Details zur Publikation
Kategorie Textpublikation
Referenztyp Zeitschriften
DOI 10.5675/HyWa_2022.3_2
Titel (primär) Regressionsmodelle zur Abschätzung eines klimawandelbeeinflussten zukünftigen Regenerosivitätsfaktors auf Basis von Monatswerten. Regression models for the evaluation of the rainfall factor with regard to climate change on the basis of monthly values
Autor Köhn, J.; Beylich, M.; Meißner, R.; Rupp, H.; Reinstorf, F.
Quelle Hydrologie und Wasserbewirtschaftung
Erscheinungsjahr 2022
Department BOSYS
Band/Volume 66
Heft 3
Seite von 122
Seite bis 136
Sprache deutsch
Topic T5 Future Landscapes
Keywords R-Faktor; Erosivität; Regressionsmodell; Klimawandel; Bodenerosion; R-Factor; rainfall erosivity; regression model; climate change; soil erosion
Abstract Der R-Faktor als Maß für die Erosivität von Niederschlagsereignissen findet Anwendung in der Quantifizierung von Bodenverlusten mithilfe der Allgemeinen Bodenabtragsgleichung (ABAG). Die Berechnung des R-Faktors nach Normvorschrift bedarf zeitlich hoch aufgelöster Niederschlagsdaten, die meist nicht flächendeckend vorhanden sind. Aufgrund dessen werden Regressionsmodelle, wie z. B. die länderspezifischen Gleichungen der DIN 19708:2017-08 – "Bodenbeschaffenheit – Ermittlung der Erosionsgefährdung von Böden durch Wasser mit Hilfe der ABAG" oder auch räumlich hoch aufgelöste Radarniederschlagsdaten eingesetzt. In dieser Studie werden zwei für die Praxis einfach gehaltene, regionale Regressionsmodelle für den Landkreis Mansfeld-Südharz zur Berechnung von R-Faktoren vorgestellt. Mit Regressionsgleichung 1 wird ähnlich der Ländergleichung, jedoch auf Grundlage von 6 monatlichen Niederschlagsfaktoren,
der R-Faktor auf Landkreisebene berechnet. Die Ergebnisse zeigen, dass die Gleichung eine höhere Genauigkeit aufweist als die DIN-Gleichung für Sachsen-Anhalt. Mit Regressionsgleichung 2 wird auf Grundlage von monatlichen Niederschlagsänderungsfaktoren die Zu- bzw. Abnahme des R-Faktors ermittelt. Die Gleichung wird speziell für die Betrachtung des Klimawandels eingesetzt. Die Validierung anhand von Änderungssignalen eines regionalen Klimamodellensembles des RCP8.5-Szenarios zeigt eine hohe Modellgüte mit einer mittleren Abweichung vom DIN-R-Faktor in der Nahen und Fernen Zukunft von etwa 1 % und einem Korrelationskoeffizienten von größer 0,9. 

The R-factor as a measure of the erosivity of precipitation events is used to quantify soil losses using the Universal Soil Loss Equation (USLE). The calculation of the exact R-factor requires precipitation data with a high temporal resolution, which are usually not available widely. Due to this, regression models, such as the German Federal State related equation of DIN 19708:2017-08 – "Soil quality – Predicting soil erosion by water by means of ABAG" or spatially high-resolution radar rain data are used. In this study, two simple and practical,regional regression models for the Mansfeld-Südharz district for the calculation of R-factors are presented. Regression equation 1 calculates the R-factor at the county level similar to the state equation, but based on 6 monthly precipitation factors. The results show that the equation has a significantly higher accuracy than the DIN equation for Saxony-Anhalt. Regression equation 2 is used to determine the changes in the R-factor on the basis of monthly precipitation change factors. The equation is specifically developed for the considerationof climate change issues. Validation using change signals from a regional climate model ensemble of the RCP8.5 scenario shows high model quality with a mean deviation of the DIN-R factor in the Near and Far Future of about 1 % and a correlation coefficient of greater than 0.9.
dauerhafte UFZ-Verlinkung https://www.ufz.de/index.php?en=20939&ufzPublicationIdentifier=26208
Köhn, J., Beylich, M., Meißner, R., Rupp, H., Reinstorf, F. (2022):
Regressionsmodelle zur Abschätzung eines klimawandelbeeinflussten zukünftigen Regenerosivitätsfaktors auf Basis von Monatswerten. Regression models for the evaluation of the rainfall factor with regard to climate change on the basis of monthly values
Hydrol. Wasserbewirtsch. 66 (3), 122 - 136 10.5675/HyWa_2022.3_2