Стратегические направления развития гидрологического прогнозирования для обеспечения безопасности и эффективности судоходства в России до 2035 года

Надежда Александровна Волкова

doi:10.37890/jwt.vi86.671

Н.А, Волкова Российский государственный гидрометеорологический университет, г. Санкт-Петербург, Россия, Арктический и антарктический научно-исследовательский институт, г. Санкт-Петербург, Россия https://orcid.org/0000-0002-9272-4713

DOI: https://doi.org/10.37890/jwt.vi86.671

Аннотация

Надёжное гидрологическое прогнозирование является критически важным элементом для обеспечения безопасности мореплавания и эффективности работы водного транспорта в условиях роста частоты и интенсивности опасных гидрологических явлений. В статье проведён анализ текущего состояния системы гидрологического прогнозирования Росгидромета с точки зрения задач судоходства. Выявлены ключевые проблемы, ограничивающие её потенциал: технологическое отставание, дефицит данных в реальном времени, недостаточная детализация прогнозов для акваторий портов и внутренних водных путей. На основе системного подхода сформулированы стратегические направления развития до 2035 года, включая цифровизацию, внедрение ансамблевых и вероятностных методов, развитие наблюдательной сети и специализированных сервисов для транспортной отрасли. Предложены целевые показатели, такие как повышение оправдываемости штормовых предупреждений и прогнозов ледовой обстановки до 98%, а также создание интегрированных систем поддержки принятия решений для капитанов и лоцманов. Реализация стратегии позволит существенно повысить уровень безопасности судоходства, оптимизировать логистику и минимизировать экономические риски для морского и речного транспорта.

Ключевые слова: : гидрологическое прогнозирование, безопасность судоходства, водный транспорт, стратегия развития, ансамблевые прогнозы, Росгидромет, опасные гидрологические явления

Литература

1. Презентации докладов, представленных на 8 всероссийском объединенном метеорологическом и гидрологическом съезде (октябрь 2024 г., Санкт-Петербург). [Электронный ресурс]. – Режим доступа: https://фумо05.рф/o371-Meteorological_Hydrological_Congress.htm (дата обращения: 04.11.2025).
2. Волкова, Н. А. Комплексный подход к снижению аварийности на внутренних водных путях арктического региона России / Н. А. Волкова // Известия Петербургского университета путей сообщения. – 2025. – Т. 22, № 3. – С. 761-775. – DOI 10.20295/1815-588X-2025-3-761-775.
3. Волкова, Н. А. Методика долгосрочного прогнозирования максимальных уровней воды на примере реки Пур / Н. А. Волкова, М. Н. Волков, К. В. Ромашова // Вестник Удмуртского университета. Серия Биология. Науки о Земле. – 2025. – Т. 35, № 3. – С. 375-387. – DOI 10.35634/2412-9518-2025-35-3-375-387. – EDN FJXCDS.
4. Симонов, Ю. А. Оперативная гидрология в деятельности Всемирной метеорологической организации / Ю. А. Симонов // Гидрометеорологические исследования и прогнозы. – 2025. – № 2(396). – С. 121-140. – DOI 10.37162/2618-9631-2025-2-121-140. – EDN RDCSRC.
5. ВМО-№ 485. Наставление по Комплексной системе обработки и прогнозирования ВМО. Дополнение IV к Техническому регламенту ВМО. Всемирная метеорологическая организация, 2023. 185 с.
6. ВМО-№ 1273. Атлас смертности и экономических потерь в результате экстремальных метеорологических, климатических и гидрологических явлений (1970-2019 гг.). Всемирная метеорологическая организация, 2021. 90 с.
7. ВМО-№ 1319. Перспективное видение, Стратегия и соответствующий План действий в области гидрологии и Стратегия гидрологических исследований ВМО. Всемирная метеорологическая организация, 2023. 67 с.
8. ВМО-№ 1381. В центре внимания инициатива «Заблаговременные предупреждения для всех»: мониторинг и прогнозирование опасных явлений. Всемирная метеорологическая организация, 2025. 91 с.
9. Dasgupta A. et al. Connecting hydrological modelling and forecasting from global to local scales: Perspectives from an international joint virtual workshop //Journal of Flood Risk Management. – 2025. – Т. 18. – №. 1. – С. e12880.
10. Jahangir M. S., Quilty J. Hierarchical deep learning for consistent multi‐timescale hydrological forecasting //Water Resources Research. – 2025. – Т. 61. – №. 7. – С. e2024WR038105.
11. Li F. et al. Reanalysis and forecasting of total water storage and hydrological states by combining machine learning with CLM model simulations and GRACE data assimilation //Water Resources Research. – 2025. – Т. 61. – №. 2. – С. e2024WR037926.
12. Ougahi J. H., Rowan J. S. Enhanced streamflow forecasting using hybrid modelling integrating glacio-hydrological outputs, deep learning and wavelet transformation //Scientific Reports. – 2025. – Т. 15. – №. 1. – С. 2762.
13. Pechlivanidis I. G. et al. Enhancing research-to-operations in hydrological forecasting: innovations across scales and horizons //Bulletin of the American Meteorological Society. – 2025. – Т. 106. – №. 5. – С. E894-E919.
14. Solanki H. et al. Improving streamflow prediction using multiple hydrological models and machine learning methods //Water Resources Research. – 2025. – Т. 61. – №. 1. – С. e2024WR038192.
15. Zhang J., Li W., Duan Q. Quantifying the contributions of hydrological pre-processor, post-processor, and data assimilator to ensemble streamflow prediction skill //Journal of Hydrology. – 2025. – Т. 651. – С. 132611.

Данные автора

Надежда Александровна Волкова , Российский государственный гидрометеорологический университет, г. Санкт-Петербург, Россия, Арктический и антарктический научно-исследовательский институт, г. Санкт-Петербург, Россия

к.ф.-м.н., доцент кафедры водно-технических изысканий, Российский государственный гидрометеорологический университет (ФГБОУ ВО «РГГМУ»), 192007, Россия, Санкт-Петербург, Воронежская улица, дом 79,
старший научный сотрудник отдела гидрологии устьев рек и водных ресурсов, Арктический и антарктический научно-исследовательский институт (ФГБУ «ААНИИ»)
e-mail: navolkova@aari.ru