Открытая база данных снегомерных наблюдений на юге Западной Сибири (2011–2021) и ее сравнение с данными стационарных метеонаблюдений и спутникового мониторинга

Першин Дмитрий Константинович кандидат географических наук младший научный сотрудник, МГУ им. М.В. Ломоносова 119991, Россия, Москва, г. Москва, ул. Ленинские Горы, ГСП-1 Pershin Dmitry Konstantinovich PhD in Geography Junior Scientific Associate, M. V. Lomonosov Moscow State University 119991, Russia, Moskva, g. Moscow, ul. Leninskie Gory, GSP-1 dmitrypersh@gmail.com Лубенец Лилия Федоровна кандидат географических наук научный сотрудник, ИВЭП СО РАН 656038, Россия, Алтайский край, г. Барнаул, ул. Молодежная, 1 Lubenets Liliya Fedorovna PhD in Geography Scientific Associate, Institute for Water and Environmental Problems of Siberian Branch of the Russian Academy of Sciences 656038, Russia, Altaiskii krai, g. Barnaul, ul. Molodezhnaya, 1 lilia_lubenets@mail.ru Черных Дмитрий Владимирович доктор географических наук главный научный сотрудник, ИВЭП СО РАН 656038, Россия, Алтайский край, г. Барнаул, ул. Молодежная, 1 Chernykh Dmitry Vladimirovich Doctor of Geography Chief Scientific Associate, Institute for Water and Environmental Problems of Siberian Branch of the Russian Academy of Sciences 656038, Russia, Altaiskii krai, g. Barnaul, ul. Molodezhnaya, 1 chernykhd@mail.ru Бирюков Роман Юрьевич младший научный сотрудник, ИВЭП СО РАН 656038, Россия, Алтайский край, г. Барнаул, ул. Молодежная, 1 Biryukov Roman Yur'evich Junior Scientific Associate, Institute for Water and Environmental Problems of Siberian Branch of the Russian Academy of Sciences 656038, Russia, Altaiskii krai, g. Barnaul, ul. Molodezhnaya, 1 rubiryukov@mail.ru

Золотов Дмитрий Владимирович кандидат биологических наук старший научный сотрудник, ИВЭП СО РАН 656038, Россия, Алтайский край, г. Барнаул, ул. Молодежная, 1 Zolotov Dmitrii Vladimirovich PhD in Biology Senior Scientific Associate, Institute for Water and Environmental Problems of Siberian Branch of the Russian Academy of Sciences 656038, Russia, Altaiskii krai, g. Barnaul, ul. Molodezhnaya, 1 dao-poetry@ya.ru

Снегомерные наблюдения до 2019 г. и их обработка выполнялись в рамках государственного задания Института водных и экологических проблем СО РАН (№ 1021032422891-7). Формирование базы данных и проведение наблюдений после 2020 г. было проведено при финансовой поддержке Российского фонда фундаментальных исследований (проект № 19-35-60006).

Введение

Сезонный снежный покров играет ключевую роль в формировании речного стока в умеренных и арктических широтах, а также горных областях ^[1]. Режим залегания снежного покрова непосредственно влияет на множество климатических и экологических процессов. Кроме этого, со снежным покровом напрямую связаны такие опасные природные явления как наводнения в период снеготаяния и лавины ^[2-5]. Однако, получение надежных данных о характеристиках снежного покрова остается весьма сложной задачей. Все существующие методы получения информации о параметрах снежного покрова (наземные, дистанционные и модельные) содержат в себе ряд ограничений и неточностей.

Во многом ограниченность каждого из методов обусловлена изменчивостью характеристик снежного покрова во множестве пространственных и временных масштабов ^[6].

Различные типы наземных наблюдений за снежным покровом остаются основным источником информации о его физических характеристиках, которые в дальнейшем используются при оценках точности данных моделирования и дистанционного зондирования ^[8-7]. Несмотря на чрезвычайно быстрое развитие методов лазерного сканирования ^[9-10] для получения первичной информации (т.н. ground truth), наземные insitu наблюдения все еще обладают преимуществом во временном разрешении (возможности суточного мониторинга), относительной доступности и возможности непосредственного измерения снегозапасов (водного эквивалента снежного покрова, SWE).

