Прогнозирование уровня воды во время половодья с использованием данных "NASA Global Land data Assimilation System" на примере реки Печора : PREDICTION OF THE LEVEL OF WATER IN FLOOD USING DATA FROM THE "NASA GLOBAL LAND DATA ASSIMILATION SYSTEM" ON THE PECHORA RIVER

В работе приведена методика использования данных модели «NASA Global Land Data Assimilation System» (GLDAS-2.1) для прогнозирования уровня воды в реке Печора с заблаговременностью около 1 месяца. Коэффициенты детерминации R2 построенной многофакторной регрессионной модели, в качестве входных парамет...

Full description

Bibliographic Details
Main Authors: Холматов Ш.Р., Сарафанов М.И.
Format: Report
Language:unknown
Published: Colloquium-journal 2019
Subjects:
ПОЛОВОДЬЕ
УРОВЕНЬ ВОДЫ
ПРОГНОЗ
МОДЕЛЬ
РЕГРЕССИЯ
HIGH WATER
WATER LEVEL
FORECAST
MODEL
REGRESSION
Ust’-Usa
Pechora
Online Access:https://dx.doi.org/10.24411/2520-6990-2019-10553
https://cyberleninka.ru/article/n/prognozirovanie-urovnya-vody-vo-vremya-polovodya-s-ispolzovaniem-dannyh-nasa-global-land-data-assimilation-system-na-primere-reki-pechora/pdf
Description
Summary:В работе приведена методика использования данных модели «NASA Global Land Data Assimilation System» (GLDAS-2.1) для прогнозирования уровня воды в реке Печора с заблаговременностью около 1 месяца. Коэффициенты детерминации R2 построенной многофакторной регрессионной модели, в качестве входных параметров в которой использовались данные GLDAS-2.1, оказались равны 0.87 на обоих контрольных постах (Усть-Уса и Усть-Цильма). Полученные результаты позволяют рассчитывать на успешное использование данных модели для прогнозирования уровня подъема воды в половодье в качестве вспомогательного инструмента для более сложных и точных моделей и прогнозов. : There is a methodology of using the data of the NASA Global Land Data Assimilation System (GLDAS-2.1) model for predicting the water level in the Pechora river with time lag of 1 month. The determination coefficients R2 of the constructed multivariate regression model, using GLDAS-2.1 data as input parameters, turned out to be 0.87 at both control posts (Ust-Usa and Ust-Tsilma). The results obtained make it possible to count on the successful use of the model data to predict the level of water rise in floods as an auxiliary tool for more complex and accurate models and forecasts.

Similar Items