Численное моделирование сценария разлива плавучего нефтехранилища Safer в южной части Красного моря

Введение. Работа посвящена математическому моделированию сценариев аварийного разлива нефти в акватории Красного моря в районе расположения плавучего нефтехранилища (FSO Safer) у побережья Йемена. Построены прогностические траектории дрейфа нефтяного пятна, формирующиеся под влиянием адвекции, диффузии, испарения, растворения и биоразложения. Результаты моделирования позволили выявить пространственно-временные закономерности трансформации пятна, определить зоны наибольшего экологического риска вдоль йеменского побережья и оценить потенциальный ущерб для морских экосистем и социально-экономической инфраструктуры региона. Материалы и методы. Разработана трёхмерная численная модель нефтяного разлива для прогноза переноса и выветривания нефти в первые 72 ч, наиболее важные для организации реагирования. Численная модель использует поверхностные течения и температуру глобального анализа HYCOM GOFS 3.1, ветер реанализа ERA5. При моделировании динамики нефти учитывался её многофракционный состав, мезомасштабный характер течений, физико-химические процессы выветривания (испарение и растворение), а также кинетика биоразложения с динамикой популяции микроорганизмов. Результаты исследования. Результаты показывают медленное смещение пятна к северо-востоку со скоростью около 0,03 м/с (6,5 км за 72 ч) с выходом на побережье у Рас-Исы в первые сутки. Потеря массы за 72 ч составляет 23,4 %, из которых 96,7 % приходится на испарение и 3,3 % на растворение, тогда как вклад биоразложения при реалистичной биомассе микроорганизмов на этом горизонте не превышает 0,1 %. Дополнительно рассмотрен режим устойчивого северного переноса, выбранный по трёхлетнему ряду данных о течениях и ветрах периода 2023–2025 гг. С 29 января по 1 февраля 2023 г. пятно за трое суток проходит около 100 км на север вдоль побережья Йемена до островов Камаран, при этом потеря массы возрастает до 32 %. Обсуждение. Для точного прогноза дрейфа требуются актуальные гидрометеорологические данные на дату сценария, так как траектория и дальность смещения задаются полями течений и ветра. В качестве исходных условий используются данные спутникового радиолокационного мониторинга. Заключение. На основе открытых данных разработана воспроизводимая прогностическая модель нефтяного разлива для оперативного мониторинга и оценки экологических рисков в южной акватории Красного моря. Полученные результаты служат научным обоснованием для экстренного внедрения защитных мер и планирования региональных сценариев ликвидации последствий ЧС.

1. Huynh B.Q., Kwong L.H., Kiang M.V., Chin E.T., Mohareb A.M., Jumaan A.O. et al. Public health impacts of an imminent Red Sea oil spill. Nature Sustainability. 2021;4:1084–1091. https://doi.org/10.1038/s41893-021-00774-8

2. United Nations. Statement on the completion of the ship-to-ship transfer of oil from the FSO Safer. UN News. 2023, August 11. URL: https://news.un.org/en/story/2023/08/1139687 (дата обращения: 12.05.2026).

3. Zhan P., Subramanian A.C., Yao F., Hoteit I. Eddies in the Red Sea: A statistical and dynamical study. Journal of Geophysical Research: Oceans. 2014;119(6):3909–3925. https://doi.org/10.1002/2013JC009563

4. Al-Rabeh A.H., Gunay N., Cekirge H.M. A stochastic simulation model of oil spill fate and transport. Applied Mathematical Modelling. 1994;18(6):322–333.

5. Gros J., et al. Review of oil spill modeling approaches. Marine Pollution Bulletin. 2017;115(1–2):7–19.

6. Periáñez R. A Lagrangian oil spill transport model for the Red Sea. Ocean Engineering. 2020;217:107953. https://doi.org/10.1016/j.oceaneng.2020.107953

7. Mittal H.V.R., Langodan S., Zhan P., Li S., Knio O., Hoteit I. Hazard assessment of oil spills along the main shipping lane in the Red Sea. Scientific Reports. 2021;11:17078. https://doi.org/10.1038/s41598-021-96572-5

8. European Space Agency. Copernicus Sentinel-1 Level-1 GRD products (IW, VV/VH), processed by ESA; accessed via AWS Open Data, bucket sentinel-s1-l1c. 2020–2025.

