📄 earth_science

Analysis of annual soil loss due to erosion processes in the Zarkent massif Parkent district, Uzbekistan, using the RUSLE model

यह अध्ययन 2015 से 2024 तक उज्बेकिस्तान के जरकेन्ट मैसिफ में वार्षिक मृदा क्षरण का अनुमान लगाने के लिए जीआईएस (GIS) और रिमोट सेंसिंग के साथ एकीकृत आरयूएसएलई (RUSLE) मॉडल का उपयोग करता है, जो यह प्रकट करता है कि जबकि 99% क्षेत्र में कम क्षरण होता है, 40 t·ha⁻¹·yr⁻¹ से अधिक के गंभीर हॉटस्पॉट मौजूद हैं और लक्षित संरक्षण उपायों की आवश्यकता है, बावजूद इसके कि इसमें फील्ड सत्यापन और नाली क्षरण (gully erosion) के अपवर्जन संबंधी सीमाएं हैं।

मूल लेखक: Zhang Wen, Gulchehra Sodikova, Alemayehu Tolossa, Lazizakhon Gafurova, Tulkin Shamsiddinov, Trobjon Makhkamov

प्रकाशित 2026-07-10

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zhang Wen, Gulchehra Sodikova, Alemayehu Tolossa, Lazizakhon Gafurova, Tulkin Shamsiddinov, Trobjon Makhkamov

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

ज़ारकेंट (Zarkent) मैसिफ (massif) की कल्पना उज्बेकिस्तान में एक विशाल, ऊबड़-खाबड़ खेल के मैदान के रूप में करें जो धूसर मिट्टी, खड़ी पहाड़ियों और छिटपुट घास से बना है। अब, "बारिश" नामक एक निरंतर, अदृश्य मूर्तिकार की कल्पना करें जो हर साल इस खेल के मैदान के टुकड़ों को तराशने या काटने की कोशिश कर रहा है। यह अध्ययन एक हाई-टेक जासूसी कहानी की तरह है जहाँ वैज्ञानिकों ने एक डिजिटल क्रिस्टल बॉल (एक फैंसी गणितीय सूत्र) जिसे RUSLE मॉडल कहा जाता है, को सैटेलाइट आँखों (GIS) के साथ मिलाकर यह पता लगाने के लिए उपयोग किया कि इस मूर्तिकार ने 2015 और 2024 के बीच कितनी मिट्टी चुराई।

यहाँ बताया गया है कि उन्हें क्या मिला, उन्होंने क्या खारिज किया, और वे इसके बारे में कितने आश्वस्त हैं।

बड़ी घोषणा: यह ढलान और पौधों के बारे में है

मुख्य निष्कर्ष यह है कि "मूर्तिकार" (क्षरण/erosion) पूरे खेल के मैदान से समान रूप से मिट्टी नहीं चुरा रहा है। इसके बजाय, चोरी विशिष्ट, अराजक हॉटस्पॉट्स (hotspots) में हो रही है।

ज़मीन को एक विशाल स्लाइड की तरह समझें। अध्ययन में पाया गया कि कुछ जगहों पर मिट्टी क्यों निकल जाती है जबकि अन्य सुरक्षित रहती हैं, इसका 62% कारण केवल यह है कि स्लाइड कितनी खड़ी और लंबी है (LS-कारक)। यदि आपके पास एक लंबी, खड़ी पहाड़ी है, तो पानी एक फायरहोस की तरह नीचे बहता है, मिट्टी को पकड़ता है और लेकर भाग जाता है। कहानी का दूसरा 24% हिस्सा वनस्पति (C-कारक) के बारे में है। पौधे एक सुरक्षा जाल या एक चिपचिपे कंबल की तरह काम करते हैं; जहाँ कंबल मोटा होता है, वहाँ मिट्टी अपनी जगह पर टिकी रहती है। जहाँ कंबल पतला या गायब होता है (जैसे कि अत्यधिक चराई वाले चारागाहों या खाली खेतों में), वहाँ मिट्टी बह जाती है।