Наблюдения за снежным покровом на метеостанциях России являются важнейшим и, фактически, единственным источником информации о снежном покрове и его основных характеристиках ^[11]. Методика наблюдений и расположение постоянной снегомерной рейки и постоянного снегомерного маршрута регулируется методическими Наставлениями ^[12]. В общем виде расположение как рейки, так и маршрута должно быть характерным для окрестностей станции и в случае с постоянной рейкой защищено от ветра. Однако выбор репрезентативных участков – это дискуссионный вопрос. Наблюдения в определенной точке могут существенно отличаться от средних значений даже в небольших бассейнах, а участки, на которых значения близки к среднему расположены весьма случайным образом и трудноопределимы априори ^[13-14]. Таким образом наблюдения за снежным покровом на метеостанциях в определенной степени представляют собой точечную оценку, которая репрезентативна лишь в некотором пространственном масштабе, который в большинстве случаев не известен.

Данные локальных снегомерных наблюдений часто не имеют такой продолжительности и полноты как стационарные наблюдения. Однако они могли бы служить альтернативным источником информации при оценке точности конкретных маршрутов, региональной верификации модельных данных, данных дистанционного зондирования и других задач. Это особенно актуально с учетом быстрого развития методов ассимиляции данных в исследованиях снежного покрова ^[15]. Данные локальных снегомерных наблюдений собираются отдельными научными коллективами, региональными службами экологического мониторинга и сотрудниками особо охраняемых природных территорий (например, ^[16]). К сожалению, в большинстве случаев такие данные недоступны широкому кругу исследователей. Для территории России есть всего несколько примеров баз данных локальных снегомерных наблюдений, размещенных в открытом доступе ^[17-21].

В рамках данной работы мы представляем базу данных локальных снегомерных наблюдений по трем речным бассейнам на юге Западной Сибири, рассматриваем методические особенности проведения измерений и анализируем взаимосвязь полученных данных с наблюдениями на метеостанциях и доступными спутниковыми данными (CGLS SWE). Работы по формированию базы данных проводились в два этапа в течение десяти лет (2011–2021). База данных размещена в открытом доступе ^[22].

Территория исследования

Наблюдения проводились в трех речных бассейнах – Касмала, Майма и Кучук. Территориально расположение бассейнов отражает переход от Кулундинской равнины через Приобское плато к низкогорьям Алтая (рис. 1). Территория исследования охватывает диапазон абсолютных высот от 97 до 1471,4 м и размах годовых сумм атмосферных осадков в среднем от 337 до 729 мм.

Рис. 1. Карта-схема расположения исследуемых бассейнов на юге Западной Сибири (Топооснова: Bing Maps, OSM)

Бассейн р. Кучук (рис. 2а), относящемуся к бессточной области Обь-Иртышского междуречья. Территория бассейна охватывает Кулундинскую равнину и частично пологие северные склоны Приобского плато. Бассейн расположен в подзонах засушливой и сухой степи или сухой субгумидной зоне ^[23-24]. Бассейн р. Касмала (в работе используется часть бассейна, ограниченная гидропостом Касмала–Рогозиха, рис. 2б) расположен в подзоне южной лесостепи ^[23] и относится к субгумидной зоне ^[24]. Бассейн является репрезентативным для территории Приобского плато, на котором долины рек зачастую наследуют ложбины древнего стока ^[25]. Бассейн р. Майма (рис. 2в) расположен в пределах низкогорий северного Алтая и включает в себя участки лесостепных, подтаежных и таежных ландшафтов ^[26].

Рис. 2. Схема расположения снегомерных маршрутов, площадок и метеостанций в исследуемых бассейнах. а) бассейн р. Кучук; б) бассейн р. Касмала; в) бассейн р. Майма; 1 – населенные пункты; 2 – реки; 3 – снегомерные маршруты и площадки; 4 – метеорологические станции; 5 – границы речных бассейнов; 6 – леса; 7 – озера, 8 – покрытие пикселей CGLS SWE. (Топооснова: OSM)

В работе были использованы данные метеостанций Ребриха (бассейн Касмалы), Родино (бассейн Кучука) и Кызыл-Озек (бассейн Маймы). Содержание и доступность данных снегомерных наблюдений были весьма неоднородны. Архив данных маршрутных снегомерных съёмок по метеостанции Ребриха доступен в базе данных ^[27], однако после 2014 г. съёмки на станции были прекращены. На метеостанции Кызыл-Озек маршрутные снегомерные съёмки проводятся, но данные не представлены в открытом доступе. Только по метеостанции Родино данные снегомерных съёмок в полной мере представлены в базе ВНИИГМИ-МЦД и это массив обновляется.

