Настоящий документ содержит в себе основные рекомендации и требования к проведению работ по фильтрации природных (речных) вод при проведении лабораторных анализов. Существующие стандарты сопоставляются с опытом проведения подобных работ для обоснования выбора фильтра, методов подготовки фильтров, порядка фильтрации. Приводятся как инструкции выполнения конкретных лабораторных действий, так и примеры, основанные на опыте проведения подобных работ.

Модель «SedimentLoad» является расчетным средством определения мутности воды, заиления и состава взвесей в пределах гидрометрически неизученных речных систем. Модель разработана на базе языка Питон и интегрирована в ГИС-пакета Esri ArcGIS for Desktop 10.1. С ее помощью даются прогнозные оценки качества речных вод ниже разрабатываемых полигонов при заданных (планируемых) объемах поступления технических вод в русловую сеть. Моделирование перемещения техногенных наносов работает как с точечным (сброс сточных вод), так и с диффузионным (смыв с поверхности водосбора) характером поступления минеральных частиц в водный поток. Выходная информация «SedimentLoad» содержит сведения о продольном изменении концентрации каждой отдельной фракции взвешенных частиц (глина, ил, пыль, песок, мелкий и крупный гравий) и общей мутности от створа воздействия вниз по реке (в кг/м^3), а также об интенсивности наиконакопления на исследуемом участке русла (в мм/сутки).

Модель основана на расчетных значениях морфометрии рек и характеристик водности рек на основе региональных гидролого-морфометрических зависимостей, общедоступных цифровых моделей рельефа, и индикационных характеристик параметров водотоков, что позволяет избежать дорогостоящих натурных изысканий. Модель оринетирована на расчеты для исчисления размера вреда тихоокеанским лососям и гольцам (Salvelinus) при хозяйственной деятельности в руслах рек Дальнего Востока. Калибровка на обширном натурном материале, собранным коллективом ВНИРО в рамках мониторинговых исследований 2010-2017 гг на реках Камчатки и Сахалина, позволяет впервые решить также вопрос оценки точности методов моделирования. Численные решения основаны на авторских разработках и функциях уменьшения мутности воды ниже участка воздействия, рекомендованных в РП.1.204-1-84, СТО ГГИ 08.29–2009.

Для получения репрезентативных объемов взвешенных наносов на разных горизонтах речных потоков разработана установка ЗОНД-ЛОВУШКА ДЛЯ ВЗВЕШЕННЫХ НАНОСОВ. Прибор представляет собой систему из устанавливаемых в речном потоке на разной глубине (1 – приповерхностный слой; ловушка 2 – середина; ловушка 3 – придонный слой) ловушек наносов. Перехват взвешенных наносов осуществляется с помощью мелкоячеистой сетки (мельничный газ с диаметром пор 28 мкм). Собранная взвесь в дальнейшем используется для сепарирования проб на разные классы по крупности и дифференцированного химического анализа разных классов, а также определения состава поглощенного комплекса взвешенных и влекомых наносов. Отработанная глубина инсталляции зонда – до 20 м, что впервые в мировой практике позволило получать объемные образцы взвешенных наносов с разных глубин речного потока крупных рек.

Данный программный комплекс, состоящий из трех файлов, был разработан с целью исследования взвешенного стока при помощи данных ADCP River Ray 600 kHz.

Код №1 служит для перевода значений обратного рассеяния в мутность (мг/л ), восполнения пропусков в исходном файле ASCII, в том числе и в придонном слое с помощью кривой Рауза-Великанова для мутности, и кривой Гришанина для скорости. В том числе в данном коде приводится расчет расхода донных наносов по формуле Майера-Питера и при помощи рассчитанных данных с помощью формулы вертикального распределения мутности Рауза-Великанова в придонной области. Результатом работы кода является серия таблиц, содержащих данные о расходах взвешенных и влекомых наносов, как в среднем по поперечному профилю, так и в отдельных ячейках.

Код №2 служит для создания базы данных морфометрических, мутностных и скоростных характеристик потока для поиска их связи с числами Рауза (raw1.Rdata). Данный код по результату своей работы создает графики- кореллограммы для визуального анализа и корреляционные таблицы линейной регрессии между мутностью, предикторами и их простыми математическими преобразованиями.

Код №3 представляет собой обработку данных (raw1.Rdata), в котором методами машинного обучения на основании лучших предикторов производится поиск зависимости между числом Рауза и морфометрическими характеристиками, а также между числом Рауза и мутностью. Результатом работы данного кода является серия графиков распределения числа Рауза по поперечному профилю реки, точечные зависимости числа Рауза от морфометрических характеристик, а также коэффициенты линейной регрессии при формулах зависимости мутности от морфометрических характеристик.