अध्ययन बताता है कि मिट्टी स्वयं (K-कारक) और लोगों द्वारा उपयोग की जाने वाली खेती की तकनीकें (P-कारक) वास्तव में इस विशिष्ट नाटक में सबसे कम महत्वपूर्ण खिलाड़ी हैं। क्यों? क्योंकि मिट्टी हर जगह लगभग एक जैसी धूसर चीज़ है, और अधिकांश किसान अभी तक मिट्टी के कटाव को रोकने वाली विशेष तकनीकों का उपयोग नहीं कर रहे हैं, इसलिए वहां मापने के लिए कोई बड़ा अंतर नहीं है।

संख्याएँ: दो वर्षों की कहानी

वैज्ञानिकों ने केवल अनुमान नहीं लगाया; उन्होंने हर एक 30-मीटर के वर्ग के लिए गणित का अनुकरण (simulate) किया। यहाँ इसका विवरण दिया गया है:

"सुरक्षित" क्षेत्र: अधिकांश भूमि (99%) प्रति हेक्टेयर प्रति वर्ष 0 और 5 टन मिट्टी खो रही है। यह एक धीमी, स्थिर बूंद की तरह है जिससे ज्यादा नुकसान नहीं होता।
"खतरा" क्षेत्र: ज़मीन का एक छोटा हिस्सा (लगभग 68.84 हेक्टेयर, या कुल का 2.3%) प्रति हेक्टेयर प्रति वर्ष 40 टन से अधिक मिट्टी खो रहा है। यह मिट्टी का एक विनाशकारी भूस्खलन है।
"सबसे खराब" वर्ष: 2015 में, एक बहुत ही गीला वर्ष जिसमें 645 मिमी बारिश हुई थी, सबसे खराब स्थानों पर क्षरण अपने चरम पर 225 टन प्रति हेक्टेयर तक पहुँच गया था। यह एक ही वर्ष में पूरे फुटबॉल के मैदान की ऊपरी मिट्टी को छीन लेने जैसा है!
"शुष्क" वर्ष: 2021 में, जब बारिश कम (412 मिमी) थी, तब क्षरण घटकर औसतन लगभग 8 टन प्रति हेक्टेयर हो गया।

भले ही बारिश के आधार पर मिट्टी खोने की मात्रा हर साल बहुत बदलती है, लेकिन वे स्थान जहाँ मिट्टी खो जाती है, वही रहते हैं। खड़ी, खाली पहाड़ हमेशा मुसीबत पैदा करने वाले होते हैं, चाहे वह गीला वर्ष हो या सूखा।

जिसे शोध पत्र स्पष्ट रूप से खारिज करता है

लेखक बहुत स्पष्ट हैं कि यह अध्ययन किस बारे में नहीं है, और वे नहीं चाहते कि आप सोचें कि उन्होंने उन समस्याओं को हल कर लिया है:

कोई गल्ली (Gullies) नहीं: उनके द्वारा उपयोग किया गया गणितीय मॉडल (RUSLE) केवल सतह से बहने वाली मिट्टी की पतली परत (शीट और रिल क्षरण) को गिनता है। यह स्पष्ट रूप से गहरी, गुस्सैल गलियों (पानी द्वारा बनाई गई बड़ी खाइयाँ) और भूस्खलन को बाहर रखता है। यदि ज़मीन में बड़े गड्ढे हैं, तो इस अध्ययन ने उन्हें नहीं गिना।
कोई फील्ड प्रमाण (अभी नहीं): अध्ययन में ज़मीन पर भौतिक प्रमाण नहीं है। उन्होंने नदियों में बहने वाली वास्तविक कीचड़ को नहीं मापा या गणित की जाँच करने के लिए मिट्टी में क्षरण पिन (erosion pins) नहीं लगाए। उन्होंने केवल सैटेलाइट डेटा और केवल तीन स्थानों से मिट्टी के नमूनों के आधार पर परिणामों का अनुकरण किया। वे स्वीकार करते हैं कि इसका मतलब है कि ये संख्याएँ एक अनुमान हैं, कोई पुष्ट तथ्य नहीं।
कोई बर्फ का जादू नहीं: उन्होंने अपने गणनाओं में बर्फ पिघलने के प्रभाव को शामिल नहीं किया। चूंकि यह एक पहाड़ी क्षेत्र है, इसलिए वसंत में बर्फ पिघलने से और भी अधिक मिट्टी बह सकती है, लेकिन मॉडल ने उस संभावना को अनदेखा कर दिया।

वे कितने आश्वस्त हैं?

