本发明公开了一种基于可解释集成学习模型的土壤含水量影响因素敏感区间判定方法，包括构建初始样本训练集；利用初始样本训练集对集成学习模型进行训练和验证，优选预测结果更好的集成学习模型，结合其本身的特征重要度算法进行特征重要度计算；将择优后的模型及其最优参数组合与SHAP方法融合，基于初始样本训练集计算每个特征所有个体的SHAP值；并基于个体SHAP值进一步确定对土壤含水量影响最大的特征区间；按照输入特征的重要度排序对比几种缺省因子方案下模型预测土壤含水量的精度。优点是：不仅能够降低土壤水分的预测成本，显著提升了土壤含水量的预测精度，更增添该预测模型的可解释性，也可以为缺省因子情况下模型的输入因子选择提供参考借鉴。