DB15∕T 3974-2025 降水影响土壤水分增量的计算方法 草原区

ICS07.060

CCSA47

15

内蒙古自治区地方标准

DB15/T3974—2025

降水影响土壤水分增量的计算方法草原区

Thecalculationmethodofsoilmoistureincrementaffectedby

precipitationinstepperegion

2025-04-18发布2025-05-18实施

内蒙古自治区市场监督管理局发布

DB15/T3974—2025

前言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定

起草。

本文件由内蒙古自治区气象标准化技术委员会（SAM/TC23）提出并归口。

本文件起草单位：内蒙古自治区生态与农业气象中心、锡林浩特国家气候观象台。

本文件主要起草人员：冯旭宇、张存厚、娜日苏、杨丽萍、张国兰、郑诗然、张岚彪。

I

DB15/T3974—2025

降水影响土壤水分增量的计算方法草原区

1范围

本文件规定了草原区土壤解冻条件下一候内累积降水影响10cm～20cm土壤水分增量的计算流程

和方法。

本文件适用于基于降水与土壤水分增量关系开展草原区土壤墒情与干旱监测研发与应用的各部门。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本

文件。

GB/T33705土壤水分观测频域反射法

GB/T35228地面气象观测规范降水量

QX/T631北方牧区草原蝗虫发生气象等级

3术语和定义

GB/T33705、GB/T35228、QX/T631界定的以及下列术语和定义适用于本文件。

草原区stepperegion

以天然牧草为主的畜牧业生产区。

[来源：QX/T631—2021，3.1]

降水量precipitationamount

某一时段内的未经蒸发、渗透、流失的降水，在水平面上积累的深度。

[来源：GB/T35228—2017，3.2]

土壤水分soilmoisture

土壤含水量及其对应的牧草水分状态。土壤含水量通常由土壤重量含水量、土壤体积含水量或土壤

相对湿度表示，单位为百分数（%）。

[来源：GB/T33705—2017，3.2]

1

DB15/T3974—2025

土壤水分增量Incrementofsoilmoisture

土壤含水量的变化量。

4计算方法

线性回归(Linearregression，LR)是利用回归方程(函数)对一个或多个自变量(特征值)和因变

量(目标值)之间关系进行建模的一种分析方式。只有一个自变量的情况称为一元线性回归，大于一个自

变量情况的叫做多元回归。

本研究中应用线性回归机器学习模型，以数据为驱动，通过最小二乘法求出草原区各个代表性监测

站点的多元线性拟合方程见公式（1）。

푦=푎푥1+푏푥2+푐푥3+푑푥4+푒·····························································(1)

式中：

푦——土壤水分增量。即给定时间段内结束时间与初始时间土壤水分的差值。本文件使用指定时间

段内土壤水分自动站结束日期08时的土壤相对湿度值与土壤相对湿度初始值之差，单位为

百分数（%）；

푥1——累积降水量。给定时间段内日降水量之和。本文件使用北京时间08时—08时的日降水量，

指定时间段为一候以内，单位为毫米（mm）；

푥2——土壤水分初始值。给定时间段内初始时间的土壤水分值。本文件使用土壤水分自动站初始日

期08时的土壤相对湿度值，单位为百分数（%）；

푥3——月份值，给定时间段的结束日期的月份值；

푥4——降水累积持续时长。给定时间段内，小时降水量大于0.1mm的累计小时个数，单位为小时

（h）；

e——误差项。表示模型未能解释的部分，如测量误差、遗漏的变量或者其他随机因素。

草甸草原、典型草原、荒漠草原代表性监测站点的多元线性回归方程见附录A。

计算流程

以累积降水量、降水累积持续时长、月份值、土壤水分初始值为自变量，基于机器学习的多元线性

回归模型，预测一候内土壤水分增量。流程图如图1所示，详细的计算流程见附录B。

开始

①数据获取

①数据描述性统计

②数据预处理

②缺失值处理

①相关性分析

③探索性数据分析

②数据的图像化分析

①模型构建与优化

④构建多元线性

回归模型

②模型预测

①评估指标及结果

⑤评估与筛选模型

②真实值与预测值对比图

结束

图1降水影响土壤水分增量的计算流程图

2

DB15/T3974—2025

A

A

附录A

（资料性）

草原区代表性站点的多元线性回归模型

草甸草原区、典型草原区、荒漠草原区代表性监测站点给定时间段为一候的多元线性回归方程见表

A.1。其中，多元线性回归模型的常数项和自变量系数的P值均满足P＜0.001，如果不满足，则舍弃这一

项，再重新进行模拟。草甸草原区、典型草原区、荒漠草原区代表性监测站点的10cm、20cm多元线性

回归方程中，测试集的真值与预测值的相关系数分别为0.766、0.681、0.741、0.733、0.823、0.35，

且都通过了P<0.01的显著性检验。

表A.1草原区代表性站点的多元线性回归模型

土层深度

代表站点多元线性回归模型

cm

草甸草原区10푦=0.757푥1−0.192푥2+0.224푥4+4.205

额尔古纳站20푦=0.651푥1−0.106푥2−0.905푥3−0.258푥4+8.070

典型草原区10푦=1.428푥1−0.370푥2−1.286푥3+16.674

锡林浩特站20푦=1.419푥1−0.201푥2−1.112푥3−0.618푥4+12.603

荒漠草原区10푦=1.215푥1−0.604푥2+0.753푥4+14.513

孪井滩站20푦=0.888푥1−0.076푥2

3

DB15/T3974—2025

B

B

附录B

（资料性）

多元线性回归模型的计算流程

B.1数据获取

使用数据读取函数导入草原监测站点的数据集。

以数据存储于data.xlsx文件为例，数据读取的示例代码：data_df=pandas.read_excel(data.xlsx)。

B.2数据预处理

(1)数据描述性统计，示例代码：data_df.describe()。

(2)处理缺失值，示例代码：data_filled=data_df.fillna(mean_values)。

(3)数据归一化，示例代码：

data_scaled=StandardScaler().fit_transform(data_filled.to_numpy())。

(4)相关性分析，示例代码：

correlation_matrix_spearman=data_scaled.corr(method='spearman')。

(5)将数据集划分为训练集和测试集，示例代码：

X_train,X_test,y_train,y_test=train_test_split(X,y,test_