लेखक उस पैटर्न के प्रति बहुत आश्वस्त हैं जो उन्होंने पाया है, लेकिन सटीक संख्याओं के बारे में सतर्क हैं।

वे बहुत आश्वस्त हैं कि स्थलाकृति (ढलान) इस क्षेत्र में क्षरण का मुख्य कारक है, जो 62% भिन्नता की व्याख्या करता है।
वे आश्वस्त हैं कि वनस्पति दूसरा सबसे महत्वपूर्ण कारक है, जो 24% की व्याख्या करता है।
वे मिट्टी के खोने की सटीक कुल मात्रा के बारे में निश्चित नहीं हैं क्योंकि उन्होंने अभी तक वास्तविक दुनिया के माप के साथ इसकी जाँच नहीं की है। वे अपने परिणामों को "अनुमानित" (simulated) और "अनुमानित" (estimated) बताते हैं। वे सुझाव देते हैं कि भविष्य के अध्ययनों को यह साबित करने के लिए मापने वाले उपकरणों के साथ बाहर जाने की आवश्यकता है कि क्या उनका डिजिटल क्रिस्टल बॉल 100% सटीक है।

भविष्य के लिए सीख

चूंकि "बुरे स्थान" (खड़ी, खाली पहाड़) हर साल एक जैसे रहते हैं, इसलिए अध्ययन सुझाव देता है कि यदि आप मिट्टी को बचाना चाहते हैं, तो आपको उन विशिष्ट हॉटस्पॉट्स को लक्षित करना चाहिए।

अत्यधिक खतरे वाले क्षेत्रों (खोने वाला >40 टन/हेक्टेयर) के लिए, वे वहां खेती को पूरी तरह से रोकने और स्थायी झाड़ियाँ लगाने या पत्थर की दीवारें (छत बनाना/terraces) बनाने का सुझाव देते हैं।
उच्च खतरे वाले क्षेत्रों (10–20 टन/हेक्टेयर) के लिए, वे स्मार्ट खेती का सुझाव देते: फसलों को घुमावदार रेखाओं में लगाना (कंटूर फार्मिंग) और फसल के अवशेषों को ज़मीन पर एक कंबल की तरह रहने देना।

संक्षेप में, यह शोध पत्र एक ऐसे परिदृश्य का चित्र खींचता है जहाँ ज़मीन का आकार और पौधों की उपस्थिति मिट्टी के नुकसान के नाटक के मुख्य पात्र हैं। भले ही खेल का सटीक स्कोर अभी भी कैलकुलेट किया जा रहा है (क्योंकि उन्होंने वास्तविक माप के साथ स्कोरबोर्ड की जाँच नहीं की है), लेकिन समस्या कहाँ हो रही है, उसका नक्शा इसे ठीक करने के लिए पर्याप्त स्पष्ट है।

तकनीकी सारांश: ज़ारकेन्ट मासिफ, पार्केंट जिला, उज्बेकिस्तान में वार्षिक मृदा क्षरण का विश्लेषण

