Soil erosion is a natural process that refers to the wearing top of the soil layer and transport to another place. This process has turned into an increasing spatial problem as human activities cause changes in the land cover. The increase in soil erosion not only affects soil fertility, but also threatens food security. Studies within the scope of soil erosion focus on sediment transport and modeling of erosion-sensitive areas in order to understand the dynamics of the process and to minimize the negative effects. The increase in modeling applications on this subject in the last 30 years shows that the interest on the soil erosion problem has increased. The aim of this study is to examine the changes in the most used models in soil erosion studies within the scope of the literature. For this, the data properties and algorithm structures of the models were examined in detail and it was determined that among dozens of models, USLE/RUSLE, SWAT and WEPP models and machine learning approaches came to the fore in terms of the number of applications. In conclusion, some models are more preferred since they are compatible with different environmental conditions and simulate process with high accuracy.
Toprak erozyonu, toprağın üst katmanının aşınarak başka bir yere taşınmasını ifade eden doğal bir süreçtir. Bu oluşum beşeri faaliyetlerin arazi örtüsünde değişimlere neden olmasıyla artan mekânsal bir probleme dönüşmüştür. Toprak erozyonundaki artış toprak verimliliğini olumsuz etkilediği gibi gıda güvenliğini de tehdit etmektedir. Toprak erozyonu kapsamındaki çalışmalar, sürecin işleyişini anlamak ve ortaya çıkan olumsuz etkileri en aza indirmek için sediman taşınımı ve erozyona duyarlı alanların belirlenmesi konularına yoğunlaşmıştır. Son 30 yılda bu konudaki modelleme uygulamalarının artması toprak erozyonu sorunu üzerine ilginin arttığını göstermektedir. Bu çalışmanın amacı toprak erozyonu konusunda en çok başvurulan modellerin geçirdiği değişimin literatür kapsamında değerlendirilmesidir. Bunun için modellerin veri özellikleri ve algoritma yapıları detaylı bir biçimde incelenmiş ve onlarca model arasında USLE/RUSLE, SWAT ve WEPP modelleri ile makine öğrenmesi yaklaşımlarının uygulama sayıları bakımından ön plana çıktığı belirlenmiştir. Bazı modellerin daha çok tercih edilme nedenlerinin farklı ortam koşullarına uyumlu olmaları ve ortamı yüksek doğrulukta benzetim yapabildiklerinden kaynaklandığı sonucuna varılmıştır.