9. United Nations. Stop Red Sea Spill: Background. 2022. URL: https://www.un.org/en/stopredseaspill/background (дата обращения: 12.05.2026).

10. Shchepetkin A.F., McWilliams J.C. The Regional Ocean Modeling System (ROMS): A split-explicit, free-surface, topography-following-coordinate oceanic model. Ocean Modelling. 2005;9(4):347–404.

11. Chassignet E.P., Hurlburt H.E., Smedstad O.M., Halliwell G.R., Hogan P.J., Wallcraft A.J. et al. The HYCOM (HYbrid Coordinate Ocean Model) data assimilative system. Journal of Marine Systems. 2007;65:60–83. https://doi. org/10.1016/j.jmarsys.2005.09.016. Данные: HYCOM + NCODA Global 1/12° Analysis (GOFS 3.1, GLBy0.08/ expt_93.0). https://www.hycom.org

12. Hersbach H., Bell B., Berrisford P., et al. The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society. 2020;146(730):1999–2049. https://doi.org/10.1002/qj.3803 13. ASCE Task Committee on Modeling of Oil Spills. State-of-the-art review of modeling transport and fate of oil spills. Journal of Hydraulic Engineering. 1996;122(11):594–609. https://doi.org/10.1061/(ASCE)0733-9429(1996)122:11(594)

13. Сидорякина В.В. Математическая модель процесса распространения нефтяных загрязнений в прибрежных морских системах. Computational Mathematics and Information Technologies. 2023;7(4):39‒46. https://doi.org/10.23947/2587-8999-2023-7-4-39-46

14. Sidoryakina V.V. Mathematical Model of Spreading Oil Pollution in Coastal Marine Systems. Computational Mathematics and Information Technologies. 2023;7(4):39‒46. https://doi.org/10.23947/2587-8999-2023-7-4-39-46

15. Сидорякина В.В., Соломаха Д.А. Идентификация морских разливов нефти на основе нейросетевых технологий. Computational Mathematics and Information Technologies. 2024;8(4):43‒48. https://doi.org/10.23947/2587-8999-2024-8-4-43-48 Sidoryakina V.V., Solomakha D.A. Identification of Marine Oil Spills Using Neural Network Technologies. Computational Mathematics and Information Technologies. 2024;8(4):43‒48. (In Russ.) https://doi.org/10.23947/2587-8999-2024-8-4-43-48

16. Wessel P., Smith W.H.F. A global, self-consistent, hierarchical, high-resolution shoreline database. Journal of Geophysical Research: Solid Earth. 1996;101(B4):8741–8743. https://doi.org/10.1029/96JB00104

17. Zippenfenig P. Open-Meteo.com Weather API [Computer software]. Zenodo; 2023.https://doi.org/10.5281/zenodo.7970649

18. Yao F., Hoteit I., Pratt L.J., et al. Seasonal overturning circulation in the Red Sea: 2. Winter circulation. Journal of Geophysical Research: Oceans. 2014;119(4):2263–2289. https://doi.org/10.1002/2013JC009331

19. Sofianos S.S., Johns W.E. An Oceanic General Circulation Model (OGCM) investigation of the Red Sea circulation: 2. Three-dimensional circulation in the Red Sea.Journal of Geophysical Research: Oceans. 2003;108(C3):3066. https://doi.org/10.1029/2001JC001185

20. Reddy C.M., Arey J.S., Seewald J.S., Sylva S.P., Lemkau K.L., Nelson R.K. et al. Composition and fate of gas and oil released to the water column during the Deepwater Horizon oil spill. Proceedings of the National Academy of Sciences. 2012;109(50):20229–20234. https://doi.org/10.1073/pnas.1101242108

21. Fingas M.F. Modeling evaporation using models that are not boundary-layer regulated. Journal of Hazardous Materials. 2004;107:27–36. https://doi.org/10.1016/j.jhazmat.2003.11.007

22. Prince R.C., McFarlin K.M., Butler J.D., Febbo E.J., Wang F.C.Y., Nedwed T.J. et al. The primary biodegradation of dispersed crude oil in the sea. Chemosphere. 2016;144:521–526. https://doi.org/10.1016/j.chemosphere.2012.08.020

