• Energy Research

Climate change is expected to affect the occurrence of heavy rainfall. We analyzed trends of heavy rainfall days for the last decades in Germany. For all available stations with daily data, days exceeding daily thresholds (10, 20, 30 mm) were counted annually. The Mann–Kendall trend test was applied to overlapping periods of 30 years (1951–2019). This period was extended to 1901 for 111 stations. The stations were aggregated by natural regions to assess regional patterns. Impacts of data inconsistencies on the calculated trends were evaluated with the metadata and recent hourly data. Although the trend variability depended on the chosen exceedance threshold, a general long-term trend for the whole of Germany was consistently not evident. After 1951, stable positive trends occurred in the mountainous south and partly in the northern coastal region, while parts of Central Germany experienced negative trends. The frequent location shifts and the recent change in the time interval for daily rainfall could affect individual trends but were statistically insignificant for regional analyses. A case study supported that heavy rains became more erosive during the last 20 years. The results showed the merit of historical data for a better understanding of recent changes in heavy rainfall.

Pour mieux comprendre l'application mondiale des modèles de prédiction de l'érosion des sols, nous avons examiné de manière approfondie la littérature de recherche pertinente évaluée par des pairs sur la modélisation de l'érosion des sols publiée entre 1994 et 2017. Nous avons cherché à identifier (i) les processus et les modèles les plus fréquemment abordés dans la littérature, (ii) les régions dans lesquelles les modèles sont principalement appliqués, (iii) les régions qui restent non traitées et pourquoi, et (iv) la fréquence des études menées pour valider/évaluer les résultats des modèles par rapport aux données mesurées. Pour mener à bien cette tâche, nous avons combiné les connaissances collectives de 67 scientifiques spécialistes de l'érosion des sols de 25 pays. La base de données résultante, intitulée « Global Applications of Soil Erosion Modelling Tracker (GASEMT) », comprend 3030 enregistrements de modélisation individuels provenant de 126 pays, englobant tous les continents (à l'exception de l'Antarctique). Sur les 8471 articles identifiés comme potentiellement pertinents, nous avons examiné 1697 articles appropriés et systématiquement évalué et transféré 42 attributs pertinents dans la base de données. Cette base de données GASEMT fournit des informations complètes sur l'état de l'art des modèles d'érosion des sols et des applications de modèles dans le monde entier. Cette base de données vise à soutenir la prochaine évaluation mondiale de l'érosion des sols par les Nations Unies basée sur les pays, en plus d'aider à éclairer les priorités de recherche sur l'érosion des sols en construisant une base pour de futures analyses ciblées et approfondies. GASEMT est une base de données open-source à la disposition de l'ensemble de la communauté des utilisateurs pour développer la recherche, corriger les erreurs et faire des extensions futures. Para comprender mejor la aplicación global de los modelos de predicción de la erosión del suelo, revisamos exhaustivamente la literatura de investigación relevante revisada por pares sobre modelos de erosión del suelo publicada entre 1994 y 2017. Nuestro objetivo fue identificar (i) los procesos y modelos abordados con mayor frecuencia en la literatura, (ii) las regiones dentro de las cuales se aplican principalmente los modelos, (iii) las regiones que permanecen sin abordar y por qué, y (iv) con qué frecuencia se realizan estudios para validar/evaluar los resultados del modelo en relación con los datos medidos. Para realizar esta tarea, combinamos el conocimiento colectivo de 67 científicos de erosión de suelos de 25 países. La base de datos resultante, denominada 'Global Applications of Soil Erosion Modelling Tracker (GASEMT)', incluye 3030 registros de modelado individuales de 126 países, que abarcan todos los continentes (excepto la Antártida). De los 8471 artículos identificados como potencialmente relevantes, revisamos 1697 artículos apropiados y evaluamos y transferimos sistemáticamente 42 atributos relevantes a la base de datos. Esta base de datos GASEMT proporciona información integral sobre el estado del arte de los modelos de erosión del suelo y las aplicaciones de modelos en todo el mundo. Esta base de datos tiene la intención de apoyar la próxima evaluación mundial de la erosión del