降水影響土壤水分增量的計(jì)算方法草原區(qū)2025-05-18實(shí)施2025-05-18實(shí)施內(nèi)蒙古自治區(qū)市場監(jiān)督管理局發(fā)布I本文件按照GB/T1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草。本文件由內(nèi)蒙古自治區(qū)氣象標(biāo)準(zhǔn)化技術(shù)委員會(huì)(SAM/TC23)提出并歸口。本文件起草單位：內(nèi)蒙古自治區(qū)生態(tài)與農(nóng)業(yè)氣象中心、錫林浩特國家氣候觀象臺(tái)。本文件主要起草人員：馮旭宇、張存厚、娜日蘇、楊麗萍、張國蘭、鄭詩然、張嵐彪。1降水影響土壤水分增量的計(jì)算方法草原區(qū)本文件規(guī)定了草原區(qū)土壤解凍條件下一候內(nèi)累積降水影響10cm～20cm土壤水分增量的計(jì)算流程和方法。本文件適用于基于降水與土壤水分增量關(guān)系開展草原區(qū)土壤墑情與干旱監(jiān)測研發(fā)與應(yīng)用的各部門。2規(guī)范性引用文件下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對(duì)應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本(包括所有的修改單)適用于本文件。GB/T33705土壤水分觀測頻域反射法GB/T35228地面氣象觀測規(guī)范降水量QX/T631北方牧區(qū)草原蝗蟲發(fā)生氣象等級(jí)3術(shù)語和定義GB/T33705、GB/T35228、QX/T631界定的以及下列術(shù)語和定義適用于本文件。以天然牧草為主的畜牧業(yè)生產(chǎn)區(qū)。某一時(shí)段內(nèi)的未經(jīng)蒸發(fā)、滲透、流失的降水，在水平面上積累的深度。土壤含水量及其對(duì)應(yīng)的牧草水分狀態(tài)。土壤含水量通常由土壤重量含水量、土壤體積含水量或土壤相對(duì)濕度表示，單位為百分?jǐn)?shù)(%)。2線性回歸(Linearregression,LR)是利用回歸方程(函數(shù))對(duì)一個(gè)或多個(gè)自變量(特征值)和因變站點(diǎn)的多元線性擬合方程見公式(1)。段內(nèi)土壤水分自動(dòng)站結(jié)束日期08時(shí)的土壤相對(duì)濕度值與土壤相對(duì)濕度初始值之差，單位為百分?jǐn)?shù)(%);x?——累積降水量。給定時(shí)間段內(nèi)日降水量之和。本文件使用北京時(shí)間08時(shí)—08時(shí)的日降水量，期08時(shí)的土壤相對(duì)濕度值，單位為百分?jǐn)?shù)(%);e——誤差項(xiàng)。表示模型未能解釋的部分，如測量誤差、遺漏的變回歸模型，預(yù)測一候內(nèi)土壤水分增量。流程圖開始開始③探索性數(shù)據(jù)分析④構(gòu)建多元線性①數(shù)據(jù)描述性統(tǒng)計(jì)①模型構(gòu)建與優(yōu)化⑤評(píng)估與篩選模型①相關(guān)性分析②數(shù)據(jù)的圖像化分析①評(píng)估指標(biāo)及結(jié)果②真實(shí)值與預(yù)測值對(duì)比圖3(資料性)草原區(qū)代表性站點(diǎn)的多元線性回歸模型草甸草原區(qū)、典型草原區(qū)、荒漠草原區(qū)代表性監(jiān)測站點(diǎn)給定時(shí)間段為一候的多元線性回歸方程見表A.1。其中，多元線性回歸模型的常數(shù)項(xiàng)和自變量系數(shù)的P值均滿足P<0.001,如果不滿足，則舍棄這一項(xiàng)，再重新進(jìn)行模擬。草甸草原區(qū)、典型草原區(qū)、荒漠草原區(qū)代表性監(jiān)測站點(diǎn)的10cm、20cm多元線性回歸方程中，測試集的真值與預(yù)測值的相關(guān)系數(shù)分別為0.766、0.681、0.741、0.733、0.823、0.35,且都通過了P<0.01的顯著性檢驗(yàn)。表A.1草原區(qū)代表性站點(diǎn)的多元線性回歸模型代表站點(diǎn)多元線性回歸模型草甸草原區(qū)y=0.757x?-0.192x?+0.2y=0.651x?-0.106x?-0.905x?-0.2典型草原區(qū)y=1.428x?-0.370x?-1.28y=1.419x?—0.201x2-1.112x?-0.618荒漠草原區(qū)y=1.215x?—0.604x?+0.7534(資料性)多元線性回歸模型的計(jì)算流程B.1數(shù)據(jù)獲取使用數(shù)據(jù)讀取函數(shù)導(dǎo)入草原監(jiān)測站點(diǎn)的數(shù)據(jù)集。以數(shù)據(jù)存儲(chǔ)于data.xlsx文件為例，數(shù)據(jù)讀取的示例代碼：data_df=pandas.read_excel(data.xlsx)。B.2數(shù)據(jù)預(yù)處理(1)數(shù)據(jù)描述性統(tǒng)計(jì)，示例代碼：data_df.de(3)數(shù)據(jù)歸一化，示例代碼：data_scaled=StandardScaler().fit_transform(data_filled.to_numpy())。(4)相關(guān)性分析，示例代碼：correlation_matrix_spearman=data_scaled.corr(method='spearman’)。(5)將數(shù)據(jù)集劃分為訓(xùn)練集和測試集，示例代碼：X_train,X_test,y_train,y_test=train_test_split(X,y,tes其中X為預(yù)測因子，包括累積降水量、降水累積持續(xù)時(shí)長、月份值、土壤水分初始值；y為土壤水分增量。B.3模型建立實(shí)例化一個(gè)線性回歸模型，示例代碼：model=statsmodels.api.OLS(y_train,X_train)。B.4模型訓(xùn)練在模擬的過程中，多元線性回歸模型的常數(shù)項(xiàng)和自變量系數(shù)的P值均需滿足P<0.001,如果不滿足，則舍棄這一項(xiàng)，再重新進(jìn)行模擬。示例代碼：results=model.fit()。B.5模型預(yù)測與評(píng)估對(duì)測試集進(jìn)行預(yù)測，示例代碼：y_testpred=results.predict(X_test)。使用評(píng)估指標(biāo)計(jì)算模型性能，示例代碼：mae=mean_absolute_error(y_test,y_tr2=r2_score(y_test,y_test_pred)。可視化測試集的真值與預(yù)測值，如散點(diǎn)圖、殘