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

Resumo Técnico: Análise da Perda Anual de Solo no Maciço de Zarkent, Distrito de Parkent, Uzbequistão

Definição do Problema
A erosão do solo representa um desafio ambiental crítico nas regiões montanhosas da Ásia Central, impulsionado pela convergência de sistemas de solos frágeis, topografia íngreme e gestão de terras insustentável. Na região de Tashkent, no Uzbequistão, especificamente no maciço de Zarkent, dentro do distrito de Parkent, esses riscos são exacerbados por condições climáticas semiáridas e pela prevalência de solos sierozem, que possuem baixo teor de matéria orgânica (0,93–1,71% na camada arável) e suscetibilidade de moderada a alta à erosão hídrica. Apesar da conhecida vulnerabilidade destas zonas de sopé, há uma escassez de dados quantificados de erosão do solo para as regiões montanhosas do Uzbequistão. Este estudo aborda a necessidade de estimar a perda anual de solo, identificar pontos críticos (hotspots) de erosão espacial e avaliar a influência relativa dos fatores naturais e antropogênicos para orientar a gestão sustentável da terra em um ambiente com escassez de dados.

Metodologia
O estudo empregou o modelo da Equação Universal de Perda de Solo Revisada (RUSLE), integrado com Sistemas de Informação Geográfica (SIG) e técnicas de sensoriamento remoto, para estimar a perda média anual de solo a longo prazo durante o período de 2015–2024. O modelo calcula a perda de solo ($A$) como o produto de cinco fatores: $A = R \times K \times LS \times C \times P$.

• Fontes de Dados: A análise utilizou dados de precipitação CHIRPS (resolução de 0,05°) para o fator de Erosividade da Chuva ($R$); uma combinação de conjuntos de dados OpenLandMap e amostragem de campo de três perfis de solo para a Erosividade do Solo ($K$); um Modelo Digital de Elevação SRTM de 30 m para Comprimento e Declividade da Encosta ($LS$); imagens Landsat 8 OLI/TIRS para o Manejo da Cobertura ($C$); e dados de uso do solo GlobeLand30 suplementados por verificação de campo para Práticas de Suporte ($P$).
• Processamento: Todos os dados espaciais foram processados no ArcGIS 10.5, reprojetados para UTM zona 42N e reamostrados para uma grade uniforme de 30 m.
• Cálculo dos Fatores:
  • Fator-R: Derivado da equação empírica de Renard e Freimund (1994) baseada na precipitação média anual.
  • Fator-K: Calculado usando a equação do nomograma de Wischmeier e Smith (1978), incorporando textura do solo, matéria orgânica, estrutura e permeabilidade medidas.
  • Fator-LS: Computado usando a equação de Moore e Burch (1986), integrando o acúmulo de fluxo e o gradiente de declividade.
  • Fator-C: Estimado via uma relação exponencial com o Índice de Vegetação por Diferença Normalizada (NDVI) derivado de compostos da estação de crescimento.
  • Fator-P: Atribuído com base em classes de uso do solo e verificação de campo de práticas de conservação (ex: terraços).
• Validação e Análise: O estudo utilizou análise de regressão múltipla em valores de fatores transformados em log para quantificar a contribuição de cada fator RUSLE para a variância espacial da perda de solo. O estudo nota explicitamente a ausência de dados de validação de campo (ex: medições de rendimento de sedimentos ou pinos de erosão) como uma limitação primária.