समस्या विवरण
मृदा अपरदन (मिट्टी का कटाव) मध्य एशिया के पर्वतीय क्षेत्रों में एक गंभीर पर्यावरणीय चुनौती है, जो नाजुक मृदा प्रणालियों, तीव्र स्थलाकृति और अस्थिर भूमि प्रबंधन के संगम से प्रेरित है। उज्बेकिस्तान के ताशकंद क्षेत्र में, विशेष रूप से पार्केंट जिले के ज़ारकेन्ट मासिफ के भीतर, ये जोखिम अर्ध-शुष्क जलवायु परिस्थितियों और सिएरोजेम (sierozem) मृदाओं की व्यापकता के कारण बढ़ जाते हैं, जिनमें जैविक पदार्थ (जुताई वाली परत में 0.93–1.71%) कम होता है और जल अपरदन के प्रति मध्यम-से-उच्च संवेदनशीलता होती है। इन तलहटी क्षेत्रों की ज्ञात संवेदनशीलता के बावजूद, उज्बेकिस्तान के पर्वतीय क्षेत्रों के लिए मात्रात्मक मृदा अपरदन डेटा की कमी है। यह अध्ययन वार्षिक मृदा हानि का अनुमान लगाने, स्थानिक अपरदन हॉटस्पॉट की पहचान करने और सतत भूमि प्रबंधन के मार्गदर्शन के लिए प्राकृतिक एवं मानवजनित कारकों के सापेक्ष प्रभाव का मूल्यांकन करने की आवश्यकता को संबोधित करता है।

कार्यप्रणाली
इस अध्ययन में 2015–2024 की अवधि के दौरान दीर्घकालिक औसत वार्षिक मृदा हानि का अनुमान लगाने के लिए भौगोलिक सूचना प्रणाली (GIS) और रिमोट सेंसिंग तकनीकों के साथ एकीकृत संशोधित सार्वभौमिक मृदा हानि समीकरण (RUSLE) मॉडल का उपयोग किया गया। मॉडल मृदा हानि ( $A$ ) की गणना पांच कारकों के गुणनफल के रूप में करता है: $A = R \times K \times LS \times C \times P$ ।

डेटा स्रोत: विश्लेषण में वर्षा अपरदनशीलता कारक ( $R$ ) के लिए CHIRPS वर्षा डेटा (0.05° रिज़ॉल्यूशन); मृदा अपरदनशीलता ( $K$ ) के लिए OpenLandMap डेटासेट और तीन मृदा प्रोफाइल से प्राप्त फील्ड सैंपलिंग का संयोजन; ढलान की लंबाई और तीव्रता ($LS$) के लिए 30 मीटर SRTM डिजिटल एलिवेशन मॉडल; वनस्पति आवरण प्रबंधन ( $C$ ) के लिए Landsat 8 OLI/TIRS इमेजरी; और फील्ड सत्यापन द्वारा पूरक किए गए GlobeLand30 लैंड यूज डेटा के आधार पर सहायता प्रथाओं ( $P$ ) का उपयोग किया गया।
प्रसंस्करण: सभी स्थानिक डेटा को ArcGIS 10.5 में संसाधित किया गया, UTM ज़ोन 42N में पुन: प्रोजेक्ट किया गया, और एक समान 30 मीटर ग्रिड में पुन: सैंपल किया गया।
कारक गणना:
- R-कारक: औसत वार्षिक वर्षा के आधार पर रेनार्ड और फ्रीमुंड (1994) के अनुभवजन्य समीकरण का उपयोग करके प्राप्त किया गया।
- K-कारक: विशमीयर और स्मिथ (1978) के नोमोग्राम समीकरण का उपयोग करके गणना की गई, जिसमें मापे गए मृदा बनावट, जैविक पदार्थ, संरचना और पारगम्यता को शामिल किया गया।
- LS-कारक: प्रवाह संचय (flow accumulation) और ढलान प्रवणता को एकीकृत करते हुए मूर और बर्च (1186) के समीकरण का उपयोग करके गणना की गई।
- C-कारक: बढ़ते मौसम के कंपोजिट से प्राप्त सामान्यीकृत अंतर वनस्पति सूचकांक (NDVI) के साथ एक घातांकीय संबंध के माध्यम से अनुमानित किया गया।
- P-कारक: संरक्षण प्रथाओं (जैसे टेरेसिंग) के फील्ड सत्यापन और भूमि उपयोग वर्गों के आधार पर निर्धारित किया गया।
सत्यापन और विश्लेषण: अध्ययन ने प्रत्येक RUSLE कारक के योगदान को मृदा हानि के स्थानिक विचरण (spatial variance) को मापने के लिए लॉग-ट्रांसफॉर्म किए गए कारक मानों पर मल्टीपल रिग्रेशन विश्लेषण का उपयोग किया। अध्ययन स्पष्ट रूप से फील्ड सत्यापन डेटा (जैसे अवसाद उपज माप या इरोजन पिन) की अनुपस्थिति को एक प्राथमिक सीमा के रूप में नोट करता है।

