DB15/T 3973-2025 降水影响土壤水分增量的计算方法 农区

主要内容总结

1. ​​标准背景与适用范围​​

• ​​标准编号​​：DB15/T 3973-2025，由内蒙古自治区气象标准化技术委员会归口，生态与农业气象中心等单位起草。
• ​​适用范围​​：针对农区（以种植业为主的区域）土壤解冻后​​一候（5天）内累积降水对10 cm～20 cm土层水分增量​​的计算，用于土壤墒情与干旱监测的研发与应用。
• ​​引用标准​​：包括GB/T 33705（土壤水分观测）、GB/T 35228（降水量观测）、DB15/T 510（土壤湿度等级指标）等。

2. ​​关键术语定义​​

• ​​农区​​：以种植业为主的地区（引用DB15/T 510）。
• ​​降水量​​：水平面累积的降水深度（引用GB/T 35228）。
• ​​土壤水分增量​​：指定时间段内土壤相对湿度的变化量（结束值与初始值之差，单位为%）。

3. ​​核心计算方法：深度森林回归模型​​

• ​​模型原理​​：
  • 基于不可微决策树的深度学习模型，具有级联结构和多粒度扫描模块，适用于时序数据特征提取。
  • ​​输入变量​​：
    • 累积降水量（mm）、土壤水分初始值（%）、月份、降水累积持续时长（小时）。
  • ​​输出变量​​：土壤水分增量（%）。
• ​​模型特点​​：
  • 数据依赖性：自动确定模型复杂度，适应不同规模数据。
  • 鲁棒性：超参数默认设置对多领域数据表现稳定。
  • ​​超参数设置​​（表1）：包括最大级联层数（20）、评估函数（均方误差）、每层估计器数量（2个随机森林+1个极端森林）等。
• ​​训练与验证​​：
  • 数据划分：80%生长集训练模型，20%估计集评估性能。
  • 终止条件：若新增级联层不提升性能，则停止训练。

4. ​​计算流程​​（图1及附录B）

• ​​步骤概述​​：
  1. ​​数据获取​​：读取气象观测数据（如Excel文件）。
  2. ​​预处理​​：缺失值填充、归一化、相关性分析（如斯皮尔曼相关系数）。
  3. ​​模型建立​​：实例化深度森林回归模型（代码示例使用CascadeForestRegressor）。
  4. ​​训练与预测​​：划分训练集与测试集，进行模型训练及预测。
  5. ​​评估指标​​：计算决定系数（R²）、平均绝对误差（MAE）、相关系数（Corr）。
  6. ​​优化与监测​​：调整超参数或重新训练模型以适配新数据。

5. ​​模型评估结果​​（附录A）

• ​​代表性站点​​：大兴安岭东南麓（赤峰站）、阴山南麓（土默特左旗站）、河套平原（大佘太站）。
• ​​评估指标​​：
  • 10 cm土层：R²为0.871～0.912，MAE为2.191%～3.203%。
  • 20 cm土层：R²为0.771～0.912，MAE为1.684%～2.723%。
  • 所有站点Corr均通过P<0.01显著性检验，表明模型预测结果与实际值高度相关。

6. ​​附录内容​​

• ​​附录A​​：模型在三个站点的性能数据表格，展示不同土层深度的预测精度。
• ​​附录B​​：代码级实现细节，包括数据读取（pandas.read_excel）、归一化（StandardScaler）、模型实例化与评估（mean_absolute_error、r2_score）等。

7. ​​应用价值​​

• 为内蒙古农区提供科学依据，通过气象数据快速评估降水对土壤墒情的影响，支持农业干旱预警和灌溉决策。
• 模型的高鲁棒性和自动化特性使其适用于不同区域和气候条件，具备推广潜力。