Az Alföld Közép-Európa legnagyobb sík területe. Kontinentális éghajlatú, de óceáni és mediterrán hatások is érvényesülnek. Az átlagos éves csapadék rendkívül magas területi és időbeli változékonyságot mutathat. Ilyen körülmények között a csapadék jelentős része elvész a felszíni lefolyás, a beszivárgás és a párolgás során, azonban a síkvidéki területeken a belvizek számos problémát okoznak és károsítják a mezőgazdasági területeket. A belvíz által veszélyeztetett területek mintegy 1,8 millió hektárt érintenek, amelyből 60% az Alföld szántóit jelenti. Pálfai (2000) szerint 5 éves gyakorisággal érintett terület mintegy 150000 hektárt tesz ki. A vizsgált Békés-Csanádi löszháton (1700 km2) a hagyományos összegyülekezési elvű belvízelöntéseken túl egyes években kialakulhatnak talajvízfeltöréses jelenségek is, melyet a népnyelv találóan földárjának nevezett el. Az előzőeken túl a mintaterület kiválasztásának szempontjai voltak a területre jellemző domináns mezőgazdasági termelés, a nehéz szerkezetű talajviszonyok (jellemzően agyagos összetételű mezőségi talajok, alacsony vízáteresztő képesség stb.) és az, hogy a területről hosszú idősoros adatok álltak rendelkezésre (meteorológia, talajvíz, belvízelöntések stb.). A belvíz jelenség megértése miatt szakirodalmi feldolgozást végeztem, mely kiterjedt az ok-okozati összefüggések feltárására, a legnagyobb belvizes évek jellemzőire, a belvíz-veszélyeztetettségi térképezés módszertani különbségeire, a belvizes területek mezőgazdaságágára és a belvizes területek hasznosíthatóságára. A mezőgazdasági területek ésszerű és megelőző jellegű kezeléséhez megfelelő információ szükséges a belvíz térbeli és időbeli eloszlásáról. A belvíz keletkezése összetett folyamat, amelynek jellemzőit csak számos tényező figyelembevételével határozhatjuk meg. A talajvízjárás specifikusságának meghatározása érdekében matematikai-statisztikai vizsgálatokat végeztem. Meghatároztam a vizsgálatba vont kutakban mért talajvízszintek eloszlásfüggvényeinek csúcsosságát és ferdeségét, melynek alapján következtetéseket lehet levonni a kutak „használatát” illetően. Azok a kutak, ahol az empirikus eloszlásfüggvény ferdesége negatív előjelű, illetve a hozzá tartozó lineáris trend emelkedő, valószínűsíthető, hogy a kút környékén víz feltöltődés, ellenkező esetben vízkivonás történt. Az eredmények alapján feltételezhető, hogy a fizikai indoklással is alátámasztott statisztikai modell (Pearson III eloszlás) a terület egészére vonatkozóan elfogadható közelítés a talajvízjárás lényegi törvényszerűségeire. Matematikai-statisztikai vizsgálatokat végeztem a befolyásoló tényezők súlyának a megállapításához is. A vizsgálat eredményei alapján a talajtani tényező határozza meg leginkább az elöntés kialakulását, majd ezt követi a földhasználat típusa, a domborzati jellemzők, a talajvízszint változása, a földtani adottságok és végül a hidrometeorológiai viszonyok. A Békés-Csanádi löszháton GIS-alapú kvantifikációt végeztem a belvíz-veszélyeztetettség térképezéséhez, melyhez korlátozott számú környezeti tényezőt alkalmaztam (talajtani, földtani, domborzati, földhasználati, talajvíz, hidrometeorológiai) és egy jól definiált és számszerűsített paramétert határoztam meg minden tényezőhöz (0,1-5-ig terjedő érték), melyet térben is reprezentáltam. Minél alacsonyabb a befolyásoló tényező értéke, annál nagyobb a szerepe a belvíz kialakulásában:

