1.一种区域水资源消耗量的空间化方法，其特征在于，包括以下步骤：步骤S1、构建研究区域数据库，整合研究区域内不同用水类型的用水量数据及影响因子的栅格数据；

所述影响因子通过查阅相关学术论文、政府报告和行业研究资料确定，所述影响因子的栅格数据来自中国科学院资源环境科员数据中心、国家气象数据中心和世界土壤数据库；

步骤S2、对步骤S1中研究区域内不同用水类型的用水量数据及影响因子的栅格数据进行预处理，消除数据间的量纲差异；

步骤S3、基于RStudio平台，将预处理后的影响因子的栅格数据与研究区域内不同用水类型的用水量数据进行线性拟合，筛选出拟合优度R²≥0.7的关键影响因子；

步骤S4、根据步骤S3筛选出的关键影响因子，利用基于决策树分组改进的非负最小二乘回归方法构建多元线性回归模型；

步骤S41、根据步骤S3中筛选出的关键影响因子，对研究区域的样本数据采用决策树分割方法，将其划分为若干具有相似用水特征的子集；

步骤S42、针对每一子集，采用改进的非负最小二乘回归算法，以关键影响因子为自变量，研究区域内各类别实际观测用水量为因变量进行线性拟合；

改进的非负最小二乘回归算法的数学表达式为：

；

上式中，xi是输入特征向量；yi是目标值；Dl是第l组数据点的集合；βl是叶子节点l的回归系数，且满足βl≥0，wi是数据点(xi,yi)的权重，计算公式为：；

上式中，cl是叶子节点l的中心，dist为欧氏距离函数；

在回归过程中，强制回归系数为非负，并剔除系数为0的影响因子，构建不同用水类型的用水量拟合方程，生成各子集对应的用水量拟合表达式及其拟合优度R²的模型矩阵；

步骤S43、将所有子集生成的用水量拟合表达式及其对应的R²按子集顺序汇总，构建完整的分类型用水量预测模型库；

步骤S44、遍历分类型用水量预测模型库中所有子集的拟合结果，依据R²值由高至低排序，选择R²值最大的分类模型，作为最终的用水量预测模型；

步骤S5、将经过决策树分组优化后的多元线性回归模型参数输入ArcGIS平台，结合关键影响因子的栅格数据，生成30m分辨率的区域水资源需求量空间分布图；

步骤S6、将栅格化的预测结果与原始观测用水量数据进行检验，保证模型的准确性和适用性。

2.根据权利要求1所述的一种区域水资源消耗量的空间化方法，其特征在于，步骤S1中所述研究区域数据库包括降水量数据、气温数据、人口数据、第一产业增加值数据、第二产业增加值数据、第三产业增加值数据和土地利用数据。

3.根据权利要求1所述的一种区域水资源消耗量的空间化方法，其特征在于，步骤S3中关键影响因子的筛选过程如下：步骤S31、根据步骤S1中整合的研究区域内不同用水类型的用水量数据及影响因子的栅格数据，预设若干影响用水量的候选驱动因子；

步骤S32、利用线性回归算法，将预设的候选驱动因子分别与各省市、各类别的实际用水量数据进行线性拟合，计算模型的拟合优度R²；

步骤S33、根据拟合优度R²的计算结果，对预设的候选驱动因子进行排序，筛选出R²≥

0.7的候选驱动因子，作为分析各省市不同类别用水驱动机制的关键影响因子。

4.根据权利要求1所述的一种区域水资源消耗量的空间化方法，其特征在于，步骤S44中最终的用水量预测模型的数学表达式为：；

上式中，WUi为第i个样本的最终用水量预测值，fNN(X)为神经网络残差修正函数，为第i个样本的线性预测值：；

上式中，Xj为第j个输入变量； 为第j个输入变量的回归系数，回归系数为正；n为输入变量的总数。

5.根据权利要求1所述的一种区域水资源消耗量的空间化方法，其特征在于，步骤S6中将栅格化的结果与原始用水量数据进行检验，保证模型的准确性和适用性，具体内容如下：从步骤S5中生成的区域水资源需求量空间分布图中，提取研究区域样本栅格单元，并获取对应地理单元的原始观测用水量数据；将每个样本栅格单元的最终用水量预测值与其对应的原始观测用水量数据进行一一匹配，得到预测‑观测对，根据所得预测‑观测对，计算拟合优度，以判断分类型用水量预测模型在不同研究区域、不同用水类型上对用水量预测的性能表现，若拟合优度计算结果低于预设阈值，则返回步骤S4对分类型用水量预测模型进行参数调整或重新分组回归，直至模型满足预设阈值要求。