Principais Resultados

• Distribuição Espacial: A área de estudo (aproximadamente 2.964 hectares distribuídos em três seções amostradas) exibe padrões de erosão altamente heterogêneos. A maior parte da área (99%) enquadra-se na categoria 0–5 t·ha⁻¹·ano⁻¹. No entanto, a erosão concentra-se em pontos críticos localizados:
  • Erosão Extremamente Alta (>40 t·ha⁻¹·ano⁻¹): Afeta 68,84 hectares (2,3% da área de estudo), principalmente em encostas íngremes (>15°) nas zonas montanhosas do nordeste.
  • Erosão Alta (10–20 t·ha⁻¹·ano⁻¹): Cobre a maior proporção da área (1.228,77 hectares, 41,4%).
  • Valores de Pico: Durante o ano anormalmente úmido de 2015 (645 mm de precipitação), as taxas de pico de erosão atingiram 225 t·ha⁻¹·ano⁻¹ nos pontos mais severos.
• Contribuição dos Fatores: A análise de regressão múltipla revelou que o fator LS (topografia) é o controle dominante, explicando 62% da variância espacial na perda anual de solo. O fator C (cobertura vegetal) é o segundo driver mais significativo, explicando 24% da variância. O fator R (precipitação) explicou 9%, enquanto o fator K (erosividade do solo) e o fator P (práticas de suporte) explicaram apenas 4% e 1%, respectivamente, e não foram estatisticamente significativos.
• Variabilidade Temporal: Embora a magnitude da erosão flutue significativamente com a precipitação anual (ex: a erosão mediana em 2021 foi de ~8 t·ha⁻¹·ano⁻¹ comparada aos valores muito mais altos em 2015), o padrão espacial do risco de erosão permanece estável. Áreas identificadas como de alto risco baseadas na topografia e cobertura terrestre exibem consistentemente taxas elevadas de erosão, independentemente da variabilidade climática interanual.

Significância e Alegações
O artigo afirma contribuir para o crescente corpo de aplicações de RUSLE em regiões com escassez de dados da Ásia Central, fornecendo uma metodologia replicável para avaliação de risco de erosão sob condições de montanha semiáridas. O estudo demonstra que o modelo RUSLE, quando integrado com SIG e sensoriamento remoto, pode identificar zonas propensas à erosão com alta precisão (95% da variância espacial explicada pelo modelo combinado).

Os autores afirmam que a estabilidade espacial dos padrões de risco de erosão justifica investimentos de conservação direcionados e de longo prazo nos pontos críticos identificados. Especificamente, o estudo propõe que:

1. Topografia e Vegetação são os principais alavancadores para o controle da erosão nesta região, sugerindo que as intervenções devem focar no manejo de encostas (terraços) e restauração da vegetação, em vez da modificação das propriedades do solo.
2. Intervenções Direcionadas são necessárias: Áreas com erosão extremamente alta (>40 t·ha⁻¹·ano⁻¹) requerem a cessação imediata da agricultura e conversão para cobertura vegetal permanente ou terraços, enquanto zonas de alta erosão (10–20 t·ha⁻¹·ano⁻¹) podem ser geridas através de práticas agronômicas melhoradas, como o cultivo em contorno e a retenção de resíduos.
3. Relevância Política: Os achados apoiam as iniciativas em curso do Comitê Nacional de Ecologia e Mudanças Climáticas do Uzbequistão para integrar o mapeamento de risco baseado em RUSLE no planejamento do uso da terra agrícola.

Limitações
Os autores reconhecem explicitamente várias limitações que restringem a precisão absoluta dos resultados:

• Falta de Validação de Campo: O estudo não comparou as estimativas RUSLE com medições de rendimento de sedimentos ou dados de pinos de erosão, um passo que os autores identificam como uma prioridade crítica para pesquisas futuras.
• Exclusão da Erosão de Ravinas: O framework RUSLE utilizado contabiliza apenas a erosão laminar e em sulcos, excluindo a erosão de ravinas e movimentos de massa, que podem ser significativos em terrenos montanhosos.
• Restrições de Dados: O fator K foi derivado de um número limitado de perfis de solo (três), e o fator P assumiu práticas de conservação estáticas ao longo do período de estudo.
• Omissão do Degelo: O modelo não considerou a erosividade do degelo, que pode ser um driver significativo em encostas voltadas para o norte nesta região.
• Descompasso de Resolução: O uso de dados de precipitação CHIRPS de resolução grossa (~5 km) em comparação com dados topográficos de 30 m pode suavizar a variabilidade local da chuva.

Em conclusão, o estudo fornece uma avaliação fundamental dos riscos de erosão do solo no maciço de Zarkent, destacando o domínio dos controles topográficos e o potencial do manejo baseado na vegetação para mitigar a erosão, ao mesmo tempo em que clama por trabalhos futuros para validar estas estimativas e incorporar a dinâmica de erosão de ravinas e degelo.