Методы исследования

Первый блок наблюдений проводился в бассейне Касмалы в 2011–2014 гг. и 2017–2019 гг., а в бассейне Маймы в 2015–2019 гг. Исследования проводились в период максимальной аккумуляции снега (конец февраля – середина марта). Наблюдения в бассейне Маймы производились раньше ввиду более раннего начала снеготаяния на южных склонах.

В рамках первого блока наблюдений исследования проводились по снегомерным маршрутам и снегомерным площадкам. Расположения маршрутов и площадок выбиралось исходя из представленности основных элементов ландшафтной структуры территории (в том числе антропогенных модификаций) и транспортной доступности для проведения наблюдений в течение 4–5 дней. При формировании методики измерений мы опирались на Наставления метеорологическим станциям и постам ^[12] и Руководство по снегомерным работам в горах ^[28]. Расстояние между точками измерений толщины снежного покрова на маршрутах составляло 20 метров. Плотность измерялась через каждые 100/200 метров весовым снегомером ВС-43. Снегомерная площадка представляла собой два перпендикулярных трансекта по 10 измерений толщины снежного покрова по каждой стороне через 5, реже 2 метра (на крутых слонах, и других сложных для измерений участках). Плотность снежного покрова определялась в пяти точках. В бассейне Касмалы было заложено 9 постоянных маршрутов. В бассейне Маймы максимально было обследовано 9 маршрутов и около 40 снегомерных площадок. В различные годы количество маршрутов и площадок в бассейне Маймы отличалось, в основном ввиду внешних факторов (вырубки, строительные работы, транспортная недоступность). Точное количество произведенных измерений по годам представлено в таблице 1.

Таблица 1. Количество измерений по годам наблюдений и метеорологические характеристики зимних периодов (составлено с использованием данных ^[27])

* схема проведения наблюдений в зимний период 2019–2020 и 2020–2021 гг. была изменена, в связи с этим количество площадок уменьшилось; ** данные недоступны или отсутствуют

Для проведения второго блока исследований начиная с зимнего периода 2019–2020 мы изменили методику наблюдений. Ввиду того, что основная цель работ заключалась в выявлении влияния факторов ландшафтной структуры разных уровней на параметры снегонакопления, нам было необходимо получение достоверных средних значений параметров снежного покрова для конкретных природных комплексов. Каждое отдельное измерение на маршруте слабо репрезентативно для окружающей территории ввиду влияния локальных факторов ^[29], соответственно маршрутный метод мало подходил для указанной цели. Ранее было показано ^[14], что вклад случайных факторов в изменчивость параметров снежного покрова может быть очень существенным на участках менее 100 м и, например превышать вклад растительности. В работе ^[14] было рекомендовано проводить от 54 измерений для каждого интересующего участка. Кроме этого, толщина снежного покрова очень часто пространственно автокоррелирована, что также может оказывать влияние на оценку средних значений. Увеличение расстояний между измерениями (более 1 метра) может помочь снизить ошибку измерений при высоких значениях пространственной автокорреляции ^[30]. Учитывая данные факторы, мы проводили все измерения на снегомерных площадках, представляющих собой два перпендикулярных трансекта длиной 60 метров, с интервалом измерений 2 метра. Суммарно одна площадка включала 61 измерение толщины и 13 измерений плотности снега. Данная схема была предложена в работе ^[31].

Расположение точек наблюдений выбиралось исходя из представленности основных элементов ландшафтной структуры, а также стратификации бассейнов по уклонам и экспозициям склонов, типам растительности и высотным уровням (рис. 3). Всего в бассейне Касмалы была выбрана 31 точка, в бассейне Маймы 30 точек и в бассейне Кучука 31 точка. Отметим, что в бассейне Кучука не все точки непосредственно относятся к водосборному бассейну (см. рис. 2в). Для этой территории характерно наличие множества локальных бессточных понижений, ложбин стока, которые непосредственно не связаны с бассейном, однако весьма типичны и заслуживают изучения.

