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

Technische Samenvatting: Analyse van de Jaarlijkse Bodemerosie in het Zarkent-massief, District Parkent, Oezbekistan

Probleemstelling
Bodemerosie vormt een kritieke milieuuitdaging in de bergachtige regio's van Centraal-Azië, gedreven door de samenkomst van kwetsbare bodemsystemen, steile topografie en onhoudbaar landbeheer. In de regio Tasjkent in Oezbekistan, specifelijk het Zarkent-massief binnen het district Parkent, worden deze risico's verergerd door semi-aride klimatologische omstandigheden en de prevalentie van sierozem-bodems, die een laag organisch stofgehalte (0,93–1,71% in de ploeglaag) en een matige tot hoge gevoeligheid voor watererosie bezitten. Ondanks de bekende kwetsbaarheid van deze voetenszones, is er een tekort aan gekwantificeerde gegevens over bodemerosie in de bergachtige regio's van Oezbekistan. Deze studie adresseert de noodzaak om de jaarlijkse bodemverlies te schatten, ruimtelijke erosiehotspots te identificeren en de relatieve invloed van natuurlijke en antropogene factoren te evalueren om duurzaam landbeheer in een door gegevensarme omgevingen te sturen.

Methodologie
De studie maakte gebruik van de Revised Universal Soil Loss Equation (RUSLE) model, geïntegreerd met Geografische Informatiesystemen (GIS) en remote sensing technieken, om het langetermijn gemiddelde jaarlijkse bodemverlies over de periode 2015–2024 te schatten. Het model berekent het bodemverlies ($A$) als het product van vijf factoren: $A = R \times K \times LS \times C \times P$.

• Databronnen: De analyse maakte gebruik van CHIRPS-neerslaggegevens (0,05° resolutie) voor de factor Regen Erosiviteit ($R$); een combinatie van OpenLandMap-datasets en veldmonsters van drie bodemprofielen voor Bodemerodibiliteit ($K$); een 30 m SRTM Digitaal Hoogtemodel voor Hellingslengte en -steilheid ($LS$); Landsat 8 OLI/TIRS-beelden voor Bedekkingsbeheer ($C$); en GlobeLand30 landgebruikgegevens aangevuld met veldverificatie voor Ondersteunende Praktijken ($P$).
• Verwerking: Alle ruimtelijke gegevens werden verwerkt in ArcGIS 10.5, gereprojecteerd naar UTM zone 42N, en gehersampled naar een uniform 30 m raster.
• Factorberekening:
  • R-factor: Afgeleid via de empirische vergelijking van Renard en Freimund (1994) gebaseerd op de gemiddelde jaarlijkse neerslag.
  • K-factor: Berekend met de Wischmeier en Smith (1978) nomogramvergelijking, waarbij de gemeten bodemtextuur, organisch stofgehalte, structuur en doorlaatbaarheid zijn opgenomen.
  • LS-factor: Berekend met de Moore en Burch (1986) vergelijking, waarbij stroomaccumulatie en hellingsgradiënt zijn geïntegreerd.
  • C-factor: Geschat via een exponentiële relatie met de Normalized Difference Vegetation Index (NDVI) afgeleid van composieten van het groeiseizoen.
  • P-factor: Toegewezen op basis van landgebruikklassen en veldverificatie van conserveringspraktijken (bijv. terrassen).
• Validatie en Analyse: De studie maakte gebruik van meervoudige regressieanalyse op log-getransformeerde factorenwaarden om de bijdrage van elke RUSLE-factor aan de ruimtelijke variantie van bodemverlies te kwantificeren. De studie merkt expliciet de afwezigheid van veldvalidatiegegevens (bijv. sedimentopbrengstmetingen of erosiepen) op als een primaire beperking.

