DOI: https://doi.org/10.5194/nhess-25-1841-2025
تاريخ النشر: 2025-06-03
المؤلف: Sonam Rinzin وآخرون
الموضوع الرئيسي: دراسات وملاحظات الكريوسفير
نظرة عامة
تبحث الدراسة في تعقيدات نمذجة الفيضانات الناتجة عن انفجار البحيرات الجليدية (GLOFs) لتقييم المخاطر والتهديدات، مع التأكيد على الاعتماد على مجموعات بيانات منخفضة الدقة والمعلمات المستمدة بسبب تحديات القياس المباشر. هذا الاعتماد يقدم عدم يقين كبير في النمذجة المستقبلية، مما يمكن أن يقوض دقة التنبؤات. أجرت الدراسة تحليل حساسية باستخدام نموذج r.avaflow، مع التركيز على تسعة معلمات ذات صلة بسيناريوهات GLOF، وأجرت 84 محاكاة. تكشف النتائج أن مخرجات GLOF حساسة بشكل خاص لخمس معلمات رئيسية: (1) حجم الحركة الكتلية التي تدخل البحيرة، (2) مجموعات بيانات نموذج الارتفاع الرقمي (DEM)، (3) أصل الحركة الكتلية، (4) معامل الانغماس، و(5) زاوية الاحتكاك القاعدي. من الجدير بالذكر أن حجم الحركة الكتلية أظهر أعلى معامل للتباين (CV) بنسبة 47%، مما يشير إلى عدم يقين كبير، بينما كانت زاوية الاحتكاك الداخلي لها CV أقل بكثير يبلغ 0.4%.
تخلص الدراسة إلى أن GLOFs تشكل مخاطر كبيرة على المجتمعات الواقعة downstream، مما يستلزم بيانات شاملة ونمذجة متطورة لتقييمات دقيقة. لقد أدى الاعتماد السابق على البيانات التاريخية إلى إدخال عدم يقين تسعى هذه الدراسة إلى معالجته من خلال تحليل الحساسية. من خلال تصنيف المعلمات المدخلة بناءً على تأثيرها على مخرجات النموذج، تبرز الدراسة أهمية مراعاة هذه الشكوك في جهود نمذجة GLOF المستقبلية. لا تركز هذه العمل فقط على المعلمات الحرجة لمزيد من التحقيق، ولكنها أيضًا تؤسس قاعدة لتعزيز فهم ديناميكيات GLOF وتحسين دقة النمذجة التنبؤية.
مقدمة
تسلط المقدمة الضوء على الدور الهام للبحيرات الجليدية في تخزين المياه، مع حجم عالمي يقدر بحوالي 1280.6 ± 354.1 كم³ اعتبارًا من عام 2020. ومن الجدير بالذكر أن البحيرات الجليدية في منطقة جبال الهملايا العالية (HMA) قد توسعت بنسبة 46% من 1990 إلى 2018، مع أكثر من 28% من هذه البحيرات محجوزة بواسطة مورينات غير مستقرة. تشكل البحيرات الجليدية وتوسعها مدفوعين بشكل أساسي بذوبان الأنهار الجليدية، مما يزيد أيضًا من خطر الحركات الكتلية من المنحدرات المحيطة، مما يساهم بشكل أكبر في إجمالي حجم المياه المخزنة في هذه البحيرات.
تؤكد هذه الفقرة على التكرار المقلق للفيضانات الناتجة عن انفجار البحيرات الجليدية (GLOFs)، مع تسجيل 3151 حدثًا على مستوى العالم من 850 إلى 2022، بما في ذلك 682 في HMA وحدها، مما أدى إلى خسائر بشرية وبنية تحتية كبيرة. من المتوقع أن تتصاعد المخاطر المرتبطة بـ GLOFs بسبب النمو المتوقع للبحيرات الجليدية، وزيادة السكان، والبناء في المناطق المعرضة للخطر. يتم تحفيز معظم GLOFs في HMA بواسطة الحركات الكتلية، التي تمثل 70% من الأحداث التاريخية، مما يؤدي إلى فشل السدود وتصريف المياه بسرعة. تعقيد عمليات GLOF يطرح تحديات لنمذجة دقيقة، حيث تؤثر العديد من العوامل المترابطة على ديناميات التهديد.