Рис. 3. Распределение точек наблюдений (2011–2021) по абсолютным высотам и экспозициям склонов в бассейнах Касмалы, Кучука и Маймы

Исследования второго этапа по трем бассейнам проводились в течение всего зимнего периода 2019–2020 и 2020–2021 гг., такой же режим наблюдений сохранится до 2022 г. С ноября по середину февраля раз в месяц обследовались три точки в бассейне Кучука, четыре точки в бассейне Касмалы и шесть точек в бассейне Маймы. Данные участки представляют собой доминирующие типы природных комплексов для каждого из бассейнов, а также различные высотные и геоморфологические уровни. Начиная с 25 февраля по 14 марта в период максимального снегонакопления были обследованы все участки в пределах трех бассейнов.

За период проведения наблюдений условия увлажнения существенно менялись год от года (см. табл. 1). Наблюдениями был охвачен большой диапазон условий от многоснежных до малоснежных зимних периодов.

Данные наблюдений в речных бассейнах сравнивались с данными измерений по постоянным снегомерным маршрутам метеостанций и данными открытого сервиса CGLS SWE ^[32] от европейской программы The Copernicus Global Land Service (CGLS). Алгоритм получения снегозапасов (snow water equivalent, SWE) включает в себя комбинацию спутниковой информации с микроволнового радиометра (SSMIS), оптического спектрометра и данных наземных измерений толщины снега на метеостанциях. Данные предоставляются с суточным разрешением для Северного полушария. В продукте CGLS SWE применяется методология получения данных, разработанная ^[33], уточненная и подробно описанная в работе ^[34]. База данных охватывает все участки поверхности суши между широтами 35ºN-85ºN, за исключением высокогорных районов и Гренландии.

Основными параметрами снежного покрова для сравнения были снегозапасы. Были рассчитаны значения среднеквадратичной ошибки (root mean square error, RMSE) между данными наблюдений авторов, наблюдениями на метеостанциях и данными продукта CGLS SWE. Были использованы значения снегозапасов непосредственно в день проведения наблюдений, либо было использовано среднее значение за период проведения снегомерных работ в каждом бассейне. Для каждой из точек наблюдений использовалось значение пиксела CGLS SWE в который эта точка попадает. Обработка данных и формирование базы данных производилось в среде R (https://www.r-project.org/).

Результаты и обсуждение

Доступ к данным. Данные размещены на репозитории Mendeley data: http://dx.doi.org/10.17632/8f4ky92by9.2 ^[22]

Данные содержат три файла в формате csv с данными по бассейну Касмалы (Kasmala_database_2011_2019.csv), Маймы (Mayma_database_2015_2019.csv) и наблюдениями в бассейнах Кучука, Касмалы и Маймы в 2019/2020 гг. (3S_database_2019_2021.csv). Также размещен набор shp-файлов с расположением точек наблюдений за каждый год. В рамках второго блока работ точки наблюдений будут постоянны до 2022 г.

Практически каждая точка наблюдений имеет GPS координаты (колонки Latitude, Longitude) и отметку высоты над уровнем моря (Elevation), полученную из цифровой модели рельефа SRTM. Исключения составляют отдельные точки в бассейне Маймы, которые не имеют координат из-за технических ошибок GPS. Однако такие маршруты как правило представлены начальной и конечной точкой с координатами.

В процессе работы каждой точке при фиксации местоположения по GPS задавался индекс (Point_index). Индексация точек отличается год от года, также как и количество точек не полностью эквивалентно. Для агрегирования (расчетов средних и медианных значений) мы советуем использовать номера маршрутов и площадок (Snow_course). В бассейне Касмалы маршруты нумеруются от 1 до 9. В бассейне Маймы маршруты имеют номера от 1 до 10, площадки от 110 до 154. В данных 2019/2020 гг. площадки имеют индекс (Point_name), состоящий из номера и индекса бассейна (например K-9). Бассейн Кучука имеет индекс KH, Касмалы – K, Майма – M.

Поле даты (Date) указывает на дату проведения измерений. В данных по бассейну Маймы поле даты заменено на поле Год (Year) ввиду того, что из-за ошибок GPS не всегда верно была зафиксирована дата и данные были унифицированы только по году наблюдений.

