📄 地球科学

Comparative Evaluation of Catchment Prioritization Using SYI and RUSLE Models: A Case Study of the Swarna Reservoir Catchment

本研究は、スワルナ貯水池流域における土壌侵食の優先順位付けにおいて、堆積物収支指数（SYI）法の有効性を改訂ユニバーサル土壌流失式（RUSLE）モデルと比較して評価および検証したものであり、インド固有の降雨公式を用いたRUSLEの結果が、重大な侵食エリアを特定するためのSYIの分類と密接に一致していることを見出した。

原著者： K V Sumith

公開日 2026-09-10

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： K V Sumith

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

水は農業の生命線ですが、インドの多くの地域では、作物を育むまさにその土壌がゆっくりと流れ出し、乾季のために雨を蓄える貯水池を目詰まりさせています。堆積と呼ばれるこのプロセスは、雨や風が土地から土壌粒子を剥離させ、それらが川へと運び込まれ、最終的にダムの底に沈殿することで起こります。時間の経過とともに、この堆積物の蓄積は貯水池の貯水量を減少させ、何百万人もの人々を支える灌漑システムを脅かします。この損失を食い止めるために、エンジニアやプランナーは、流域のどの部分が最も速く土壌を失っているのかを正確に把握し、そこに保全活動の焦点を絞る必要があります。しかし、どのエリアが最もリスクが高いかを判断するのは単純なことではありません。それは、降雨量、土壌タイプ、土地被覆の複雑な計算と、限られた資源を優先的に投入するという実務的なニーズとのバランスを取ることを必要とするからです。

テランガーナ州ニルマル地区のスワルナ貯水池に焦点を当てた最近の研究において、研究者たちは、2つの異なる土壌侵食の測定方法を比較することで、このパズルを解こうと試みました。一方の方法である「堆積物収率指数（Sediment Yield Index）」は、傾斜、植生、土壌の質感といった様々な要素を組み合わせて、土壌を失う可能性が高い場所をスコア化するランキングシステムのように機能します。もう一方の方法である「改訂版普遍土壌流失式（Revised Universal Soil Loss Equation）」は、降雨の強度や地面の侵食しやすさといった特定のデータポイントに基づき、毎年実際に失われる土壌の量を推定する、より詳細な計算手法です。目的は、より単純なランキングシステムが、より複雑な計算結果と一致するかどうかを確認すること、そして、この特定の地域においてどの降雨数学公式が最も正確であるかを判断することでした。

研究者たちはまず、スワルナ貯水池に注ぎ込む290平方キロメートルの全流域マップを作成しました。彼らはこの広大な領域を9つの小さな小流域に分割し、個別に調査しました。衛星画像とデジタルマップを用いて土地利用を分析したところ、面積のほぼ半分が森林に覆われ、別の45パーセントが農業に利用されており、残りは市街地、荒地、および水域で構成されていることが分かりました。また、地形についても調査を行い、標高は355メートルから650メートルの範囲にあり、傾斜は緩やかなものからかなり急なものまで多様であることを突き止めました。これらの情報を重ね合わせることで、彼らは水が景観をどのように移動し、どこで土壌を拾い上げるのかという詳細な図を描き出しました。

まず、チームは堆積物収率指数法を適用しました。彼らは景観の異なる特徴に対して重み付けを行いました。例えば、急傾斜地や裸地には侵食しやすいことから高いスコアを与え、森林や緩斜面には低いスコアを与えました。また、「輸送比（delivery ratio）」を算出し、侵食された土壌のうち、実際に貯水池まで到達する量と、途中で滞留する量の割合を推定しました。これらの要因を組み合わせた結果、3つの小流域が深刻な侵食の高いリスクにあり、他の6つは中程度のリスクにあることが示されました。最もリスクの高いエリアは、農業に盛んに利用されており、主要な河川の近くに位置しているため、土壌が素早く洗い流されやすい小流域6でした。

