Инструменты прогнозирования овражной эрозии могут улучшить управление земельными ресурсами

Овражная эрозия — наиболее разрушительная стадия эрозии почвы, при которой образуются крупные промоины. Управление ими требует комплексного подхода.

Исследователи из Университета Иллинойса разработали модель, которая с помощью данных дистанционного зондирования точнее прогнозирует подверженность почвы овражной эрозии. Это позволяет направлять ресурсы на защиту наиболее уязвимых территорий.

"Эрозию сложно предсказать из-за множества меняющихся факторов: деятельность фермеров, климат, осадки, температура, растительность, топография", — отмечает соавтор исследования Хорхе Гусман.

Исследование проводилось в округе Джефферсон (Иллинойс), где 59% земель используется в сельском хозяйстве (кукуруза, соя). Для прогнозирования использовалась модель максимальной энтропии (MaxEnt).

"Обычно фокус был на статических переменных: почва, высота, уклон. Мы добавили временные переменные, такие как осадки и растительность, поскольку эрозия сильно зависит от роста культур, температуры и интенсивности дождя", — поясняет ведущий автор Чонхо Хан.

Для проверки модели с фактическим расположением оврагов использовались данные LiDAR с разрешением 2 метра. Сравнение снимков разных лет позволило выявить изменения высоты поверхности, указывающие на образование оврагов.

Результаты:

  • 7.4% сельскохозяйственных земель в районе исследования имеют повышенный риск развития овражной эрозии.
  • Наибольший вклад в прогнозирование вносят: уклон, землепользование, сезонный суточный максимум осадков и содержание органического вещества.
  • Пространственно-временные изменения в земном покрове и осадках оказались решающими для прогноза.

Этот подход применим в сельскохозяйственных регионах Среднего Запада США со схожими условиями.

"Если мы знаем, где с большей вероятностью разовьются овраги, мы можем внедрять практики управления земельными ресурсами. Наши инструменты помогут целевым образом направлять ресурсы туда, где они нужнее всего", — резюмирует Хорхе Гусман.