الطرق
في هذا القسم، يوضح المؤلفون المعلمات والإعدادات التجريبية المستخدمة في نموذج r.avaflow لمحاكاة الفيضانات الناتجة عن انفجار البحيرات الجليدية (GLOFs). تشمل المعلمات، التي يمكن تعريفها من قبل المستخدم وتؤثر على كل من الخصائص الفيزيائية والسلوك العددي للتدفق، جوانب مستمدة من الفيزياء (مثل زوايا الاحتكاك) والمعرفة التجريبية. يستوعب النموذج مجموعة متنوعة من المعلمات، مثل نموذج الارتفاع الرقمي (DEM) للتضاريس الأولية، وأحجام المراحل الصلبة والسائلة، ومعلمات الاحتكاك والكثافة المختلفة، والتي تؤثر جميعها بشكل كبير على خصائص تدفق GLOF مثل المنطقة المتأثرة، ومسافة السفر، وترسيب الرواسب (Mergili et al., 2017).
تركز الدراسة على تسعة معلمات حاسمة تم تحديدها من الأبحاث السابقة، بما في ذلك مجموعة بيانات DEM، وحجم الحركة الكتلية التي تدخل البحيرة ($V_S$)، وأصل هذه الحركة الكتلية، وحجم البحيرة الجليدية ($V_L$)، وكثافة الحبيبات ($\rho_S$)، ومعامل الانغماس ($C_E$)، وزاوية الاحتكاك القاعدي ($\delta$)، وزاوية الاحتكاك الداخلي ($\phi$)، ورقم الاحتكاك السائل ($C_{FF}$). قام المؤلفون بتغيير هذه المعلمات بشكل منهجي، مع التركيز بشكل خاص على تأثير مجموعات بيانات DEM المختلفة والإمكانات التضاريسية للحركة الكتلية. بالنسبة للمعلمات 5-9، قاموا بتجميع القيم من الدراسات السابقة لتأسيس إحصائيات وصفية، مما يسمح بتوليد عشرة قيم متباعدة بالتساوي لكل معلمة عبر تجارب متعددة مع الحفاظ على المعلمات الأخرى ثابتة عند قيمها المتوسطة. تهدف هذه الطريقة المنهجية إلى توضيح تأثير كل معلمة على ديناميات GLOF، كما هو موضح في الأشكال والجداول المرفقة.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على قيود النماذج العددية الحالية لمحاكاة الفيضانات الناتجة عن انفجار البحيرات الجليدية (GLOFs)، وخاصة عدم قدرتها على نمذجة التفاعلات بين العمليات المختلفة المعنية في أحداث GLOF بشكل فعال. بينما تم استخدام نماذج مثل HEC-RAS وBASEMENT وRAMMS في الدراسات السابقة، غالبًا ما تتطلب نمذجة منفصلة لكل مكون، مما يؤدي إلى احتمالية عدم الدقة. بالمقابل، يقدم نموذج r.avaflow نهجًا شاملاً من خلال دمج جميع مكونات سلسلة عملية GLOF، مما يسمح بمحاكاة مفصلة من الزناد الأولي إلى التأثيرات downstream. هذا النموذج مفيد بشكل خاص بسبب طبيعته مفتوحة المصدر وقدرته على تعديل المعلمات المدخلة، مما يسهل إجراء تحليلات الحساسية.
تؤكد الورقة على عدم اليقين الكبير في نمذجة GLOF، الناجم عن الاعتماد على بيانات الوصول المفتوح للمعلمات المدخلة، مثل نماذج الارتفاع الرقمي (DEMs) وأحجام الحركة الكتلية. أجرى المؤلفون تحليل حساسية على تسعة معلمات حاسمة، بما في ذلك حجم الحركة الكتلية التي تدخل البحيرة ومعامل الانغماس، لتقييم تأثيرها على مخرجات النموذج مثل ذروة التدفق وسرعة التدفق. تم تحديد موقع الدراسة، بحيرة ثورثورمي تسو في بوتان، كمنطقة عالية المخاطر لـ GLOFs، مع أحداث حديثة تؤكد على ضرورة تحسين دقة النمذجة. تشير النتائج إلى أنه بينما يمكن لنموذج r.avaflow نمذجة GLOFs بشكل فعال، فإن دقة مخرجاته تعتمد بشكل كبير على دقة المعلمات المدخلة، التي غالبًا ما تكون مليئة بعدم اليقين بسبب التحديات اللوجستية في جمع البيانات.
DOI: https://doi.org/10.5194/nhess-25-1841-2025
Publication Date: 2025-06-03
Author(s): Sonam Rinzin et al.
Primary Topic: Cryospheric studies and observations
Overview
The research investigates the complexities of modeling glacial lake outburst floods (GLOFs) for hazard and risk assessments, emphasizing the reliance on low-resolution datasets and derived parameters due to the challenges of direct measurement. This reliance introduces significant uncertainties in forward modeling, which can undermine the accuracy of predictions. The study conducted a sensitivity analysis using the r.avaflow model, focusing on nine parameters relevant to GLOF scenarios, and performed 84 simulations. The findings reveal that GLOF outputs are particularly sensitive to five key parameters: (1) volume of mass movement entering the lake, (2) digital elevation model (DEM) datasets, (3) origin of mass movement, (4) entrainment coefficient, and (5) basal friction angle. Notably, the volume of mass movement exhibited the highest coefficient of variation (CV) at 47%, indicating substantial uncertainty, while the internal friction angle had a much lower CV of 0.4%.
