Аннотация:Метод «отпечатка пальца» (фингерпринтинг) представляет собой перспективный инструмент количественной оценки долевого вклада источников поступления наносов в водные объекты. Актуальность данного метода обусловлена усилением темпов эрозионных процессов, которые под влиянием климатических изменений и трансформации землепользования, приводят к деградации почв, загрязнению водных экосистем, заилению водоёмов и усилению переноса загрязняющих веществ, включая тяжёлые металлы, радионуклиды и другие маркеры. В связи с этим идентификация пространственной структуры источников наносов и их мониторинг является важной задачей устойчивого использования и управления водными ресурсами.Развитие метода фингерпринтинга началось с применения минералогических характеристик и радионуклидов (137Cs, 210Pb) в 1970–1980-х годах. Позднее методологическая база существенно расширилась за счёт внедрения таких групп маркеров как геохимические элементы, магнитная восприимчивость, органические соединения (включая биомаркеры и CSSI), спектральные характеристики и экологическое ДНК (eDNA). Каждая группа маркеров обладает своими преимуществами в зависимости от условий, типа землепользования и географии исследования.Ключевым этапом осуществления данного метода является формирование оптимального и наиболее релевантного набора маркеров. Выбор маркеров базируется на критериях, определяющих их консервативность (устойчивость при транспортировке), статистическое различие между источниками, а также выявление маркеров, которые наилучшим образом могут различать группы источников. Установлено, что комбинации трассеров, отобранные статистическими критериями, использующимися в трехэтапном методе (range test, KW тест, DFA), позволяют снизить неопределённости модели на 20–30% по сравнению с произвольным выбором маркеров.Сильным прорывом в развитии метода «отпечатка пальца» стала разработка и внедрение модельных подходов. Широкое распространение получили программные комплексы, такие как FingerPro, SIFT, Sed_SAT, MixSIAR и SIMM, реализованные в среде R и адаптированые под открытые гидрологические задачи. Данные модели обеспечивают визуализацию данных, автоматизируют статистический выбор трассеров и расчёт вкладов источников, а также существует возможность провести корректировку на гранулометрический состав наносов.Наиболее распространённой моделью, использующей классический вероятностный подход, является FingerPro, в которой в последние годы традиционный трёхэтапный алгоритм отбора трассеров был заменён на консенсусный метод (Consensus Method). Наряду с этим активно применяются байесовские модели, такие как MixSIAR и SIMMR, основанные на алгоритмах Марковских цепей и метода Монте-Карло. Внедрение байесовских подходов, предусматривающих использование виртуальных смесей для оценки точности прогноза, значительно повысило надёжность калибровки и валидации моделей, определяющих долевой вклад источников наносов.Пространственная применимость метода охватывает диапазон от склонов до речных бассейнов площадью более 10 000 км². Метод фингерпринтинга широко используется в различных географических и ландшафтных условиях: урбанизированных, промышленных, сельскохозяйственных, лесных зонах, криолитозоне, горных областях, дельтах и эстуариях, пустынных районах. Наибольшее количество исследований наблюдается в Великобритании, США, Китае, Испании, Франции и Иране.В настоящее время развитие методики направлено на совершенствование оценки неконсервативности трассеров и учета временной динамики процессов седиментации. Также актуальной задачей остаётся стандартизация процедур, в том числе норм по отбору, подготовке и анализу проб, интерпретации результатов и унификации моделей.На базе методики фингерпринтинга проведены расчёты по долевому вкладу источников поступления взвешенного вещества в бассейне р.Сетунь с использованием трёх моделей: FingerPro – классический вероятностный подход, SIMM и MixSIAR – байесовский подход. Расчёты проводились с учётом фракционного состава наносов PM1 и PM1-10. Наибольшее расхождение с результатами других моделей показала модель SIMM, что, вероятно, связано с её ограниченной возможностью учёта случайных эффектов (в отличие от MixSIAR), а также со сложностью в адаптации к природным условиям в бассейне р.Сетунь.