1. Hidrometeorológiai hatótényező, HUMI: az éves súlyozott csapadék és a lehetséges párolgás hányadosának 10%-os előfordulási valószínűségű értéke;
2. Domborzati hatótényező, DOMB: relief-energia érték 20x20 méteres pixelben;
3. Talajtani hatótényező, TT: víznyelési sebesség alapján meghatározva a Kreybig és Várallyay-féle térképek felhasználásával;
4. Földtani hatótényező, FT: földtani térképek adatbázisának felhasználásával, agyagossági százalék alapján, a legfelső vízzáró réteg vastagságából és felszíntől való mélységéből számítva;
5. Talajvíz hatótényező, TV: 4 LNV átlag alapján számítva;
6. Földhasználati hatótényező, FH: a CORINE CLC50 adatbázis alapján számítva művelési ágak szerint. A bemutatott hatótényezők digitális fedvényeit egymásra illesztettem, és a számított regressziós egyenlet alapján elkülönített módon összegeztem a hatótényezőket. Az egyes hatótényezőket, „független” változóként, a belvíz-gyakorisági értékekkel („függő” változó) vetettem össze. Többváltozós regresszió analízist alkalmaztam a befolyásoló tényezők szerepének meghatározásához, így biztosítva a súlyozást az alkalmazott tényezők lineáris becsléséhez. Tapasztalataim szerint a humiditási index a többváltozós regresszió analízis során torzította az eredményeket. Ennek következtében végül a regressziós egyenlettel meghatározott értéket még megszoroztam a HUMI-val és egy arányosító értékkel, melyet elneveztem Komplex Belvíz-veszélyeztetettségi Mutatónak (KBM). A KBM az alábbi egyenlettel határozható meg:

KBM = (0,9 – 0,360TT + 0,033FT – 0,025FH – 0,017DOMB – 0,017*TV)5HUMI

Az egyenlet által szolgáltatott értékeket ezt követően a belvíz-veszélyeztetettségi térkép összeállításához használtam, melyet Jenks-féle módszerrel osztályoztam (nem, mérsékelten, közepesen, erősen és igen erősen belvíz-veszélyeztetett kategóriákba sorolva). Az eredménytérkép alapján részleteiben tanulmányozható a belvíz-veszélyeztetettség térbeli eloszlása. A veszélyeztetettségi térkép számos vízgazdálkodási és földhasználati tervezéshez és fejlesztéshez hasznosítható (pl. földhasználat racionalizálás, vízrendezés, vizes élőhely rekonstrukció stb.). Ezen túl összegyűjtöttem a belvizes területek alternatív hasznosítási lehetőségeit (termőhely-specifikus termesztéstechnológia; erdősítés és gyepesítés; rét-, legelőgazdálkodás; gyümölcsösök; nádgazdálkodás; rizstermesztés; gyógy- és drognövénytermesztés; vízvisszatartás és tározás; halastavak, multifunkcionális tógazdaságok létesítése; legeltetéses állattartás; turizmus-ökoturizmus; vadászati hasznosítás; természetvédelmi területek növelése; vizes élőhelyek fenntartása és kialakítása), melyet a veszélyeztetettségi kategóriákhoz rendeltem.