The study concludes that GLOFs pose significant risks to downstream communities, necessitating comprehensive data and sophisticated modeling for accurate assessments. Previous reliance on historical data has introduced uncertainties that this research aims to address through sensitivity analysis. By ranking the input parameters based on their influence on model outputs, the study highlights the importance of considering these uncertainties in future GLOF modeling efforts. This work not only prioritizes critical parameters for further investigation but also establishes a foundation for enhancing the understanding of GLOF dynamics and improving predictive modeling accuracy.
Introduction
The introduction highlights the significant role of glacial lakes in water storage, with an estimated global volume of approximately 1280.6 ± 354.1 km³ as of 2020. Notably, glacial lakes in High Mountain Asia (HMA) have expanded by 46% from 1990 to 2018, with over 28% of these lakes dammed by unstable moraines. The formation and expansion of glacial lakes are primarily driven by glacier melt, which also increases the risk of mass movements from surrounding slopes, further contributing to the total water volume stored in these lakes.
The section emphasizes the alarming frequency of glacial lake outburst floods (GLOFs), with 3151 events documented globally from 850 to 2022, including 682 in HMA alone, resulting in significant human and infrastructural losses. The risks associated with GLOFs are expected to escalate due to the anticipated growth of glacial lakes, population increases, and construction in vulnerable areas. Most GLOFs in HMA are triggered by mass movements, which account for 70% of historical events, leading to dam failure and rapid water discharge. The complexity of GLOF processes poses challenges for accurate modeling, as numerous interrelated factors influence the hazard’s dynamics.
Methods
In this section, the authors detail the parameterization and experimental setups utilized in the r.avaflow model to simulate glacier lake outburst floods (GLOFs). Parameters, which can be user-defined and influence both the physical characteristics and numerical behavior of the flow, include aspects derived from physics (e.g., friction angles) and empirical knowledge. The model accommodates a variety of parameters, such as a digital elevation model (DEM) for initial topography, volumes of solid and liquid phases, and various frictional and density parameters, all of which significantly affect GLOF flow characteristics like impacted area, travel distance, and sediment deposition (Mergili et al., 2017).
The study focuses on nine critical parameters identified from previous research, including the DEM dataset, the volume of mass movement entering the lake ($V_S$), the origin of this mass movement, the volume of the glacial lake ($V_L$), grain density ($\rho_S$), the entrainment coefficient ($C_E$), basal friction angle ($\delta$), internal friction angle ($\phi$), and fluid friction number ($C_{FF}$). The authors varied these parameters systematically, particularly examining the impact of different DEM datasets and the topographic potential for mass movement. For parameters 5-9, they compiled values from earlier studies to establish descriptive statistics, allowing for the generation of ten equally spaced values for each parameter across multiple experiments while keeping other parameters constant at their median values. This structured approach aims to elucidate the influence of each parameter on GLOF dynamics, as illustrated in accompanying figures and tables.
Discussion
The discussion section of the research paper highlights the limitations of existing numerical models for simulating Glacial Lake Outburst Floods (GLOFs), particularly their inability to effectively model the interactions between various processes involved in GLOF events. While models like HEC-RAS, BASEMENT, and RAMMS have been utilized in previous studies, they often require separate modeling of each component, leading to potential inaccuracies. In contrast, the r.avaflow model offers a comprehensive approach by integrating all components of the GLOF process chain, allowing for detailed simulations from the initial trigger to downstream effects. This model is particularly advantageous due to its open-source nature and the ability to modify input parameters, which facilitates sensitivity analyses.
The paper emphasizes the significant uncertainties in GLOF modeling, stemming from the reliance on open-access data for input parameters, such as digital elevation models (DEMs) and mass movement volumes. The authors conducted a sensitivity analysis on nine critical parameters, including the volume of mass movement entering the lake and the entrainment coefficient, to assess their impact on model outputs like peak discharge and flow velocity. The study site, Thorthormi Tsho in Bhutan, is identified as a high-risk area for GLOFs, with recent events underscoring the urgency of improving modeling accuracy. The findings suggest that while r.avaflow can effectively model GLOFs, the precision of its outputs is highly dependent on the accuracy of the input parameters, which are often fraught with uncertainties due to logistical challenges in data collection.