Толщина снега (Depth) измерялась в сантиметрах. Плотность снежного покрова (Density) приводится в кг/м3 согласно Международной классификации сезонного снежного покрова ^[35]. Снегозапас или водный эквивалент снежного покрова (SWE) рассчитывался в мм слоя воды. Для данных 2019/2020 гг. снегозапасы рассчитаны для каждого измерения толщины снега с учетом средней плотности по снегомерной площадке.

Сравнение с данными спутниковых и стационарных наблюдений. Межгодовые различия между данными наблюдений авторов и наблюдениями на маршрутах метеостанций во многом зависят от расположения постоянного маршрута метеостанции. Так в бассейне Касмалы измерения на постоянном маршруте (доступны до 2014 г.) стабильно занижали значения снегозапасов относительно медианных значений по данным наблюдений авторов (рис. 4а). В бассейне Кучука в 2020 г. согласованность была данных существенно выше (рис. 4б). Различия между наблюдениями авторов и спутниковыми данными во всех трех бассейнах были существенно более неоднородны. Уровень значений снегозапасов по данным CGLS SWE мог быть как выше, так и ниже медианных значений снегозапасов по данным локальных наблюдений в бассейнах. При этом отклонения практически не завесили от снежности года. Например, в относительно схожих по увлажнению 2016 и 2018 гг. в бассейне Маймы (рис. 4в) различия в значениях снегозапасов по спутниковым данным были около 50 мм. В целом изменчивость снегозапасов по спутниковым данным была ниже фактической межгодовой изменчивости по всем бассейнам. По всей видимости, неоднородности во многом зависят от микроструктуры снежной толщи в конкретный зимний период.

Рис. 4. Распределение значений снегозапасов в бассейнах Касмалы (а), Кучука (б) и Маймы (в) по данным наблюдений в период максимума снегонакопления (февраль–март). 1–снегозапасы на постоянном снегомерном маршруте метеостанции; 2 –значения снегозапасов по данным CGLS SWE; 3 – нижний и верхний края «ящика» обозначают первый и третий квартили соответственно, центральная линия обозначает медиану, «усы» соответствуют полутора межквартильным размахам, измерения, выходящие за данный интервал отмечены как выбросы (черные точки).

Среднеквадратичная ошибка снегозапасов по спутниковым данным составила 42,9 мм за все годы по трем бассейнам. Это несколько выше, чем заявлено авторами продукта (37,4 мм), однако вполне сравнимо с ошибкой относительно маршрутов метеостанций (43,5 мм). Заметим, что мы все же не можем делать полноценного сравнения из-за частичной недоступности данных стационарных метеонаблюдений.

Межгодовая изменчивость среднеквадратичных ошибок снегозапасов была достаточно высокой (табл. 2). В среднем по бассейну Кучука ошибка снегозапасов по спутниковым данным составила 52,4 мм, по бассейну Касмалы 41,8 мм и по бассейну Маймы 41,2 мм. Безусловно наиболее низкие значения ошибок были отмечены в малоснежные годы, когда общий диапазон изменчивости снегозапасов в бассейнах был ниже. Таким примером может служить 2012 г. в бассейне Касмалы (среднеквадратичная ошибка как по метеостанции, так и по спутниковым данным около 20 мм). Кроме этого, более высокая изменчивость снегозапасов в бассейне Кучука обуславливала и более высокие значения среднеквадратичных ошибок.

Таблица 2. Среднеквадратичная ошибка снегозапасов (мм) по спутниковым данным CGLS SWE и наблюдениям на постоянном снегомерном маршруте метеостанций относительно данных локальных наблюдений в бассейнах Касмалы, Маймы и Кучука в период максимума снегонакопления (февраль–март)

* прочерк означает, что наблюдения недоступны, либо не проводились

Изменчивость снегозапасов по природным комплексам внутри изучаемых бассейнов характеризуется значительной неоднородностью (рис. 5). В равнинных бассейнах Касмалы и Кучука наибольшая изменчивость снегозапасов характерна для лиственных лесов (колочные и балочные березовые и осиновые леса), что вносит свой вклад в общую изменчивость снегозапасов в бассейнах. В бассейне Касмалы средние значения снегозапасов по данным CGLS были значительно ниже медианных значений по всем природным комплексам за исключением речных долин (рис. 5 а,б). В бассейне Кучука, напротив, данные CGLS завышают значения снегозапасов относительно медианных уровней по всем природным комплексам, кроме лиственных лесов (рис. 5 в,г). Характер распределения значений снегозапасов по природным комплексам в бассейне Маймы был более стабильным – практически отсутствуют выбросы и экстремальные отклонения (рис 5 д,е). Несмотря на эту стабильность, снегозапасы по спутниковым данным CGLS были как близки к медианным по большинству природных комплексов в 2020 г., так и могли существенно отличаться, как в 2021 г. Подобный разброс значений снегозапасов по данным CGLS скорее всего также зависит от особенностей микроструктуры снежной толщи.