Belangrijkste Resultaten

• Ruimtelijke Verdeling: Het studiegebied (ongeveer 2.964 hectare verspreid over drie bemonsterde secties) vertoont zeer heterogene erosiepatronen. Het grootste deel van het gebied (99%) valt binnen de categorie 0–5 t·ha⁻¹·jr⁻¹. Echter, erosie is geconcentreerd in gelokaliseerde hotspots:
  • Extreem Hoge Erosie (>40 t·ha⁻¹·jr⁻¹): Treft 68,84 hectare (2,3% van het studiegebied), voornamelijk op steile hellingen (>15°) in de noordoostelijke bergzones.
  • Hoge Erosie (10–20 t·ha⁻¹·jr⁻¹): Beslaat het grootste deel van het gebied (1.228,77 hectare, 41,4%).
  • Piekwaarden: Tijdens het anomalistisch natte jaar 2015 (645 mm neerslag) bereikten de piekerosiecijfers 225 t·ha⁻¹·jr⁻¹ in de meest ernstige hotspots.
• Factorbijdrage: Meervoudige regressieanalyse toonde aan dat de LS-factor (topografie) de dominante controle is, die 62% van de ruimtelijke variantie in jaarlijks bodemverlies verklaart. De C-factor (vegetatiebedekking) is de tweede belangrijkste drijfveer, die 24% van de variantie verklaart. De R-factor (neerslag) verklaarde 9%, terwijl de K-factor (bodemerodibiliteit) en de P-factor (ondersteunende praktijken) respectievelijk slechts 4% en 1% verklaarden, en niet statistisch significant waren.
• Temporele Variabiliteit: Hoewel de omvang van de erosie sterk fluctueert met de jaarlijkse neerslag (bijv. mediane erosie in 2021 was ~8 t·ha⁻¹·jr⁻¹ vergeleken met veel hogere waarden in 2015), blijft het ruimtelijke patroon van het erosierisico stabiel. Gebieden die op basis van topografie en landbedekking als hoog risico zijn geïdentificeerd, vertonen consistent verhoogde erosiecijfers, ongeacht de interjaarlijkse klimatologische variabiliteit.

Betekenis en Claims
Het artikel claimt bij te dragen aan de groeiende hoeveelheid RUSLE-toepassingen in gegevensarme regio's van Centraal-Azië door een repliceerbare methodologie te bieden voor erosierisicobeoordeling onder semi-aride bergcondities. De studie demonstreert dat het RUSLE-model, wanneer geïntegreerd met GIS en remote sensing, effectief zones met een hoog erosierisico kan identificeren met hoge precisie (95% van de ruimtelijke variantie verklaard door het gecombineerde model).

De auteurs stellen dat de ruimtelijke stabiliteit van erosierisicopatronen gerichte, langetermijn conserveringsinvesteringen in de geïdentificeerde hotspots rechtvaardigt. Specifiek stelt de studie voor dat:

1. Topografie en Vegetatie de primaire hefbomen zijn voor erosiecontrole in deze regio, wat suggereert dat interventies zich moeten richten op hellingsbeheer (terrassen) en vegetatieherstel in plaats van op de modificatie van bodemeigenschappen.
2. Gerichte Interventies noodzakelijk zijn: Gebieden met extreem hoge erosie (>40 t·ha⁻¹·jr⁻¹) vereisen een onmiddellijke stopzetting van landbouw en conversie naar permanente vegetatieve bedekking of terrassen, terwijl hoog-erosie zones (10–20 t·ha⁻¹·jr⁻¹) beheerd kunnen worden door verbeterde agronomische praktijken zoals contourlandbouw en het behoud van gewasresten.
3. Beleidsrelevantie: De bevindingen ondersteunen lopende initiatieven van de Nationale Commissie voor Ecologie en Klimaatverandering van Oezbekistan om RUSLE-gebaseerde risicokaarten te integreren in de agrarische landgebruiksplanning.

Beperkingen
De auteurs erkennen expliciet verschillende beperkingen die de absolute nauwkeurigheid van de resultaten beperken:

• Gebrek aan Veldvalidatie: De studie heeft de RUSLE-schattingen niet vergeleken met gemeten sedimentopbrengst of erosiepen-gegevens, een stap die de auteurs identificeren als een kritieke prioriteit voor toekomstig onderzoek.
• Uitsluiting van Geulerosie: Het gebruikte RUSLE-framework houdt alleen rekening met plaat- en rillerosie, en sluit geulerosie en massabewegingen uit, die significant kunnen zijn in bergachtig terrein.
• Databeperkingen: De K-factor werd afgeleid van een beperkt aantal bodemprofielen (drie), en de P-factor nam statische conserveringspraktijken aan over de onderzochte periode.
• Omissie van Sneeuwsmelt: Het model hield geen rekening met de erosiviteit van sneeuwsmelt, wat een belangrijke drijfveer kan zijn op noordelijke hellingen in deze regio.
• Resolutieverschil: Het gebruik van grove CHIRPS-neerslaggegevens (~5 km) ten opzichte van 30 m topografische gegevens kan lokale neerslagvariabiliteit afvlakken.

Concluderend biedt de studie een fundamentele beoordeling van de bodemerosierisico's in het Zarkent-massief, waarbij de dominantie van topografische controles en het potentieel van vegetatiegebaseerd beheer om erosie te mitigeren wordt benadrukt, terwijl er wordt opgeroepen tot toekomstig werk om deze schattingen te valideren en geulerosie en sneeuwsmelt-dynamiek in te sluiten.