Eindrapport 'Inschatting van de vochtretentiecapaciteit van bodems op basis van bodem- en landgebruikskenmerken.'

Abstract

De beschikbaarheid van bodemvocht is van fundamenteel belang voor landbouwproductie, natuurbeheer en het ontwikkelen van veerkrachtige strategieën in het kader van klimaatadaptatie. In dit onderzoek, uitgevoerd in opdracht van het Vlaams Planbureau voor Omgeving in samenwerking met Antea Group, de Universiteit Gent (SoPhy) en de Bodemkundige Dienst van België, werden pedotransferfuncties (PTF’s) - wiskundige modellen - ontwikkeld die het mogelijk maken om het vochtvasthoudend vermogen van Vlaamse bodems te voorspellen op basis van eenvoudig meetbare bodem- en landgebruikskenmerken. Deze PTF’s geven beleidsmakers de mogelijkheid om op een snelle, kostenefficiënte en grootschalige manier de intrinsieke droogtegevoeligheid van bodems in te schatten, zonder klassieke metingen, welke arbeidsintensief en kostbaar zijn. De studie had tot doel om relaties vast te leggen tussen kenmerken zoals bodemtextuur, organisch koolstofgehalte (OC), bulkdichtheid (BD), pH en landgebruik enerzijds, en de vochtretentiekarakteristieken van de bodem anderzijds. Dit gebeurde aan de hand van zowel klassieke statistische modellen als doorgedreven machine learning-technieken. In totaal werden drie technieken toegepast – multi-lineaire regressie (MLR), support-vector regression (SVR) en random forest (RF) – om zowel punt- als parametrische PTF’s op te stellen. De modellen werden hiërarchisch opgebouwd in zeven niveaus, gaande van een microniveau met een uitgebreide set aan voorspellende variabelen tot een macroniveau met enkel basisgegevens. Deze hiërarchische benadering laat toe de modellen flexibel in te zetten, afhankelijk van de beschikbare data bij de eindgebruiker. De dataverzameling bestond uit het combineren van hoogkwalitatieve bestaande bodemdatabanken en een speciaal voor deze studie bijkomende meetcampagne, waarbij de stalen een brede waaier aan bodemtexturen en landgebruikstypes bestrijken, met een focus op het opvullen van lacunes in de bestaande datasets. Uit zowel de klassieke statistische data-analyse als de toepassing van moderne interpretatiemethodes zoals SHAP-waarden blijkt dat vooral de zand- en kleifracties, het organisch koolstofgehalte, de diepte en de bulkdichtheid bepalend zijn voor de vochtretentie van bodems. Hoewel pH vaak wordt meegenomen in dit soort studies, blijkt de invloed ervan in deze studie eerder beperkt. De meest accurate resultaten werden bekomen met de Punt-PTF gebaseerd op de SVR-techniek en de parametrische PTF met Random Forest, vooral op het mesoniveau waar bulkdichtheid als voorspellende variabele is opgenomen. Het model op microniveau, met een zeer uitgebreide set van variabelen, presteerde niet beter, wat wijst op redundantie in sommige variabelen. De accuraatheid van de modellen is over het algemeen zeer goed en in overeenstemming met internationale literatuur. Het landgebruik heeft over het algemeen een beperkte invloed op de voorspellende kracht van de modellen, met uitzondering van akkerland, dat door zijn homogene bewerking iets accuratere resultaten neerzet. Algemeen beslaan landbouwbodems typisch een nauwer bereik in vochtretentie dan bijvoorbeeld bos- of natuurbodems. Data m.b.t. akkerpercelen hebben doorgaans minder uitschieters, waardoor het model sneller beter presteert dan bij andere landgebruiken. Daarnaast bevestigt de analyse dat het effect van OC en BD niet overal gelijk is: in nattere delen van de vochtretentiecurve zijn BD en OC-dominant, terwijl in drogere secties vooral zand- en kleigehalten bepalend zijn. Het belang van de variabelen is dus mede afhankelijk van de verzadigingstoestand van de bodem. De ontwikkelde PTF’s leveren beleidsrelevante informatie op voor het inschatten van droogtegevoeligheid van bodems, met een hoge voorspellingsnauwkeurigheid, en zijn inzetbaar in diverse beleidsdomeinen. Ze vormen een belangrijke wetenschappelijke basis voor ruimtelijke planning, waterbeheer, landbouwbeleid en klimaatrobuuste gebiedsontwikkeling. Door de hiërarchische opbouw kunnen ze flexibel toegepast worden op basis van de beschikbare data. Aanbevolen wordt om deze modellen op te nemen in beleidsinstrumenten voor bodem- en droogterisicoanalyse, en om in te zetten op een verdere actualisatie van bodemkaarten op basis van meetgegevens, zeker met betrekking tot bulkdichtheid en OC. Deze studie levert aldus een belangrijke bijdrage aan de kennisopbouw rond bodemvocht en ondersteunt het streven naar een klimaatrobuust Vlaanderen.