A Hybrid WSA and AHP-TOPSIS Modeling for Soil Erosion Assessment and Prioritization of the Sub-watershed of Karmanasa River Basin

Resumen Técnico: Un modelado híbrido de WSA y AHP-TOPSIS para la evaluación de la erosión del suelo y la priorización de la subcuenca del río Karmanasa

Planteamiento del Problema
La cuenca del río Karmanasa (KRB), un afluente perenne del Ganges en la llanura media del Ganges, enfrenta una severa erosión del suelo y degradación de la tierra impulsadas por el cambio climático, actividades humanas y su configuración geológica específica. La cuenca, caracterizada por formaciones erodibles de arenisca, esquisto y caliza de Vindhyan, sustenta una extensa agricultura pero sufre inundaciones recurrentes y transporte de sedimentos. Si bien estudios previos han abordado la erosión en las regiones de Vindhyan y las llanuras del Ganges, la KRB permanece poco explorada en cuanto a la priorización sistemática de subcuencas mediante técnicas de modelado integradas y avanzadas. La falta de una caracterización detallada de la cuenca y de una priorización dificulta la planificación de la conservación del suelo y la gestión sostenible de la tierra en esta región con escasez de datos.

Metodología
El estudio emplea un marco integrado de información geográfica y toma de decisiones multicriterio (MCDM) para evaluar y priorizar la susceptibilidad a la erosión del suelo. El flujo de trabajo consta de cuatro etapas primarias:

1. Adquisición de Datos y Delimitación: Utilizando datos SRTM DEM de 30 m de resolución de la misión Shuttle Radar Topography, se delimitó la cuenca en seis subcuencas (SW1–SW6). Los datos geológicos, de suelo y topográficos se obtuvieron del Geological Survey of India (GSI) y del National Bureau of Soil Survey and Land Use Planning (NBSS&LUP).
2. Análisis Morfométrico: Se extrajeron veintidós parámetros morfométricos y se clasificaron en aspectos lineales, de área y de relieve. Estos incluyeron el orden de los corrientes, la razón de bifurcación, la densidad de drenaje, el factor de forma, el coeficiente de compacidad, la razón de relieve y el número de rugosidad.
3. Modelado y Priorización: Se aplicaron tres modelos distintos para clasificar las subcuencas según su susceptibilidad a la erosión:
   • Análisis de Suma Ponderada (WSA): Se generó un índice compuesto asignando pesos normalizados a los parámetros morfométricos basados en sus coeficientes de correlación con la erosión.
   • Tasa de Producción de Sedimentos (SPR): Un modelo logarítmico que vincula el rendimiento de sedimentos con parámetros geomorfológicos (factor de forma, razón circular y coeficiente de compacidad).
   • Híbrido AHP-TOPSIS: Se utilizó el Proceso de Jerarquía Analítica (AHP) para derivar pesos para 14 parámetros seleccionados basados en el juicio de expertos (15 especialistas), asegurando una razón de consistencia (CR) de 0.016. Estos pesos se integraron posteriormente en la Técnica de Orden de Preferencia por Similitud con la Solución Ideal (TOPSIS) para clasificar las alternativas basándose en su distancia de las soluciones ideales y anti-ideales.
4. Validación Estadística: La fiabilidad y consistencia de los tres modelos se evaluaron utilizando pruebas estadísticas no paramétricas: el Coeficiente de Correlación de Rango de Spearman (SCCT) y el Coeficiente de Correlación Tau de Kendall (KTCCT).

Resultos Clave

• Características Morfométricas: La cuenca exhibe una red de drenaje de 6º orden con una densidad de drenaje media de 0.535 km/km². La subcuenca SW3 es la más grande (2,142.21 km²), mientras que la SW6 es la más pequeña (804.51 km²). La textura del drenaje es generalmente gruesa, y la cuenca se encuentra en una etapa de evolución geomórfica de juventud a madurez.
• Resultados de los Modelos:
  • WSA: Identificó aproximadamente el 38–40% de las cuencas como vulnerables. La SW4 recibió la mayor prioridad (puntuación más baja), mientras que la SW1 fue la de menor prioridad.
  • SPR: Indicó que el 42.6% de la cuenca es vulnerable. La SW5 mostró la tasa de producción de sedimentos más alta (0.50), clasificándola como de prioridad muy alta, mientras que la SW6 tuvo la más baja (0.000013).
  • AHP-TOPSIS: Clasificó a las subcuencas SW3, SW1 y SW2 como zonas de alta prioridad. El modelo produjo un coeficiente de cercanía ($C_i^+$) que oscila entre 0.22 y 0.75.
• Validación Estadística: El modelo AHP-TOPSIS demostró la mayor estabilidad y consistencia. Mostró una correlación positiva con el modelo SPR (SCCT = 0.37), mientras que el modelo WSA exhibió relaciones más débiles con los otros dos enfoques. Ambas pruebas estadísticas confirmaron que el AHP-TOPSIS proporciona la priorización más fiable para esta cuenca.
• Patrones Espaciales: La susceptibilidad a la erosión se concentra en la meseta de Kaimur y en las zonas de transición entre la meseta y la llanura aluvial. Estas áreas se caracterizan por pendientes pronunciadas, alta densidad de drenaje y formaciones erodibles de esquisto de Rewa y arenisca.

Contribuciones Clave

• Marco Integrado: El estudio aplica con éxito un enfoque híbrido AHP-TOPSIS combinado con análisis morfométrico a una cuenca del Ganges previamente poco explorada, ofreciendo un método estructurado para la toma de decisiones en regiones con limitación de datos.
• Evaluación Comparativa de Modelos: Al comparar estadísticamente WSA, SPR y AHP-TOPSIS mediante SCCT y KTCCT, la investigación identifica al AHP-TOPSIS como el modelo superior para este contexto geológico específico, validando su uso sobre los métodos tradicionales de suma ponderada.
• Priorización para la Acción: La investigación proporciona una lista clasificada específica de subcuencas (SW3, SW1, SW2 como alta prioridad) para guiar intervenciones dirigidas de conservación del suelo, yendo más allá de las evaluaciones generales a nivel de cuenca.

Significancia y Reivindicaciones
Los autores sostienen que este estudio cierra una brecha de investigación crítica al proporcionar la primera priorización sistemática de subcuencas para la cuenca del río Karmanasa utilizando técnicas avanzadas de MCDM. Los hallazgos ofrecen un marco práctico y rentable para la gestión de cuencas fluviales que puede aplicarse a otras cuencas tributarias de las regiones de Vindhyan y el Ganges. Al identificar las zonas prioritarias, el estudio apoya el desarrollo de medidas de restauración y estrategias para mitigar la erosión del suelo, contribuyendo así a la gestión sostenible de la tierra y al logro de los Objetivos de Desarrollo Sostenible (ODS). El trabajo enfatiza que los enfoques integrados de información geográfica y morfometría son esenciales para una evaluación efectiva de la cuenca donde los datos de erosión basados en campo son limitados.