Аннотация
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.
01 Введение
Полный текст статьи доступен для скачивания в формате PDF на панели справа.
02 Список литературы
- 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