次に、研究者たちは、より複雑な計算手法を用いて、毎年ヘクタールあたりに失われる土壌の実際のトン数を推定しました。これには、雨がどれほど激しく地面を叩くかという因子、すなわち「降雨侵食性」を決定する必要がありました。彼らは、流域内の3つの気象観測所から得られた19年間の降雨データを使用し、3つの異なる数学公式をテストしました。2つの公式はインドの条件に合わせて特別に開発されたものであり、3つ目は様々な気候で使用される世界的な公式でした。計算を実行したところ、選択した公式によって結果は大きく異なりました。世界的な公式と一つのインドの公式は、非常に高い土壌流失量を推定し、流域のほぼ全域が深刻な侵食状態にあることを示唆しました。しかし、Ramらによって2004年に開発された3番目の公式は、はるかに低い数値を出し、より単純な堆積物収率指数のランキングと密接に一致しました。

研究の結果、Ramらによって開発された公式が、この特定の地域に対して最も現実的な描写を提供することが分かりました。この公式を使用したとき、算出された土壌流失量は、堆積物収率指数によって特定された深刻度のカテゴリーと一致しました。例えば、小流域6は最も高い侵食率を持つと特定され、次いで小流域3と4となりました。これらのエリアは、急傾斜と顕著な農業活動を特徴としており、事前のランキングを裏付けるものでした。対照的に、小流域7は低い侵食率を示し、即時の介入を必要としませんでした。他の小流域は中程度のカテゴリーに分類され、将来的な保全措置の対象となることを示唆していました。

この研究の重要な教訓は、複雑なモデルは強力ではあるものの、特に降雨を解釈するための公式に関して、入力データの正確性に大きく依存するということです。この研究は、スワルナ貯水池の流域において、より単純で主観的なランキング手法である堆積物収率指数が、正しい現地の降雨公式を用いた定量的モデルによって検証される限り、保全活動の優先順位付けのための信頼できるツールであることを証明しました。この検証により、プランナーは、小流域6のような最も重要なエリア（急傾斜地の農地など）を特定し、貯水池の貯水容量を守るために、そこに資源を集中投下できるという確信を得ることができます。これらの特定のゾーンに焦点を当てることで、当局は肥沃な表土の損失を遅らせ、貯水池が長年にわたって地域の灌漑ニーズに応え続けられるよう、的を絞った土壌制御策を実施することができるのです。

技術要約：SYIおよびRUSLEモデルを用いた流域優先順位付けの比較評価

問題提起
主に土壌侵食に起因する貯水池の堆砂は、インドにおける水利インフラの寿命と貯水容量に対する重大な脅威となっている。インドの大型貯水池（築50年以上）の約4分の1が、初期貯水容量の少なくとも30%を失っているという報告がある中、効果的な制御策を実施するためには、侵食を受けやすい領域を正確に特定することが不可欠である。改訂版汎用土壌流失式（RUSLE）は定量的な土壌流失量の推定に広く用いられており、一方で堆積物生成指数（SYI）はインドにおける流域の優先順位付けのための標準的な記述的ツールであるが、SYI法による主観的な深刻度分類を、定量的なRUSLEの出力値に対して検証する必要がある。本研究は、テランガーナ州ニルマル地区のスワルナ貯水池流域を対象とし、これら2つの手法を比較することで、堆積物制御のためのサブ流域の優先順位付けにおいて最も信頼できるアプローチを決定することを目的としている。

