Spatio-temporal patterns of farmland abandonment in the irrigated lowlands of Amu Darya and Syr Darya : a retrospective analysis between 1987 and 2017 using remote sensing and geospatial data

Abstract

Ein großer Teil der Bewässerungslandwirtschaft in den postsowjetischen zentralasiatischen Staaten wurde seit den 1970er Jahren aufgegeben, und die räaumlichen und zeitlichen Muster sind nach wie vor unbekannt. In dieser Studie wurde ein retrospektives Framework zur jährlichen, feldgenauen Untersuchung von Landaufgabe und deren Ursachen in drei Gebieten, Khorezm, Südkarakalpakstan (SKKP) und Kazalinsk entwickelt. In Khorezm sind im Jahr 2017 9 %, in SKKP 38% und in Kazalinsk 38 % der Felder aufgegeben. Potenzell gefährdet sind 19% - 32 %. Die Treiberanalyse unter Verwendung räumlicher Prädiktoren wurde pro Landkreis durchgeführt, wobei die Bodenqualität und die Lage eines Feldes als wichtigste Treiber erkannt wurden. Aber auch die Wasserverfügbarkeit und der Zustand des Bewässerungsnetzes beeinflussen die Landnutzung. Das Framework Rahmen kann Landnutzungsplanern bei gezielten Maßnahmen unterstützen und ist durch die Verwendung offener Daten und die Verwendung der Ergebnisse in digitalen Geodatendiensten besonders attraktiv.

Large scale of the irrigation agriculture in the post soviet Central Asian states has been abandoned since the 1970s and its spatial and temporal patterns remain unknown. This study provides a retrospective framework to investigate spatial and temporal distribution, and the drivers of abandonment. Three study sites were selected. In Khorezm, 9% of the fields, 38% in South Karakalpakstan (SKKP) and Kazalinsk remain abandoned in 2017. Affected by abandonment are 19% in Khorezm and up to 32% in SKKP and Kazalinsk. The driver analysis using spatial predictors was performed for each rayon, reveiling the soil quality and location of a field to the irrigation infrastructure as significant drivers. But also water availability and the condition of the irrigation network influence land use. The framework can support land use planners on targeted measures and is attractive due to the use of open data and that its results can be implemented digital geoservices.