土壤水分测定仪根据降水量和蒸发量统计分类依据，将15个气象因子分成5组气象因子组。应用SPSS软件将5组气象因子与各层土壤湿度进行逐步回归分析，建立了各层土壤湿度逐步回归模型。逐步回归方法逐步引入新的方差贡献显著的自变量，逐步剔除不显著的变量，从而保证方程始终只保留对依变量方差贡献显著的自变量。
      这种筛选过程一直进行到所有可供选择的变量中，对因变量方差贡献不显著的变量需要剔除为止。因此，逐步回归分析建立的回归方程是回归方程。建立的土壤湿度逐步回归模型见表3。土壤湿度与5组因子都存在显著相关关系。根据方程相关性原则以及便于与单一因子建立的回归模型比较分析，筛选出0~10 cm、10~20 cm和20~30 cm的土壤湿度的逐步回归预测模型分别见公式(4)~(6)。此外，在模型的验证过程中发现在长期无降水土壤湿度较低的情况下，土壤实测前出现1 mm以上少量降水，模型预报的值通常偏高，在实际运用过程中需根据实际情况做出适当地订正。
      土壤水分检测仪试验表明，该模型预测的土壤湿度状况基本能反映旱情发展的动态趋势，便捷地预测掌握较为准确的土壤墒情动态变化，监测旱情发展态势，满足当地农业生产需要，给农业生产合理用水和防灾减灾提供科学、合理的决策依据。土壤湿度变化的影响因素较多，涉及问题面广且复杂，仅考虑前期降水量和蒸发量建立的预测模型会存在一定的误差，今后可考虑加入其他影响因子进行预测模型研究，以进一步提高预测的准确性。同时，本研究仅用了1年的土壤湿度观测资料进行建模研究，时序较短，随着观测工作的延续，今后将进一步优化模型。
      土壤湿度单一因子回归模型与逐步回归模型对3层土壤湿度预测值的比较表明：2种土壤湿度回归预测模型土壤湿度预测值之间存在极其显著的相关性。同时，2种回归模型土壤湿度预测值与实测值的相对误差值之间的差异不大。因此，考虑到实际运用过程中的便捷、简单、准确等原则，单一因子的预测模型的简单、较高预测精度性是较优选择；同时，逐步回归模型也可用于预报值的矫正。