手法
本研究では、リモートセンシング（RS）および地理情報システム（GIS）を用いた二重の手法を用い、290平方キロメートルのスワルナ貯水池流域を分析した。

堆積物生成指数（SYI）アプローチ：
- 流出出口に基づいて、流域を9つのサブ流域に分割した。
- 土地利用・土地被覆（LULC）、土壌テクスチャ、傾斜、および排水パターンを含む主題レイヤーを重ね合わせ、複合侵食強度ユニット（CEIU）を作成した。
- 各レイヤーに対し、侵食の感受性（例：荒地やガリは最も高い重みを与える）に基づいて重み付け値を割り当てた。
- 各サブ流域の最寄りの河川からの距離に基づき、輸送比（DR）を算出した。
- SYIは、式 $SYI = \frac{\sum (A_i \times W_i \times D_i \times 100)}{A_w}$ を用いて計算した。ここで、 $A_i$ はマッピングユニットの面積、 $W_i$ は重み、 $D_i$ は輸送比、 $A_w$ は総サブ流域面積である。
- SYIの閾値に基づき、サブ流域を5つの優先カテゴリー（非常に高いから非常に低いまで）に分類した。
RUSLEアプローチ：
- 3つの雨量計ステーションと整合させるため、ティセン多角形法を用いて流域を3つのサブ流域に分割した。
- 年間の土壌流失量（ $A$ ）は、式 $A = R \times K \times L \times S \times C \times P$ を用いて推定した。
- 降雨侵食性（R）： R因子を算出するために、月間降雨データ（2005–2023年）を用いて3つの異なる公式をテストした。
  - Naipal et al. (2015)：標高を組み込んだグローバルな方程式。
  - Ram et al. (2004) および Jain & Das (2010)：インドの流域向けに特別に開発された方程式。
  - Nakil and Khire (2016)：インドの条件を用いた別の方程式。
- 土壌侵食性（K）： 流域固有の粒径分布データ（D10およびD60）から導出した。
- 地形（LS）、植生（C）、および支持（P）因子： SRTM DEMデータ、LULCマップ、および標準的な傾斜に基づく表を用いて算出した。

主な結果

SYIの知見： 9つのサブ流域におけるSYIの値は1103から1268の範囲であった。これらの値に基づき、3つのサブ流域（3、4、6）は「高深刻度」に、残り6つは「中程度の深刻度」に分類された。サブ流域6は、高い農業用地利用と排水特性のため、最も高い優先度を示した。
RUSLEの知見： 算出された年間堆積物生成量は、使用したR因子の公式によって大きく変動した。
- Naipal et al. (2015)： 平均生成量は約352トン/ha/年となり、すべてのサブ流域を「非常に高い」から「深刻」に分類した。
- Nakil and Khire (2016)： 最も高い推定値（約484トン/ha/年）を示し、同様にすべてのエリアを「非常に高い」から「非常に深刻」に分類した。
- Ram et al. (2004)： 平均は約114.75トン/ha/年であった。この手法は、SYIの結果と密接に一致する深刻度分類を生み出したが、最高リスクカテゴリーにおいてわずかな差異が見られた。具体的には、サブ流域3、4、5を「高い」侵食率に、サブ流域6を「非常に高い」侵食率に分類した。
比較： Ram et al. (2004) の公式から導かれたRUSLEの結果が、SYIの深刻度カテゴリーに最も近い一致を示した。他の2つの公式は侵食の深刻度を過大評価し、すべてのサブ流域を最高リスクカテゴリーに分類したが、これはSYI法による微細な差別化とは矛盾していた。SYI法はサブ流域6を「高深刻度」と分類したが、Ram et al. (2004) のRUSLEモデルはこれを「非常に高い」と分類した。一方で、両手法はサブ流域3、4、5が高リスクであるという点では一致した（SYIは3、4、6を「高」としてグループ化した）。

主な貢献と意義
本研究の主要な貢献は、定量的なRUSLEモデリングを用いて、SYI法の主観的な優先順位付けを検証したことにある。本研究は、RUSLEは絶対的な堆積物生成量を推定するための強力なツールであるが、その優先順位付けの精度は、降雨侵食性（R）因子の公式の選択に大きく依存することを示している。

本論文は、スワルナ貯水池流域（および、ひいては同様のインドの流域）において、SYI法が決定的な侵食ゾーンを特定するための信頼できる記述的枠組みを提供すると結論付けている。さらに、RUSLE式をRam et al. (2004) が提案したR因子公式と組み合わせることで、SYIの結果に対する効果的な定量的検証ツールとして機能することを確立した。この比較アプローチは、サブ流域3、4、5が高い割合の侵食を受ける傾向にあり、サブ流域6は非常に高い割合の侵食を受ける傾向にあることを裏付けており、したがって、これらのサブ流域に対して即時の堆積物制御策を実施する必要がある。サブ流域7は侵食率が低いため、堆積物制御のための即時の注力は必要ない。その他のサブ流域、すなわち1、2、8、9は中程度の深刻度カテゴリーに属しており、近い将来に適切な堆積物制御策を採用することが示唆される。本研究は、過大評価を避け、保全資源を最も重要な領域に確実に配分するために、地域固有のR因子経験式を選択することの重要性を強調している。

関連論文