प्रमुख परिणाम

स्थानिक वितरण: अध्ययन क्षेत्र (तीन नमूनाकृत खंडों में लगभग 2,964 हेक्टेयर) अत्यधिक विषम अपरदन पैटर्न प्रदर्शित करता है। अधिकांश क्षेत्र (99%) 0–5 t·ha⁻¹·yr⁻¹ श्रेणी में आता है। हालांकि, अपरदन स्थानीयकृत हॉटस्पॉट में केंद्रित है:
- अत्यधिक उच्च अपरदन (>40 t·ha⁻¹·yr⁻¹): यह 68.84 हेक्टेयर (अध्ययन क्षेत्र का 2.3%) को प्रभावित करता है, जो मुख्य रूप से उत्तर-पूर्वी पर्वतीय क्षेत्रों में तीव्र ढलानों (>15°) पर है।
- उच्च अपरदन (10–20 t·ha⁻¹·yr⁻¹): यह क्षेत्र के सबसे बड़े हिस्से (1,228.77 हेक्टेयर, 41.4%) को कवर करता है।
- चरम मान: 2015 के असामान्य रूप से गीले वर्ष (645 मिमी वर्षा) के दौरान, सबसे गंभीर हॉटस्पॉट में चरम अपरदन दर 225 t·ha⁻¹·yr⁻¹ तक पहुँच गई।
कारक योगदान: मल्टीपल रिग्रेशन विश्लेषण से पता चला कि LS-कारक (स्थलाकृति) प्रमुख नियंत्रण है, जो वार्षिक मृदा हानि के स्थानिक विचरण के 62% की व्याख्या करता है। C-कारक (वनस्पति आवरण) दूसरा सबसे महत्वपूर्ण चालक है, जो 24% विचरण की व्याख्या करता है। R-कारक (वर्षा) ने 9%, जबकि K-कारक (मृदा अपरदनशीलता) और P-कारक (सहायता प्रथाएं) ने क्रमशः केवल 4% और 1% की व्याख्या की, और वे सांख्यिकीय रूप से महत्वपूर्ण नहीं थे।
सामयिक परिवर्तनशीलता: हालांकि अपरदन का परिमाण वार्षिक वर्षा के साथ काफी उतार-चढ़ाव करता है (उदाहरण के लिए, 2015 में बहुत अधिक मूल्यों की तुलना में 2021 में मध्यम अपरदन ~8 t·ha⁻¹·yr⁻¹ था), अपरदन जोखिम का स्थानिक पैटर्न स्थिर रहता है। स्थलाकृति और भूमि आवरण के आधार पर पहचाने गए उच्च-जोखिम वाले क्षेत्र अंतर-वार्षिक जलवायु परिवर्तनशीलता के बावजूद लगातार उच्च अपरदन दर प्रदर्शित करते हैं।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह अर्ध-शुष्क पर्वतीय स्थितियों में अपरदन जोखिम मूल्यांकन के लिए एक प्रतिलिपि योग्य पद्धति प्रदान करके मध्य एशिया के डेटा-दुर्बल क्षेत्रों में RUSLE अनुप्रयोगों के बढ़ते समूह में योगदान देता है। अध्ययन प्रदर्शित करता है कि जब GIS और रिमोट सेंसिंग को एकीकृत किया जाता है, तो RUSLE मॉडल उच्च सटीकता (95% स्थानिक विचरण स्पष्ट किया गया) के साथ अपरदन-प्रवण क्षेत्रों की प्रभावी ढंग से पहचान कर सकता है।

लेखक तर्क देते हैं कि अपरदन जोखिम पैटर्न की स्थानिक स्थिरता पहचाने गए हॉटस्पॉट में लक्षित, दीर्घकालिक संरक्षण निवेशों को उचित ठहराती है। विशेष रूप से, अध्ययन प्रस्तावित करता है कि:

