Рослинництво та ґрунтознавство

Просторова оцінка агропотенціалу еродованих схилових земель за параметрами моделі USLE

Микола Шевченко, Зінаїда Кондакова*, Олександр Круглов

zinaidasamosvat@gmail.com

Завантажити статтю
Анотація

Еродовані схилові землі характеризуються значною просторовою неоднорідністю ґрунтового покриву, що ускладнює об’єктивну оцінку їхнього агропотенціалу за середньопольовими агрохімічними показниками. Метою дослідження було встановити закономірності просторової оцінки агропотенціалу еродованих схилових земель за зв’язком агрономічних показників ґрунту з параметрами моделі USLE (Universal Soil Loss Equation). Дослідження проводили у 2024-2025 роках на дослідному полі «Докучаєвське» Державного біотехнологічного університету в умовах Лівобережного Лісостепу України. Відбір 68 ґрунтових проб здійснювали з орного шару за нерегулярною мережею з урахуванням особливостей рельєфу. У зразках визначали вміст органічного вуглецю, нітратного азоту та pH водний. Просторовий розподіл показників оцінювали методом геоінформаційного картографування, а ерозійну небезпеку характеризували за топографічним фактором LS моделі USLE. Установлено, що вміст органічного вуглецю змінювався від 1,35 до 3,05 %, а значення LS – від 0,039 до 2,22. Виявлено тісний обернений зв’язок між LS і вмістом органічного вуглецю: коефіцієнт кореляції Спірмена становив -0,725. Лінійна модель Y = 2,7175 – 0,5124x підтвердила зниження вмісту органічного вуглецю зі зростанням ерозійної небезпеки. За групування значень LS середній уміст органічного вуглецю зменшувався з 2,610-2,636 до 1,853-1,949 %, тоді як зв’язок LS із нітратним азотом був слабким, r = -0,066. Отже, органічний вуглець є більш надійним індикатором просторового коригування агропотенціалу еродованих схилових земель. Запропонований підхід може бути використаний для побудови картограм поправочних коефіцієнтів, диференційованого удобрення, планування ґрунтозахисних заходів і впровадження елементів точного землеробства

Ключові слова

органічний вуглець; нітратний азот; топографічний фактор; ресурсна можливість ґрунту; геоінформаційне картографування; чорнозем типовий

