Vorhersage der langfristigen Dynamik von Bodensalinität und Sodizität auf globaler Ebene

Das Wissen über die spatio-temporale Verteilung und die Wahrscheinlichkeit des (Wieder)auftretens von salzbelasteten Böden ist entscheidend für unser Verständnis der Landdegradation und für die Planung effektiver Sanierungsstrategien angesichts zukünftiger klimatischer Unsicherheiten. Konventionelle Methoden zur Verfolgung der Variabilität von Bodensalinität/Sodizität sind jedoch stark lokalisiert, was globale Vorhersagen erschwert. Hier verwenden wir maschinelles Lernen und einen umfassenden Satz von klimatischen, topografischen, boden- und ferngesteuerten Daten, um Modelle zu entwickeln, die in der Lage sind, Vorhersagen über Bodensalinität (ausgedrückt als elektrische Leitfähigkeit von gesättigtem Bodenextrakt) und Sodizität (gemessen als Austausch-Natriumanteil im Boden) an verschiedenen Längengraden, Breitengraden, Bodentiefen und Zeiträumen zu machen. Mithilfe dieser prädiktiven Modelle stellen wir ein quantitatives und rasterbasierte Datensatz auf globaler Ebene bereit, der verschiedene spatio-temporale Aspekte der Variabilität von Bodensalinität und Sodizität in den letzten vier Jahrzehnten mit einer Auflösung von ∼1 km charakterisiert. Die Analyse dieses Datensatzes zeigt, dass eine Bodenfläche von 11,73 Mkm2, die sich in nicht-kalten Zonen befindet, in mindestens drei Vierteln der Jahre zwischen 1980 und 2018 salzbelastet war, wobei 0,16 Mkm2 dieser Fläche Ackerland sind. Obwohl die Nettoveränderungen in der Bodensalinität/Sodizität und die gesamte Fläche salzbelasteter Böden geographisch stark variabel waren, sind die Kontinente mit den höchsten salzbelasteten Flächen Asien (insbesondere China, Kasachstan und Iran), Afrika und Australien. Die vorgeschlagene Methode kann auch zur Quantifizierung der spatio-temporalen Variabilität anderer dynamischer Bodenparameter wie Bodennährstoffe, organischer Kohlenstoffgehalt und pH-Wert angewendet werden.