидрометрических станций использовались для характеристики гидрологического отклика. Результаты показывают устойчивый сезонный характер изменения снежного покрова, при этом максимальное значение наблюдается зимой, где средние значения превышают 55% и достигают 59 ± 11.7% в декабре. Весной снежный покров быстро уменьшается до 27.6 ± 12.7% в апреле и ниже 10% в мае. Весенний снежный индекс (март-апрель) в среднем составляет 37 ± 8.2% отражая значительную межгодовую изменчивость. Эвапотранспирация следует выраженному сезонному циклу, увеличиваясь до 2.1 ± 0.6 мм/сут в мае и достигая пиковых значений до 7.4 ± 1.2 мм/сут в июне. Суммарная эвапотранспирация за вегетационный период в среднем составляет 214.4 ± 24.2 мм. Речной сток в этот период характеризуется умеренной изменчивостью, со средними значениями 4.26 ± 1.34 м3/с и пиковыми расходами в начале лета. Выявлена устойчивая положительная связь между снежным покровом в конце зимы – начале весны и эвапотранспирацией в мае-июне, что свидетельствует о вкладе талых вод в формирование водных ресурсов в начале периода орошения. В то же время характер эвапотранспирации определяется также развитием растительности и ростом атмосферного спроса, что указывает на то, что динамика снежного покрова является начальным, но не единственным определяющим фактором.
Библиографические ссылки
Adenova, D., Sarsekova, D., Absametov, M., Murtazin, Y., Sagin, J., Trushel, L., & Miroshnichenko, O. (2024). The Study of Groundwater in the Zhambyl Region, Southern Kazakhstan, to Improve Sustainability. Sustainability, 16(11), 4597. https://doi.org/10.3390/su16114597
Al-Farabi Kazakh National University, & Safina, A. U. (2023). River runoff resources of the Shu-Talas water management basin in the context of climate change // Engineering Journal of Satbayev University, 145(3), 25–30. https://doi.org/10.51301/ejsu.2023.i3.04
Adenova, D., Murtazin, E., Miroshnichenko, O., Sotnikov, E., & Tazhiev, S. (2025). Application of digital technologies in monitoring transboundary aquifers of the Shu–Talas basin // Izdenister Natigeler, (3(107)). https://doi.org/10.37884/3-2025/42
Allen, R. G., Tasumi, M., & Trezza, R. (2007). Satellite-Based Energy Balance for Mapping Evapotranspiration with Internalized Calibration (METRIC)—Model // Journal of Irrigation and Drainage Engineering, 133(4), 380–394. https://doi.org/10.1061/(ASCE)0733-9437(2007)133:4(380)
Chen, J., Tang, F., Lin, H., Huang, B., & Lin, X. (2026). Spatial Heterogeneity and Drivers of Vertical Error in Global DEMs: An Explainable Machine Learning Approach in Complex Subtropical Coastal Zones. Remote Sensing, 18(8), 1125. https://doi.org/10.3390/rs18081125
Gascoin, S., Barrou Dumont, Z., Deschamps-Berger, C., Marti, F., Salgues, G., López-Moreno, J. I., Revuelto, J., Michon, T., Schattan, P., & Hagolle, O. (2020). Estimating Fractional Snow Cover in Open Terrain from Sentinel-2 Using the Normalized Difference Snow Index. Remote Sensing, 12(18), 2904. https://doi.org/10.3390/rs12182904
Hao, X., Fan, X., Zhao, Z., & Zhang, J. (2023). Spatiotemporal Patterns of Evapotranspiration in Central Asia from 2000 to 2020. Remote Sensing, 15(4), 1150. https://doi.org/10.3390/rs15041150
Kaliyeva, K., Punys, P., & Zhaparkulova, Y. (2021). The Impact of Climate Change on Hydrological Regime of the Transboundary River Shu Basin (Kazakhstan–Kyrgyzstan): Forecast for 2050. Water, 13(20), 2800. https://doi.org/10.3390/w13202800
Koshim, A., Takibayev, Z., Gafurov, A., Munaitpassova, A., Kanatkaliyev, D., Bekzhanova, A., Zhumalipov, A., & Sharapkhanova, Z. (2026). Long-Term Spatiotemporal Dynamics of Snow Cover in the Arys River Basin (Western Tien Shan). Hydrology, 13(4), 115. https://doi.org/10.3390/hydrology13040115
Kumar, N., & Hamouda, M. A. (2025). Utility of single-source surface energy balance models in estimation of daily actual evapotranspiration in arid regions // Hydrological Sciences Journal, 70(4), 664–686. https://doi.org/10.1080/02626667.2024.2446266
Li, Z., Chen, Y., Li, Y., & Wang, Y. (2020). Declining snowfall fraction in the alpine regions // Central Asia. Scientific Reports, 10(1), 3476. https://doi.org/10.1038/s41598-020-60303-z
Linke, S., Lehner, B., Ouellet Dallaire, C., Ariwi, J., Grill, G., Anand, M., Beames, P., Burchard-Levine, V., Maxwell, S., Moidu, H., Tan, F., & Thieme, M. (2019). Global hydro-environmental sub-basin and river reach characteristics at high spatial resolution. Scientific Data, 6(1), 283. https://doi.org/10.1038/s41597-019-0300-6
Ma, Y., & Zhang, Y. (2022). Improved on snow cover extraction in mountainous areas based on multi-factor ndsi dynamic threshold. The International Archives of the Photogrammetry // Remote Sensing and Spatial Information Sciences, XLIII-B3-2022, 771–778. https://doi.org/10.5194/isprs-archives-XLIII-B3-2022-771-2022
Narbayeva, К., Tairov, A., Ismailova, G., Narbayev, M., Mukhanbet, Y. (2025). Assessment of water resources in the shu-talas river basin // Hydrometeorology and Ecology, 117(2), 8–17. https://doi.org/10.54668/2789-6323-2025-117-2-8-17
Singh, R., & Senay, G. (2015). Comparison of Four Different Energy Balance Models for Estimating Evapotranspiration in the Midwestern United States. Water, 8(1), 9. https://doi.org/10.3390/w8010009
Yang, S., Chen, H., Zhang, Y., Shi, Q., Peng, B., Han, Y., & Hong, Z. (2026). Snow Density Retrieval Based on Sentinel-2 Multispectral Data and Deep Learning. Remote Sensing, 18(8), 1200. https://doi.org/10.3390/rs18081200
Zhang, L., Guli∙Jiapaer, Yu, T., Liang, H., Lin, K., Ju, T., De Maeyer, P., & Van De Voorde, T. (2025). Evaluating the performance of snow depth reanalysis products in the arid region of Central Asia // International Journal of Digital Earth, 18(1), 2447368. https://doi.org/10.1080/17538947.2024.2447368
Загрузки
Просмотров аннотации: 5 | Загрузок PDF: 2Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Izdenister natigeler
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
