Development of erosion prediction tool for sustainable soil management

Akronim / šifra: Predict-Er / 7047
NIO nosilac projekta: Univerzitet u Beogradu - Institut za nuklearne nauke „Vinča“
NIO učesnici projekta: Univerzitet u Nišu - Prirodno-matematički fakultet, Univerzitet u Beogradu - Poljoprivredni fakultet
Rukovodilac projekta: Snežana Dragović, naučni savetnik
Projekat finansira: Fond za nauku Republike Srbije
Program: PRIZMA
Period realizacije: 2023 - 2026.
Website: predict-er.com

[sr]Predict-Er, kroz multidisciplinarni pristup, po prvi put kombinuje nuklearne, analitičke i statističke tehnike i tehnike daljinske detekcije za razvoj novog alata za predviđanje intenziteta erozije i dinamike sedimenata pri različitim scenarijima upravljanja zemljištem. Reprezentacioni i procesni modeli integrisani u Web-GIS alat, prilagođen korisniku, imaju za cilj da podrže donosioce odluka u izboru odgovarajućih mera konzervacije za minimiziranje efekata erozije. Povratne informacije relevantnih zainteresovanih strana koristiće se za poboljšanje dizajna i performansi alata. Biće predloženi modeli najboljih predikcionih performansi u cilju optimizacije količine ulaznih podataka za parametrizaciju modela pri budućim aplikacijama u različitim regionima. Korišćenje Predict-Er pristupa značajno će uticati na kvalitet zemljišta i površinskih voda sa posledičnim socio-ekonomskim koristima i uticajem na strategije održivog upravljanja zemljištem.

[en]The Predict-Er brings a multidisciplinary approach that combines, for the first time, nuclear, analytical, statistical, and remote sensing techniques to develop a novel tool capable of predicting changes in soil erosion rates and sediment dynamics over a range of management scenarios. The representation and process models integrated into the Web-GIS user-friendly tool aim to support decision-makers in targeting appropriate conservation measures to minimize on-site and off-site effects of soil erosion. The relevant stakeholders' feedback is used to improve the tool design and performance. The best prediction models will be proposed to optimize the quantity of input data for model parameterization in future applications across different regions. Using the decision-making approach invented by Predict-Er will substantially impact the soil and surface water quality with consequent socio-economic benefits and impact on national and international policies.