The Great Hungarian Plain is the largest flat area in Central Europe. It has a continental climate, but also oceanic and Mediterranean influences. The average annual precipitation may show extremely high spatial and temporal variability. Under these conditions, much of the precipitation is lost during surface runoff, infiltration and evaporation, but in lowland areas, excess waters cause a number of problems and damage on the agricultural lands. Areas endangered by excess water affect about 1.8 million hectares, of which 60% are arable land in the Great Hungarian Plain. According to Pálfai (2000), the area affected with a 5-year frequency is about 150,000 hectares. In the examined Békés-Csanád Loess Plateau (1700 km2), in addition to the traditional accumulation form of excess water inundation, groundwater upraising phenomena may also develop in some years. In addition to the above, the selection of the pilot area was based on the dominant agricultural production of the area, unfavorable soil conditions (typically clay soils, low water permeability, etc.) and on the available long time series data (meteorology, groundwater, excess water inundations, etc.). In order to understand the excess water phenomenon, I conducted a literature exploration covering the cause and effect relationships of influential factors of excess water formulations, the characteristics of the greatest inundations of excess waters, the methodological differences of the excess water hazard mapping, the agricultural productions of excess water hazarded areas, and the utilization of excess water hazarded areas. Reasonable and preventive management of agricultural lands requires adequate information on the spatial and temporal distribution of excess water inundations. The formation of excess water is a complex process, the characteristics of which can only be determined by considering a number of influential factors. Mathematical-statistical studies were performed to determine the pointedness and skewness of the empirical distribution functions and for these reasons the conclusion can be drawn using of wells. On the one hand if the skewness of the empirical distribution function is positive, the confined water will be able to play a great part in compensating of groundwater level. On the other hand if it is negative, the groundwater will be able to rush up. According to the results the theoretical distribution function (Pearson III.) is conforming to the empirical distribution function of the greater part wells. Mathematical-statistical studies were performed to determine the weight of the influencing factors. Based on the results the soil factor mainly determines the excess water inundations, then land use, relief, groundwater, geology and finally hydrometeorology. GIS-based quantification on the Békés-Csanád Loess Plateau was performed to map excess water hazard. Limited number of environmental factors (hydrometeorology, relief, soil, geology, groundwater, and land use) was considered and a well-defined and quantified parameter for each factor (values ranging from 0.1 to 5) was determined. The lower the value of the influencing factor, the greater its role in the formation of excess water inundations. Each factor was spatially represented:

1. Hydrometeorology factor (HUMI): the value of the quotient of the annual weighted precipitation and the possible evaporation with a probability of occurrence of 10%;
2. Relief factor (RELI): relief energy value in 20x20 meter pixels;
3. Soil factor (SOIL): determined on the basis of water infiltration rate using Kreybig and Várallyay maps;
4. Geology factor (GEOL): using a database of geological maps, based on the percentage of clay content, calculated from the thickness and depth of the uppermost aquitard (impermeable) layer;
5. Groundwater factor (GW): calculated on the basis of 4 HGL (highest groundwater level) average;
6. Land use factor (LU): calculated according to the CORINE CLC50 database by individually attributed to its categories. The digital overlays of the presented factors was overlaid to each other according to the calculated regression equation. The individual factors, as “independent” variables, with the excess water frequency values (“dependent” variable) was compared. Multivariate regression analysis was used to determine the role of influencing factors, thus providing its weights for linear estimation of the applied factors. In my experience, the humidity index skewed the fitness in the multivariate regression analysis. As a result, the value determined by the regression equation was finally multiplied with HUMI and a proportional value. The indicator calculated by the regression equation was named Complex Excess Water Hazard Index (CEWHI). CEWHI can be defined by the following equation:

CEWHI = (0.9 – 0.360SOIL + 0.033GEOL – 0.025LU – 0.017RELI – 0.017*GW)5HUMI

The values provided by the equation were then used to compile the excess water hazard map, which was classified by using the Jenks method (not, moderately, meanly, highly, and extremely hazarded areas). Based on the result map, the spatial distribution of excess water hazard can be studied in details. The hazard map can be used for a number of water management and land use planning and development (e.g. land use rationalization, water management, wetland reconstruction, etc.). In addition, the alternative utilization opportunities for excess water hazarded areas was collected (site-specific cultivation technology; afforestation and grassing; meadow and pasture management; orchards; reed management; rice cultivation; medicinal and drug crop production; ecotourism, hunting utilization, increase of nature conservation areas, maintenance and development of wetlands), which was assigned to the hazard categories.