降水影响土壤水分增量的计算方法 农区DB15_T 3973-2025.pdfVIP

ICS07.060

CCSA47

降水影响土壤水分增量的计算方法农区

2025-04-18发布

内蒙古自治区市场监督管理局发布

前言

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、内蒙古自治区气候中心、兴安盟气象局。

本文件主要起草人：冯旭宇、张存厚、张宇、武荣盛、杨丽萍、黄超、郑诗然。

I

降水影响土壤水分增量的计算方法农区

1范围

本文件规定了农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农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

DB15/T510内蒙古农田、草地土壤相对湿度等级指标

3术语和定义

3.1

农区farmingareas

3.2以农业(种植业)生产为主的地区。

[来源：DB15/T510—2012,3.2]

3.3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]

3.4

土壤水分soilmoisture

田间土壤含水量及其对应的作物水分状态。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

土壤水分增量Incrementofsoilmoisture

田间土壤含水量的变化量。

4计算方法

深度森林是一种基于不可微的决策树构建的深度学习模型，可用于分类和回归。与传统的基于多层

参数化的可微非线性模块的深度神经网络相比，首先，深度森林具有更少的超参数，并且它的模型复杂

性可以以数据依赖的方式自动确定。这使得它可以适用于不同规模的训练数据，而不仅仅局限于大规模

的训练数据。具体来说，训练集被分成两部分，即生长集和估计集。生长集用于对级联结构进行生长，

估计集用于对模型的性能进行评估。如果增加一个新的级联层不能提高模型性能，则终止级联的增长，

并获得评估的指标值。然后，在合并生长集和估计集的基础上对级联进行再次训练；其次，深度森林的

性能对超参数设置具有相当强的鲁棒性，在大多数情况下，即使来自不同领域的不同数据，它也能够通

过使用相同的默认设置获得出色的性能。

深度森林的回归模型主要基于多粒度扫描模块和级联森林结构，前者用于提取且丰富样本特征，以

挖掘时序数据的序列关系，后者实现了逐层处理，以进一步提高预测准确性。多粒度扫描模块中，有三

原始特征采用相同维度的数据结构，如序列结构、面板结构等。

本研究以数据为驱动，建立了以累积降水量、土壤相对湿度初始值、月份值、降水累积持续时长4

个要素作为自变量，土壤相对湿度增量为因变量的农区各个代表性监测站点的深度森林回归模型。

其中：

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

壤水分固定地段自动站结束日期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(?

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);

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固定地段自动站初始

日期