23. Hazen T.C., Prince R.C., Mahmoudi N. Marine oil biodegradation. Environmental Science & Technology. 2016;50(5):2121–2129. https://doi.org/10.1021/acs.est.5b03333

24. Ward C.P., Overton E.B. How the 2010 Deepwater Horizon spill reshaped our understanding of crude oil photochemical weathering at sea: a past, present, and future perspective. Environmental Science: Processes & Impacts. 2020;22(5):1125–1138. https://doi.org/10.1039/d0em00027b

25. U.S. Energy Information Administration. Fewer tankers transit the Red Sea in 2024. Today in Energy. 2024, October 11. URL: https://www.eia.gov/todayinenergy/detail.php?id=63446 (дата обращения: 12.05.2026).

26. United Nations. Statement attributable to the Spokesperson for the Secretary-General on the air strikes in and around Yemen’s port of Ra’s Isa (SG/SM/22626). 2025, April 19. URL: https://press.un.org/en/2025/sgsm22626.doc.htm (дата обращения: 12.05.2026).

27. Fingas M., Brown C. Review of oil spill remote sensing. Marine Pollution Bulletin. 2014;83(1):9–23. https://doi.org/10.1016/j.marpolbul.2014.03.059

28. Sukhinov A., Sidoryakina V., Solomakha D. Identification of plankton populations in the surface waters of the Azov Sea based on neural network structures of various architectures. BIO Web of Conferences. 2024;141:03003. https://doi.org/10.1051/bioconf/202414103003

29. Jish Prakash P., Stenchikov G., Kalenderski S., Osipov S., Bangalath H. The impact of dust storms on the Arabian Peninsula and the Red Sea. Atmospheric Chemistry and Physics. 2015;15:199–222. https://doi.org/10.5194/acp-15-199-2015

30. Сухинов А.И., Чистяков А.Е., Сидорякина В.В., Проценко С.В., Атаян А.М. Локально-двумерные схемы расщепления для параллельного решения трехмерной задачи транспорта взвешенного вещества. Математическая физика и компьютерное моделирование. 2021;24(2):38–53. https://doi.org/10.15688/mpcm.jvolsu.2021.2.4 Sukhinov A.I., Chistyakov A.E., Sidoryakina V.V., Protsenko S.V., Atayan A.M. Locally two-dimensional splitting schemes for parallel solving of the three-dimensional problem of suspended substance transport. Mathematical Physics and Computer Simulation. 2021;24(2):38–53. (In Russ.) https://doi.org/10.15688/mpcm.jvolsu.2021.2.4

31. Sidoryakina, V., Filina A. A set of tools for predictive modeling of the spatial distribution of oil pollution. E3S Web of Conferences. 2024;592;04017. https://doi.org/10.1051/e3sconf/202459204017

32. Сухинов А.И., Соломаха Д.А., Сидорякина В.В. Обнаружение разливов нефти на основе усовершенствованных LBP-нейроалгоритмов для зашумленных космических снимков. Computational Mathematics and Information Technologies. 2026;10(1):58‒71. https://doi.org/10.23947/2587-8999-2026-10-1-58-71 Sukhinov A.I., Solomakha D.A., Sidoryakina V.V. Oil Spill Detection Based on Enhanced LBP Neural Algorithms for Noisy Satellite Images. Computational Mathematics and Information Technologies. 2026;10(1):58‒71. (In Russ.) https://doi.org/10.23947/2587-8999-2026-10-1-58-71

33. Сухинов А.И., Сидорякина В.В. Аппроксимация граничных условий второго и третьего рода в краевых задачах для уравнений конвекции-диффузии c приложением к экологической гидрофизике. Computational Mathematics and Information Technologies. 2025;9(3):16‒29. https://doi.org/10.23947/2587-8999-2025-9-3-16-29 Sukhinov A.I., Sidoryakina V.V. Approximation of boundary conditions of the second and third types in convection– diffusion equations with applications to environmental hydrophysics. Computational Mathematics and Information Technologies. 2025;9(3):16–29. (In Russ.) https://doi.org/10.23947/2587-8999-2025-9-3-16-29