ГИДРОТЕХНИКАЛЫҚ ҚҰРЫЛЫСТАРДЫ КОМПЬЮТЕРЛІК ҮЛГІЛЕУДІҢ ДӘЛДІГІН БАҒАЛАУ МӘСЕЛЕСІ БОЙЫНША (СОЛТҮСТІК ҚАЗАҚСТАНДАҒЫ ҚАРАТОМАР ЖӘНЕ ЖОҒАРҒЫ НЕТОБОЛ СУ ҚОЙМАЛАРЫН ЗЕРТТЕУ МЫСАЛЫНДА)

Соңғы жылдары Қазақстан су тапшылығымен де, қолданыстағы гидротехникалық құрылыстарды пайдаланумен де байланысты күрделі мәселелерге тап болды. Қуаңшылық кезеңдері тұщы су қорының жүйелі түрде азаюына әкелсе, 2024 жылғы су тасқыны бірқатар елді мекендерді су астында қалдырды. Гидротехникалық құрылыстардың шынайы жай-күйін, су қоймаларындағы су көлемін түсіну және ықтимал қауіп-қатерлерді болжау үшін үкімет бірқатар зерттеулер бастады. Гидротехникалық құрылыстардың жайкүйі туралы нақты мәлімет алудың өзектілігіне байланысты, авторлар мақалада өңірдегі су қоймаларының (Қаратомар және Жоғарғы Тобыл су қоймалары мысалында) жай-күйін компьютерлік модельдеудің дәлдігін бағалау мәселелерін көтереді. Зерттеу барысында Қаратомар су қоймасының батиметриясы Apache 3 дронының көмегімен орындалды. Модельдеу дәлдігінің галстар жиілігіне тәуелділік заңдылықтарын зерттеу үшін кригинг әдістері қолданылды. Су қоймасының модельдері QGis және Surfer бағдарламаларында құрылды. Жағалау сызығын талдау кезінде Sentinel-2 ғарыштық түсірілімдері мен «Қазсушар» РМК деректері пайдаланылды. Зерттеу нәтижесінде заманауи түбі геоморфологиясына арналған гидродрон галстарының тығыздығын (қадамын) анықтау алгоритмі әзірленді. Зерттеулер көрсеткендей, Қазақстанның тіпті жазық жердегі гидротехникалық құрылыстарын зерттеу дәлдігі далалық жұмыстарды жүргізу параметрлеріне айтарлықтай тәуелді, ал гидротехникалық құрылыстардың өзі пайдалану кезеңінде елеулі өзгерістерге ұшыраған.

1. Cooley, S.W., Ryan, J.C., Smith, L.C. Human alteration of global surface water storage variability. Nature, 591 (7848), 78–81 (2021). https://doi.org/10.1038/s41586-021-03262-3.

2. Yao, F., Minear, J.T., Rajagopalan, B., Wang, C., Yang, K., Livneh, B. Estimating reservoir sedimentation rates and storage capacity losses using high-resolution Sentinel-2 satellite and water-level data. Geophysical Research Letters, 50 (16), e2023GL103524 (2023). https://doi.org/10.1029/2023GL103524.

3. Zhang, J., et al. Relationship between eutrophication and greenhouse gases emission in shallow freshwater lakes. Science of the Total Environment, 925, 171610 (2024). https://doi.org/10.1016/j.scitotenv.2024.171610.

4. Johnson, M.S., et al. Spatiotemporal methane emission from global reservoirs. Journal of Geophysical Research: Biogeosciences, 126, e2021JG006305 (2021). https://doi.org/10.1029/2021JG006305.

5. Kondolf, M., Yi, J. Dam renovation to prolong reservoir life and mitigate dam impacts. Water, 14 (9), 1464 (2022). https://doi.org/10.3390/w14091464.

6. Ge, S., Saar, M.O. Induced seismicity during geoenergy development – A hydromechanical perspective. Journal of Geophysical Research: Solid Earth, 127, e2021JB023141 (2022). https://doi.org/10.1029/2021JB023141.

7. Liu, X., Olden, J.D., Wu, R., Ouyang, S., Wu, X. Dam construction impacts fish biodiversity in a subtropical river network, China. Diversity, 14 (6), 476 (2022). https://doi.org/10.3390/d14060476.

8. Chuke, M., Weiyang, Z., Zhipan, N., Pengzhi, L. Experimental modeling of three-dimensional (3D) partial dam-break flows: A review. Water, 17 (18), 2792 (2025). https://doi.org/10.3390/w17182792.

9. Suman, J., Lucy, A., Grantham, T.E., McKay, K.S., Duda, J., Howard, J. A decision-support framework for dam removal planning and its application in northern California. Environmental Challenges, 12, 100731 (2023). https://doi.org/10.1016/j.envc.2023.100731.

10. Chao, B., Wu, Y., Li, Y. Impact of artificial reservoir water impoundment on global sea level. Science, 320 (5873), 212–214 (2008). https://doi.org/10.1126/science.1154580.