suelo de las Naciones Unidas basada en los países, además de ayudar a informar las prioridades de investigación de la erosión del suelo mediante la creación de una base para futuros análisis específicos y en profundidad. GASEMT es una base de datos de código abierto disponible para toda la comunidad de usuarios para desarrollar investigaciones, rectificar errores y realizar futuras expansiones. To gain a better understanding of the global application of soil erosion prediction models, we comprehensively reviewed relevant peer-reviewed research literature on soil-erosion modelling published between 1994 and 2017. We aimed to identify (i) the processes and models most frequently addressed in the literature, (ii) the regions within which models are primarily applied, (iii) the regions which remain unaddressed and why, and (iv) how frequently studies are conducted to validate/evaluate model outcomes relative to measured data. To perform this task, we combined the collective knowledge of 67 soil-erosion scientists from 25 countries. The resulting database, named 'Global Applications of Soil Erosion Modelling Tracker (GASEMT)', includes 3030 individual modelling records from 126 countries, encompassing all continents (except Antarctica). Out of the 8471 articles identified as potentially relevant, we reviewed 1697 appropriate articles and systematically evaluated and transferred 42 relevant attributes into the database. This GASEMT database provides comprehensive insights into the state-of-the-art of soil- erosion models and model applications worldwide. This database intends to support the upcoming country-based United Nations global soil-erosion assessment in addition to helping to inform soil erosion research priorities by building a foundation for future targeted, in-depth analyses. GASEMT is an open-source database available to the entire user-community to develop research, rectify errors, and make future expansions. للحصول على فهم أفضل للتطبيق العالمي لنماذج التنبؤ بتآكل التربة، قمنا بمراجعة شاملة للأدبيات البحثية ذات الصلة التي استعرضها الأقران حول نمذجة تآكل التربة المنشورة بين عامي 1994 و 2017. كنا نهدف إلى تحديد (1) العمليات والنماذج التي يتم تناولها بشكل متكرر في الأدبيات، (2) المناطق التي يتم فيها تطبيق النماذج في المقام الأول، (3) المناطق التي لا تزال دون معالجة ولماذا، و (4) عدد المرات التي يتم فيها إجراء دراسات للتحقق من صحة/تقييم نتائج النموذج بالنسبة للبيانات المقاسة. لأداء هذه المهمة، جمعنا المعرفة الجماعية لـ 67 عالمًا في مجال تآكل التربة من 25 دولة. تتضمن قاعدة البيانات الناتجة، المسماة "التطبيقات العالمية لتتبع نمذجة تآكل التربة (GASEMT )"، 3030 سجل نمذجة فردي من 126 دولة، تشمل جميع القارات (باستثناء القارة القطبية الجنوبية). من بين 8471 مقالة تم تحديدها على أنها ذات صلة محتملة، قمنا بمراجعة 1697 مقالة مناسبة وقمنا بتقييم ونقل 42 سمة ذات صلة بشكل منهجي إلى قاعدة البيانات. توفر قاعدة بيانات GASEMT هذه رؤى شاملة حول أحدث نماذج تآكل التربة وتطبيقات النماذج في جميع أنحاء العالم. تهدف قاعدة البيانات هذه إلى دعم التقييم العالمي المقبل لتآكل التربة الذي تجريه الأمم المتحدة على المستوى القطري بالإضافة إلى المساعدة في توجيه أولويات أبحاث تآكل التربة من خلال بناء أساس للتحليلات المتعمقة المستهدفة في المستقبل. GASEMT هي قاعدة بيانات مفتوحة المصدر متاحة لمجتمع المستخدمين بأكمله لتطوير البحث وتصحيح الأخطاء وإجراء التوسعات المستقبلية.

The universal soil loss equation (USLE) is widely used to identify areas of erosion risk at regional scales. In Brandenburg, USLE R factors are usually estimated from summer rainfall, based on a relationship from the 1990s. We compared estimated and calculated factors of 22 stations with 10-min rainfall data. To obtain more realistic estimations, we regressed the latter to three rainfall indices (total and heavy-rainfall sums). These models were applied to estimate future R factors of 188 climate stations. To assess uncertainties, we derived eight scenarios from 15 climate models and two representative concentration pathways (RCP), and compared the effects of index choice to the choices of climate model, RCP, and bias correction. The existing regression model underestimated the calculated R factors by 40%. Moreover, using heavy-rainfall sums instead of total sums explained the variability of current R factors better, increased their future changes, and reduced the model uncertainty. The impact of index choice on future R factors was similar to the other choices. Despite all uncertainties, the results indicate that average R factors will remain above past values. Instead, the extent of arable land experiencing excessive soil loss might double until the mid-century with RCP 8.5 and unchanged land management.