Математическое моделирование катастрофических сгонно-нагонных явлений Азовского моря с использованием данных дистанционного зондирования

Введение. Работа посвящена математическому моделированию экстремальных колебаний уровня Азовского моря с использованием данных дистанционного зондирования. Цель исследования заключается в разработке и применении математической модели, которая позволяет более точно прогнозировать сгонно-нагонные явления, вызванные экстремальными ветровыми условиями. Актуальность работы обусловлена необходимостью улучшения прогнозов гидродинамических процессов в мелководных водоемах (таких, как Азовское море), где подобные явления могут иметь значительные экономические и экологические последствия. Цель данной работы — разработка и применение математической модели для прогнозирования экстремальных колебаний уровня Азовского моря, вызванных ветровыми условиями.
Материалы и методы. Исследование основывается на анализе данных дистанционного зондирования и наблюдений за скоростью и направлением ветра над Азовским морем. В качестве основного метода используется математическое моделирование, включающее решение системы уравнений волновой гидродинамики для мелководного водоема. Данные о ветровых условиях были собраны в период с 20 по 25 ноября 2019 года, когда наблюдались катастрофические колебания уровня моря. Модель учитывает компоненты скорости водного потока, плотность водной среды, гидродинамическое давление, ускорение свободного падения и коэффициенты турбулентного обмена.
Результаты исследования. Моделирование показало, что продолжительное действие восточного ветра со скоростью до 22 м/с привело к значительным сгонно-нагонным колебаниям уровня моря. Максимальные амплитуды колебаний были зафиксированы в центральной части Таганрогского залива, где направление и скорость ветра оставались практически неизменными в течение всего периода наблюдений. Данные с различных платформ, расположенных в разных частях Азовского моря, подтвердили наличие значительного снижения уровня воды на северо-востоке и повышения на юго-западе.
Обсуждение и заключения. Результаты исследования подтверждают, что использование математических моделей в сочетании с данными дистанционного зондирования позволяет более точно прогнозировать экстремальные колебания уровня моря. Это имеет важное значение для разработки мер по предупреждению и минимизации последствий сгонно-нагонных явлений в прибрежных районах. В дальнейшем необходимо совершенствовать модели, включая дополнительные факторы, такие как изменение климатических условий и антропогенное воздействие на экосистему Азовского моря.

1. Alekseenko Е., Roux B., Sukhinov А., Kotarba R., Fougere D. Coastal hydrodynamics in a windy lagoon. Nonlinear Processes in Geophysics. 2013;20(2):189–198. https://doi.org/10.1016/j.compfluid.2013.02.003

2. Holthuijsen L.H. Waves in Oceanic and Coastal Waters. Cambridge University Press. 2007. https://doi.org/10.1017/CBO9780511618536

3. Kirby J.T. (2013). Advanced Numerical Models for Simulating Tsunami Waves and Runup. World Scientific Publishing Company. https://doi.org/10.1142/9101

4. Komen G.J., Cavaleri L., Donelan M., Hasselmann K., Hasselmann S., Janssen P.A.E.M. (1994). Dynamics and Modelling of Ocean Waves. Cambridge University Press. https://doi.org/10.1017/CBO9780511628955

5. Mei C.C., Stiassnie M., Yue D.K.P. Theory and Applications of Ocean Surface Waves: Linear Aspects. World Scientific Publishing Company. 2005. https://doi.org/10.1142/5678

6. The official website of the Unified State Information System on the Situation in the World Ocean. URL: http://esimo.ru/portal/ (дата обращения: 11.06.2024)

7. Protsenko S., Sukhinova T. Mathematical modeling of wave processes and transport of bottom materials in coastal water areas taking into account coastal structures. MATEC Web of Conferences. 2017;132(2):04002. https://doi.org/10.1051/matecconf/201713204002

8. Sukhinov A.I., Chistyakov A.E., Protsenko E.A. Mathematical Modeling of Sediment Transport in the Coastal Zone of Shallow Reservoirs. Mathematical Models and Computer Simulations. 2014;6(4):351–363. https://doi.org/10.1134/S2070048214040097

9. Panasenko N.D. Forecasting the Coastal Systems State using Mathematical Modelling Based on Satellite Images. Computational Mathematics and Information Technologies. 2023;7(4):54‒65. https://doi.org/10.23947/2587-8999-2023-7-4-54-65

10. Sukhinov A.I., Protsenko S.V., Panasenko N.D. Mathematical modeling and ecological design of the marine systems taking into account multi-scale turbulence using remote sensing data. Computational Mathematics and Information Technologies. 2022;6(3):104‒113. https://doi.org/10.23947/2587-8999-2022-1-3-104-113

11. Sukhinov A., Panasenko N., Simorin A. Algorithms and programs based on neural networks and local binary patterns approaches for monitoring plankton populations in sea systems. E3S Web of Conferences. 2022;363:02027. https://doi.org/10.1051/e3sconf/202236302027

12. Xu W., Yin X., Zhang W. A Review of Applications of Neural Networks in Coastal and Ocean Engineering. Ocean Engineering. 2019;186:106092. https://doi.org/10.1016/j.oceaneng.2019.106092

13. Zhang L., Wang L., Yang Z. Deep Learning for Remote Sensing Image Analysis: A Comprehensive Review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2018;11(10):3713‒3723. https://doi.org/10.1109/JSTARS.2018.2857630

14. The official website of Earth observing system. URL: https://eos.com/landviewer/account/pricing (дата обращения: 12.06.2024)

15. The official website of NASA Worldview. URL: https://worldview.earthdata.nasa.gov (дата обращения: 12.06.2024)