Рис. 5. Распределение значений снегозапасов по природным комплексам в бассейнах Касмалы (а,б), Кучука (в,г) и Маймы (д,е) по данным наблюдений в период максимума снегонакопления (февраль–март 2020, 2021). 1 – открытые луга, степи и с/х угодья; 2 – хвойные леса; 3 – лиственные леса; 4 – долинные сообщества; 5 – среднее значение снегозапасов по данным CGLS SWE. Нижний и верхний края «ящиков» обозначают первый и третий квартили соответственно, центральная линия обозначает медиану, «усы» соответствуют полутора межквартильным размахам, измерения, выходящие за данный интервал отмечены как выбросы (черные точки).

Внутри зимнего периода изменчивость среднеквадратичных ошибок снегозапасов также была достаточно высокой. В целом, в начале зимнего периода (ноябре–декабре) значения снегозапасов по данным CGLS SWE превышали фактические во всех бассейнах (рис. 6). По мере накопления снежного покрова и увеличения дифференциации происходил рост среднеквадратичной ошибки.

Рис. 6 Средние значения и размах варьирования снегозапасов по данным наблюдений в бассейнах Касмалы, Кучука и Маймы в течение зимних периодов 2019–2020 (а) и 2020–2021 (б), а также среднеквадратичные ошибки оценки снегозапасов по спутниковым данным (СКО CGLS SWE). 1 – средний уровень значений по данным локальных наблюдений (центральная точка обозначают среднее значение, размах показан через плюс/минус одно стандартное отклонение); 2 – среднее значение снегозапасов по данным CGLS SWE

В целом даже на примере трех бассейнов сложно выявить определенные закономерности в соотношениях между различными источниками данных о снежном покрове. Ввиду этого априорный выбор репрезентативного местоположения одного конкретного маршрута или станции весьма сложен ^[13]. Хотя определенная корректировка на основе многолетних рядов наблюдений и на достаточно больших территориях возможна ^[36].

Выводы

Рассмотренная в статье база данных снегомерных наблюдений в бассейнах рек Касмалы, Маймы и Кучука это первый этап проекта по детальному изучению факторов пространственной дифференциации сезонного снежного покрова на юге Западной Сибири. Мы полагаем что эти данные позволят несколько расширить представление о характеристиках снежного покрова региона и послужить дополнительным источником информации при верификации модельных и дистанционных данных о снежном покрове, а также гидрологическом моделировании. В работе было показано, что данные локальных наблюдений могут быть полезным инструментом при выявлении различий либо согласованности между доступными данными о характеристиках снежного покрова. При сравнении с данными метеостанций и спутниковыми данными (CGLS SWE) выявлены как существенные различия при характеристике пространственной изменчивости, так и в целом неплохая согласованность в отдельные годы. Общая для всех бассейнов среднеквадратическая ошибка снегозапасов по спутниковым данным составила 42,9 мм, что несколько выше заявленной разработчиками продукта (37,4 мм). Ограниченные по временному охвату данные наблюдений на постоянных маршрутах метеостанций показали среднеквадратичную ошибку снегозапасов в среднем 43,5 мм. В течение зимнего периода среднеквадратическая ошибка спутниковых данных постепенно увеличивалась к периоду максимума аккумуляции во всех водосборных бассейнах. Кроме этого, ошибки спутниковых данных не зависели от снежности зимнего периода и скорее всего связаны с параметрами микроструктуры снежной толщи в отдельные сезоны. Мы полагаем, что в условиях чрезвычайной неустойчивости климатических тенденций, открытость данных может способствовать качественному росту исследований в области изучения снежного покрова. На сегодняшний день ограниченность систем мониторинга, недоступность оперативных данных существенно сдерживают исследования снежного покрова, которые являются чрезвычайно важной сферой исследований для территории России.