1.一种基于多元非线性因果分析的干旱成因溯源方法，其特征在于，包括步骤如下：S1，对某干旱区域，选择陆面‑大气相互作用的相关变量数据作为预测变量和目标变量的原始预测数据，在对原始数据进行预处理后分别对目标变量数据和预测变量数据进行自相关特征提取和预测因子特征提取，得到数个时间序列长度相同的目标变量自相关特征和预测因子特征，并将时间序列长度相同的目标变量自相关特征和预测因子特征按照6:2:2的比例划分为训练集、测试集、验证集；

S2，采用基于梁氏克尔曼信息流理论改进后的随机森林回归方法构建基线回归模型与完整回归模型，通过不断调整超参数及其参数组合的方式，多次对网络进行训练，从中选出满足预设条件的模型，完成对完整回归模型及基线回归模型的训练；

S3，基于梁氏克尔曼信息流理论，分别对完成训练的基线回归模型、完整回归模型分别所得预测值与真实值之间的信息流进行计算，将所得计算结果作为评价森林模型回归效果的标准；

S4，基于结合随机森林和梁氏克尔曼信息流的多元非线性因果分析方法进行干旱成因溯源分析，实现详细步骤如下：S41，将完整回归模型的信息流结果Tfull与基线回归模型的信息流结果Tbaseline进行比较；

S42，如果Tfull＞Tbaseline，则表明加入预测变量对目标变量存在因果关系，则该加入预测变量是造成该区域干旱的因素；

S43，完整回归模型的信息流结果Tfull与基线回归模型的信息流结果Tbaseline的差值Tfull‑Tbaseline作为加入预测变量对目标变量的因果强度，用来判断不同预测变量对于干旱事件的影响强度，实现对干旱成因进行溯源分析。

2.根据权利要求1所述基于多元非线性因果分析的干旱成因溯源方法，其特征在于，步骤S1中，所述陆面‑大气相互作用的选择相关变量包括：表层土壤湿度、深层土壤湿度、地表气温、降水、植被总初级生产力、水汽饱和压差、蒸散发、太阳辐射。

3.根据权利要求1所述基于多元非线性因果分析的干旱成因溯源方法，其特征在于，步骤S1中，数据预处理和提取目标变量自相关特征及预测变量的预测因子特征的详细实现步骤如下：S11，统一所有预测变量及目标变量原始数据集的时间分辨率确保所有原始数据集的时间分辨率保持相同；

S12，对统一时间分辨率之后的数据按照同一时间范围内进行提取，以保证各预测变量及目标变量的时间序列长度相同；

S13，对统一时间分辨率及时间序列长度的目标变量数据进行自相关特征提取，得到目标变量的自相关特征；

S14，从统一时间分辨率及时间序列长度的预测数据中减去长期气候平均值，得到去除预测变量周期趋势的气候异常值数据；

S15，根据步骤S13中所得去除预测变量周期趋势的气候异常值数据，提取预测变量的预测因子特征，最终得到数个时间序列长度相同的预测因子特征；

S16，利用所得目标变量及预测因子特征，按照6：2：2划分为训练集、测试集、验证集，为后续的训练做好准备。

4.根据权利要求1所述基于多元非线性因果分析的干旱成因溯源方法，其特征在于，步骤S2中，采用基于梁氏克尔曼信息流理论改进后的随机森林回归方法构建回归模型的实现详细步骤如下：S21，将梁氏克尔曼信息流作为随机森林回归方法中的Loss函数，作为评估随机森林回归树分枝质量的指标；

S22，根据基于梁氏克尔曼信息流理论改进后的随机森林回归方法，分别构建完整回归模型以及基线回归模型；

S23，将步骤S1中提取得到的预测因子特征带入到完整回归模型和基线回归模型进行训练，对训练结果进行分析评价；通过不断调整超参数及其参数组合的方式，多次对网络进行训练，从中选出满足预设条件的模型，完成对完整回归模型及基线回归模型的训练。