Post-fire erosion dynamics in the Dim River Basin: a remote sensing and Google Earth Engine approach

BackgroundForest fires seriously affect ecosystem balance but can also play a vital role in ecosystems. Remote sensing methods provide significant convenience for determining the effects of fires on ecosystem balance, due to their capacity to precisely detect and analyze changes over large areas. These methods help determine the critical role of forests, especially in challenging terrains, in erosion control. This study aims to investigate the impact of forest fires on soil erosion dynamics using the Revised Universal Soil Loss Equation (RUSLE) within the Google Earth Engine (GEE) platform, to highlight the critical role of forests in erosion control, especially in challenging terrains like the Dim River Basin. For the pre-fire (2020) and post-fire (2022) soil loss estimates, topography, land cover, and local characteristics were considered using the RUSLE model, which uses datasets integrating satellite imagery and precipitation.ResultsDetermined soil loss classes in hectares for 2020 and 2022, reflecting pre- and post-fire erosion estimates for the Dim River Basin. The "very low" class experienced a slight increase. In the dominant class, significant shifts occurred in the "moderate," "severe," "very severe," and "extreme" classes, highlighting the considerable influence that forest fires have on the dynamics of erosion. Post-fire soil losses surge to 11.07 tons ha-1 year-1 from 10.94 tons ha-1 year-1 pre-fire, indicating escalated erosion risk post-wildfires, primarily due to intense precipitation and decreased land cover caused by fire. The 7% rise in the extreme class suggests that erosion was intensified by decreased land cover in rocky areas.ConclusionsResults underscore the urgency for immediate post-forest fire erosion control measures, advocating sustainable land-use planning in vulnerable regions and effective erosion control methods. This study provides pivotal insights into forest fire impacts on soil erosion, supporting informed conservation and management strategies. In conclusion, GEE integrated with RUSLE effectively monitors soil erosion dynamics and changes after post-forest disturbance. Cloud-based computing ensures accurate predictions, encouraging collaborative efforts for targeted management strategies vital for ecological balance. GEE's computational prowess positions it as a valuable tool for understanding and formulating effective post-forest fire strategies.

AntecedentesLos incendios forestales afectan seriamente el balance de los ecosistemas y juegan un rol vital en ellos. Los m & eacute;todos que usan sensores remotos proveen de una conveniencia significativa para poder determinar los efectos de los fuegos en el balance de los ecosistemas, debido fundamentalmente a su capacidad para detectar cambios sobre grandes & aacute;reas. Eso m & eacute;todos ayudan a determinar el rol cr & iacute;tico de los bosques especialmente en terrenos complicados, en el control de la erosi & oacute;n. Este estudio propone investigar el impacto de incendios forestales en la din & aacute;mica de la erosi & oacute;n del suelo usando la versi & oacute;n revisada de la ecuaci & oacute;n universal de p & eacute;rdida de suelo (RUSLE) mediante la plataforma del Google Earth Engine (GEE) para subrayar el rol cr & iacute;tico de los bosques en el control de la erosi & oacute;n, especialmente en terrenos complicados como la Cuenca del R & iacute;o Dim (Dim River Basin). Para la estimaci & oacute;n de la p & eacute;rdida de suelo en el momento previo al incendio (2020) y post fuego (2022), la topograf & iacute;a, cobertura vegetal, y caracter & iacute;sticas locales fueron consideradas usando el modelo RUSLE, el cual usa conjunto de datos que integran im & aacute;genes satelitales y precipitaci & oacute;n.ResultadosLas clases de p & eacute;rdidas de suelo determinadas en hect & aacute;reas para 2020 y 2022, reflejaron las estimaciones de erosi & oacute;n para la Cuenca del R & iacute;o Dim, mientras que la clase "muy baja" experiment & oacute; un leve incremento en la clase dominante, cambios significativos ocurrieron en las clases "moderada", "severa", "muy severa", y "extrema", subrayando la considerable influencia que tienen los incendios forestales en la din & aacute;mica de la erosi & oacute;n del suelo. Las p & eacute;rdidas de suelos post fuego fueron de 11,07 ton ha-1a & ntilde;o-1 a 10,94 ton ha-1a & ntilde;o-1 en el pre fuego, indicando una escalada del riesgo de erosi & oacute;n en el post fuego, debido primariamente a las intensas precipitaciones y a un decremento en la cobertura del suelo por el fuego. El aumento del 7% en la clase extrema sugiere que la erosi & oacute;n fue intensificada por una menor cobertura del suelo en & aacute;reas rocosas.ConclusionesLos resultados subrayan la urgencia para realizar control de la erosi & oacute;n inmediatamente luego del fuego, lo que aconseja promover un planeamiento sustentable del uso del suelo en regiones vulnerables y aplicar m & eacute;todos efectivos de control de la erosi & oacute;n. Este estudio provee de recomendaciones cruciales sobre los efectos de los fuegos forestales sobre la erosi & oacute;n de los suelos, y aporta informaci & oacute;n para el desarrollo de estrategias de manejo y conservaci & oacute;n. En conclusi & oacute;n, GEE integrada con RUSLE pueden efectivamente monitorear la din & aacute;mica de la erosi & oacute;n luego del disturbio fuego. La computaci & oacute;n basada en la nube asegura predicciones precisas, lo que alienta a realizar esfuerzos colaborativos para obtener estrategias de manejo para lograr el balance ecol & oacute;gico. La destreza computacional del GEE es una herramienta para entender y formular estrategias efectivas en bosques post-fuego.