В журнале Urban Climate опубликованы некоторые результаты работ на р. Сетунь ‒ крупнейшем правом притоке Москвы-реки в черте столицы (площадь водосбора составляет 190 кв. км).
С 2019 года на реке ведётся уникальный высокочастотный мониторинг стока и взвешенных наносов. Весной 2024 года провели серию детальных измерений взвеси лазерным дифрактометром LISST-200× (49 часов наблюдений).
В статье приводятся результаты анализа водосбора: сегодня до 40% площади водосбора занято непроницаемыми поверхностями. В результате формируется особый режим водного стока: частые кратковременные паводки (до 29 в год) и очень быстрый отклик на ливни. При этом доля разных источников питания вдоль русла р. Сетунь почти не меняется, а вот перенос взвешенных наносов вниз по течению усиливается в 3‒4 раза. На гидрографах и кривых «расход–мутность» фиксируется эффект гистерезиса, связанный с гидравлическим сортированием взвеси и влиянием локальных источников загрязнения.
В статье присутствует отдельный раздел - применения пяти моделей машинного обучения с шагом от 30 минут до суток для оценки мутности воды. Лучший результат показала рекуррентная нейросеть LSTM для суточной мутности воды.
С 2019 года на реке ведётся уникальный высокочастотный мониторинг стока и взвешенных наносов. Весной 2024 года провели серию детальных измерений взвеси лазерным дифрактометром LISST-200× (49 часов наблюдений).
В статье приводятся результаты анализа водосбора: сегодня до 40% площади водосбора занято непроницаемыми поверхностями. В результате формируется особый режим водного стока: частые кратковременные паводки (до 29 в год) и очень быстрый отклик на ливни. При этом доля разных источников питания вдоль русла р. Сетунь почти не меняется, а вот перенос взвешенных наносов вниз по течению усиливается в 3‒4 раза. На гидрографах и кривых «расход–мутность» фиксируется эффект гистерезиса, связанный с гидравлическим сортированием взвеси и влиянием локальных источников загрязнения.
В статье присутствует отдельный раздел - применения пяти моделей машинного обучения с шагом от 30 минут до суток для оценки мутности воды. Лучший результат показала рекуррентная нейросеть LSTM для суточной мутности воды.