11. Williamson, C.E., Saros, J.E., Vincent, W.F., Smol, J.P. Lakes and reservoirs as sentinels, integrators, and regulators of climate change. Limnology & Oceanography, 54 (6, part 2), 2273–2282 (2009). https://doi.org/10.4319/lo.2009.54.6_part_2.2273.

12. On approval of the Concept for the development of the water resources management system of the Republic of Kazakhstan for 2024–2030. Resolution of the Government of the Republic of Kazakhstan dated February 5, 2024, No. 66. URL: https://adilet.zan.kz/rus/docs/P2400000066 (accessed 27 March 2025).

13. Nurpeisova, M.B., Zharkimbaev, B.M. Geodesy (2002). (in Russian).

14. Neumann, J. Maximum depth and average depth of lakes. Journal of the Fisheries Board of Canada, 16 (6), 923–927 (1959). https://doi.org/10.1139/f59-065.

15. Anderson, D. A note on the morphology of the basins of the Great Lakes. Journal of the Fisheries Board of Canada, 18 (2), 273–277 (1961). https://doi.org/10.1139/f61-019.

16. Lehman, J.T. Reconstructing the rate of accumulation of lake sediment: The effect of sediment focusing. Quaternary Research, 5 (4), 541–550 (1975).

17. Carpenter, S.R. Lake geometry: Implications for production and sediment accretion rates. Journal of Theoretical Biology, 105 (2), 273–286 (1983). https://doi.org/10.1016/S0022-5193(83)80008-3.

18. Gao, H., Birkett, C., Lettenmaier, D. Global monitoring of large reservoir storage from satellite remote sensing. Water Resources Research, 48 (9), W09504 (2012). https://doi.org/10.1029/2012WR012063.

19. Bandini, F., et al. Bathymetry observations of inland water bodies using a tethered single-beam sonar controlled by an unmanned aerial vehicle. Hydrology and Earth System Sciences, 22 (8), 4165–4181 (2018). https://doi.org/10.5194/hess-22-4165-2018.

20. Wang, Z., Xie, F., Ling, F., Du, Y. Monitoring surface water inundation of Poyang Lake and Dongting Lake in China using Sentinel-1 SAR images. Remote Sensing, 14 (14), 3473 (2022). https://doi.org/10.3390/rs14143473.

21. Hao, Z., Chen, F., Jia, X., Cai, X., Yang, C., Du, Y., Ling, F. GRDL: A new global reservoir areastorage-depth data set derived through deep learning-based bathymetry reconstruction. Water Resources Research, 60 (1) (2024). https://doi.org/10.1029/2023WR035781.

22. Yao, F., et al. Estimating reservoir sedimentation rates and storage capacity losses using highresolution Sentinel-2 satellite and water-level data. Geophysical Research Letters, 50 (16) (2023). https://doi.org/10.1029/2023GL103524.

23. Liu, K., et al. Remote sensing-based modeling of the bathymetry and water storage for channel-type reservoirs worldwide. Water Resources Research, 56 (11) (2020). https://doi.org/10.1029/2020WR027147.

24. Yun, H.-S., Cho, J.-M. Hydroacoustic application of bathymetry and geological survey for efficient reservoir management. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 29 (2011). https://doi.org/10.7848/ksgpc.2011.29.2.209.

25. Gonçalves, J., Bastos, M., Pinho, J., Granja, H. Digital aerial photography to monitor changes in coastal areas based on direct georeferencing. 5th EARSeL Workshop on Remote Sensing of the Coastal Zone, Prague, Czech Republic (2011). URL: https://www.researchgate.net/publication/360427485 (accessed 27 March 2025).

26. Tyszkowski, S., et al. Detection of coastal changes along rauk coasts of Gotland, Baltic Sea. Remote Sensing, 15, 1667 (2023). https://doi.org/10.3390/rs15061667.

27. Lubczonek, J., et al. Methodology for combining data acquired by unmanned surface and aerial vehicles to create digital bathymetric models in shallow and ultra-shallow waters. Remote Sensing, 14, 105 (2022). https://doi.org/10.3390/rs14010105.

28. Yigzaw, W., et al. A new global storage-area-depth data set for modeling reservoirs in land surface and earth system models. Water Resources Research, 54 (12), 386 (2018). https://doi.org/10.1029/2017WR022040.

29. Pirani, F., Modarres, R. Geostatistical and deterministic methods for rainfall interpolation in the Zayandeh. Hydrological Sciences Journal, 65 (16), 2678–2692 (2020). https://doi.org/10.1080/02626667.2020.1833014.

30. Weather in Rudny in July 2024. URL: https://belkraj.by/pogoda/kazakhstan/l1519843/rudnyy/july (accessed 01 September 2024).

31. Tobol. Ministry of Natural Resources of Russia. State Water Register (2009).