स्थलाकृति और वनस्पति इस क्षेत्र में अपरदन नियंत्रण के लिए प्राथमिक लीवर हैं, जो यह सुझाव देते हैं कि हस्तक्षेपों को मृदा गुण संशोधन के बजाय ढलान प्रबंधन (टेरेसिंग) और वनस्पति बहाली पर ध्यान केंद्रित करना चाहिए।
लक्षित हस्तक्षेप आवश्यक हैं: अत्यधिक उच्च अपरदन (>40 t·ha⁻¹·yr⁻¹) वाले क्षेत्रों को तत्काल कृषि को रोकने और स्थायी वनस्पति आवरण या टेरेसिंग में बदलने की आवश्यकता है, जबकि उच्च-अपरदन (10–20 t·ha⁻¹·yr⁻¹) वाले क्षेत्रों को कंटूर फार्मिंग और अवशेष प्रतिधारण जैसे बेहतर कृषि पद्धतियों के माध्यम से प्रबंधित किया जा सकता है।
नीतिगत प्रासंगिकता: निष्कर्ष उज्बेकिस्तान की राष्ट्रीय पारिस्थितिकी और जलवायु परिवर्तन समिति की कृषि भूमि-उपयोग योजना में RUSLE-आधारित जोखिम मानचित्रण को एकीकृत करने की निरंतर पहलों का समर्थन करते हैं।

सीमाएं
लेखक स्पष्ट रूप से कई सीमाओं को स्वीकार करते हैं जो परिणामों की पूर्ण सटीकता को सीमित करती हैं:

फील्ड सत्यापन का अभाव: अध्ययन ने RUSLE अनुमानों की तुलना मापे गए अवसाद उपज (sediment yield) या इरोजन पिन डेटा से नहीं की है, जिसे लेखक भविष्य के अनुसंधान के लिए एक महत्वपूर्ण प्राथमिकता के रूप में देखते हैं।
गली अपरदन (Gully Erosion) का बहिष्करण: उपयोग किया गया RUSLE ढांचा केवल शीट और रिल अपरदन की गणना करता है, गली अपरदन और मास वेस्टिंग (mass wasting) को छोड़ देता है, जो पर्वतीय भूभाग में महत्वपूर्ण हो सकते हैं।
डेटा बाधाएं: K-कारक को सीमित संख्या में मृदा प्रोफाइल (तीन) से प्राप्त किया गया था, और P-कारक ने अध्ययन अवधि के दौरान स्थिर संरक्षण प्रथाओं को माना।
हिम पिघलना (Snowmelt) का अभाव: मॉडल ने हिम पिघलने की अपरदनशीलता को शामिल नहीं किया, जो इस क्षेत्र में उत्तर-मुखी ढलानों पर एक महत्वपूर्ण चालक हो सकता है।
रिज़ॉल्यूशन बेमेल: 30 मीटर स्थलाकृतिक डेटा की तुलना में मोटे CHIRPS वर्षा डेटा (~5 किमी) का उपयोग स्थानीय वर्षा परिवर्तनशीलता को सुचारू (smooth) बना सकता है।

निष्कर्षतः, अध्ययन ज़ारकेन्ट मासिफ में मृदा अपरदन जोखिमों का एक आधारभूत मूल्यांकन प्रदान करता है, जो स्थलाकृतिक नियंत्रण के प्रभुत्व और अपरदन को कम करने के लिए वनस्पति-आधारित प्रबंधन की क्षमता को रेखांकित करता है, साथ ही इन अनुमानों को मान्य करने और गली अपरदन एवं हिम पिघलने की गतिशीलता को शामिल करने के लिए भविष्य के कार्य का आह्वान करता है।

बड़ी घोषणा: यह ढलान और पौधों के बारे में है

संख्याएँ: दो वर्षों की कहानी

जिसे शोध पत्र स्पष्ट रूप से खारिज करता है

वे कितने आश्वस्त हैं?

भविष्य के लिए सीख

इसी तरह के और पेपर