ЦИТУВАТИ
Shevchenko, M., Kondakova, Z., & Kruglov, O. (2026). Spatial assessment of the agricultural potential of eroded slope lands using USLE model parameters. Plant and Soil Science, 17(3), 70-85. https://doi.org/10.31548/plant3.2026.70
Використані джерела
  1. Balontayová, E., Petlušová, V., Petluš, P., Hreško, J., & Koco, Š. (2024). Soil organic carbon and its labile fractions in the conditions of water erosion on arable land of Chernozems area. Soil and Water Research, 19(2), 90-99. doi: 10.17221/3/2024-SWR.
  2. Bezak, N., Borrelli, P., Mikoš, M., Auflič, M.J., & Panagos, P. (2024). Towards multi-model soil erosion modelling: An evaluation of the erosion potential method (EPM) for global soil erosion assessments. Catena, 234, article number 107596. doi: 10.1016/j.catena.2023.107596.
  3. Borrelli, P., et al. (2021). Soil erosion modelling: A global review and statistical analysis. Science of the Total Environment, 780, article number 146494. doi: 10.1016/j.scitotenv.2021.146494.
  4. Bouayad, F.E., El Idrysy, M., Ouallali, A., El Amrani, M., Courba, S., Hahou, Y., Benhachmi, M.K., Spalevic, V., & Briak, H. (2023). Assessing soil erosion dynamics in the RMEL watershed, north-western Morocco by using the RUSLE model, GIS, and remote sensing integration. Agriculture and Forestry, 69(4), 173-194. doi: 10.17707/AgricultForest.69.4.11.
  5. Chiriac, O.P., De Petris, S., Zavattaro, L., & Cammarano, D. (2025). Exploring the spatial variability of nitrogen balance and its relationship with soil properties. Precision Agriculture, 26, article number 100. doi: 10.1007/s11119-025-10294-6.
  6. Cutting, B.J., Atzberger, C., Gholizadeh, A., Robinson, D.A., Mendoza-Ulloa, J., & Marti-Cardona, B. (2024). Remote quantification of soil organic carbon: Role of topography in the intra-field distribution. Remote Sensing, 16(9), article number 1510. doi: 10.3390/rs16091510.
  7. DSTU 4289:2004. (2004). Soil quality. Methods for determination of organic matter. Retrieved from https://online.budstandart.com/ua/catalog/doc-page.html?id_doc=56400.
  8. DSTU 4729:2007. (2007). Soil quality. Determination of nitrate and ammonium nitrogen modified method of the O.N. Sokolovsky National Scientific Center “Institute for Soil Science and Agrochemistry Research”. Retrieved from https://online.budstandart.com/ua/catalog/doc-page?id_doc=72836.
  9. DSTU ISO 10390:2022. (2022). Soil, treated biowaste and sludge. Determination of pH. Retrieved from https://online.budstandart.com/ua/catalog/doc-page.html?id_doc=97744.
  10. DSTU ISO 14235:2005. (2005). Soil quality. Determination of organic carbon by sulfochromic oxidation. Retrieved from https://online.budstandart.com/ua/catalog/doc-page?id_doc=52992.
  11. Fadl, M.E., et al. (2025). Integrating RUSLE, AHP, GIS, and cloud-based geospatial analysis for soil erosion assessment under Mediterranean conditions. Scientific Reports, 15, article number 38494. doi: 10.1038/s41598-025-22503-3.
  12. Fang, H., Zhai, Y., & Li, C. (2024). Evaluating the impact of soil erosion on soil quality in an agricultural land, northeastern China. Scientific Reports, 14, article number 15629. doi: 10.1038/s41598-024-65646-5.
  13. Fredj, A., Ghernaout, R., Dahmani, S., & Remini, B. (2024). Assessing soil erosion through the implementation of the RUSLE model and geospatial technology in the Isser watershed, northern Algeria. Water Supply, 24(7), 2487-2505. doi: 10.2166/ws.2024.154.
  14. Guche, M.S., Geremew, G.B., & Ayele, E.G. (2024). GIS-based soil erosion dynamics modeling by RUSLE at watershed level in Hare Watershed, Rift Valley Basin, Ethiopia. Applied and Environmental Soil Science, 2024, article number 9916448. doi: 10.1155/2024/9916448.
  15. Kalambukattu, J.G., Kumar, S., Das, B., & Roy, T. (2025). Digital mapping of soil organic carbon in the hilly and mountainous landscape of Indian Himalayan region employing machine-learning techniques. Discover Soil, 2, article number 35. doi: 10.1007/s44378-025-00060-5.
  16. Koralay, N., & Kara, Ö. (2025). Risk assessment of soil erosion with RUSLE using geographic information system and organic carbon and total nitrogen loadings of suspended sediment in Sogutlu Stream Watershed of Trabzon, Turkey. Environmental Earth Sciences, 84, article number 258. doi: 10.1007/s12665-025-12271-8.
  17. Manninen, N., Kanerva, S., Lemola, R., Turtola, E., & Soinne, H. (2023). Contribution of water erosion to organic carbon and total nitrogen loads in agricultural discharge from boreal mineral soils. Science of the Total Environment, 905, article number 167300. doi: 10.1016/j.scitotenv.2023.167300.
  18. Näsi, R., Mikkola, H., Honkavaara, E., Koivumäki, N., Oliveira, R.A., Peltonen-Sainio, P., Keijälä, N.-S., Änäkkälä, M., Arkkola, L., & Alakukku, L. (2023). Can basic soil quality indicators and topography explain the spatial variability in agricultural fields observed from drone orthomosaics? Agronomy, 13(3), article number 669. doi: 10.3390/agronomy13030669.
  19. Nozari, S., Pahlavan-Rad, M.R., Brungard, C., Heung, B., & Borůvka, L. (2024). Digital soil mapping using machine learning-based methods to predict soil organic carbon in two different districts in the Czech Republic. Soil and Water Research, 19(1), 32-49. doi: 10.17221/119/2023-SWR.
  20. Oukhattar, M., Gadal, S., Robert, Y., Saby, N., Houmma, I.H., & Keller, C. (2025). Variability analysis of soil organic carbon content across land use types and its digital mapping using machine learning and deep learning algorithms. Environmental Monitoring and Assessment, 197, article number 535. doi: 10.1007/s10661-025-13972-0.
  21. Sakhaee, A., Gebauer, A., Ließ, M., & Don, A. (2022). Spatial prediction of organic carbon in German agricultural topsoil using machine learning algorithms. SOIL, 8(2), 587-604. doi: 10.5194/soil-8-587-2022.
  22. Samarinas, N., Tsakiridis, N.L., Kalopesa, E., & Zalidis, G.C. (2024). Soil loss estimation by water erosion in agricultural areas introducing artificial intelligence geospatial layers into the RUSLE model. Land, 13(2), article number 174. doi: 10.3390/land13020174.
  23. Schuster, J., Mittermayer, M., Maidl, F.-X., Nätscher, L., & Hülsbergen, K.-J. (2023). Spatial variability of soil properties, nitrogen balance and nitrate leaching using digital methods on heterogeneous arable fields in southern Germany. Precision Agriculture, 24, 647-676. doi: 10.1007/s11119-022-09967-3.
  24. Singh, M.C., Sur, K., Al-Ansari, N., Arya, P.K., Verma, V.K., & Malik, A. (2023). GIS integrated RUSLE model-based soil loss estimation and watershed prioritization for land and water conservation aspects. Frontiers in Environmental Science, 11, article number 1136243. doi: 10.3389/fenvs.2023.1136243.
  25. Tian, J., Yuan, Y., Zhou, P., Wang, L., Chen, Z., & Chen, Q. (2023). Spatial distribution of soil organic carbon and total nitrogen in a micro-catchment of Northeast China and their influencing factors. Sustainability, 15(8), article number 6355. doi: 10.3390/su15086355.
  26. Wischmeier, W.H., & Smith, D.D. (1978). Predicting rainfall erosion losses. A guide to conservation planning. Washington: Department of Agriculture, Science and Education Administration.
  27. Wu, Y., Jia, G., Yu, X., Rao, H., Peng, X., Wang, Y., Wang, Y., & Wang, X. (2024). Response of soil nutrients and erodibility to slope aspect in the northern agro-pastoral ecotone, China. SOIL, 10(1), 61-75. doi: 10.5194/soil-10-61-2024.
  28. Xu, B., Li, Y., & Liu, Y. (2024). Spatial distribution of soil carbon and nitrogen content in the Danjiangkou Reservoir area and their responses to land-use types. Sustainability, 16(1), article number 444. doi: 10.3390/su16010444.
  29. Yosef, B.A., Gomi, T., Ohira, M., Uchiyama, Y., & Shiraki, K. (2025). Spatial variability of soil characteristics for estimation of soil erodibility in headwater catchments. Environmental Earth Sciences, 84, article number 581. doi: 10.1007/s12665-025-12530-8.