基于ANUSPLIN和InVEST模型的湘江流域水源涵養時空動態研究

中圖分類號：TV21 文獻標識碼：A 文章編號：1001-9235（2025）07-0074-12

Abstract：Climatechangeandhumanactivitieshavehadasignificantimpactonwaterconservationwithinthebasinandanindepth studyofthespatialandtemporaldynamicsofwaterconservationwitinthebasinisessntialforunderstandingthepatenofhange anddevelopingcoresponding management strategies.Thisstudyevaluatedthe simulationresultsof the Xiangjiang River Basinat diferentspatialandtemporalscalesfrom1991to020basedontheANUSPLINinterpolationprecipitationdataandtheInVEST modelandexploredthespatialandtemporaldynamicsofwaterconservationwithinthebasin.Theresultsof thestudyshowthat： ① the ANUSPLINprecipitationinputdrivenInVESTmodelshowsgoodsimulationresultsatdiferenttimesalesitheXiangjiangRiver Basin （annual water yield， NSE=0.792 ; seasonal water yield，NSE ε=0 . 734）. ② Precipitation （slope=-3.053mm/a ，water yield （ slope=-4.028mm/a ），and baseflow （slope =-4 167mm/a ）in Xiangjiang River basin from1991 to 202O showan overall decreasing trend; evapotranspiration （slope .638 mm/a） and surface runoff （slope Θ=Θ0 364mm/a ）showan overall increasing trend. ③ The annualwateryieldintewestepartoftheXiangjangRiverbasinislowandhowsasignifiantdereasingtrend，andthelocal baseflowexhibitsadecreasingtrendtovaringdegrs，whiletheannualwateryieldintesouthenpartofthebasiandtheaste edgeof thebasinisrelativelyhigh. ④ Spatial and temporal dynamics of water conservationand land use types within the basin over a 30-yearperiodshow thattheshiftfromnaturalcovertolanduseforproductionandliving wouldlead toareductionin water conservationcapacity.Thisstudycanprovideabasisforthedevelopmentofefectivewaterresourcemanagementandclimate adaptation strategies.

KeyWords： waterconservation;ANUSPLIN; InVESTmodel; spatialandtemporaldynamics; Xiangjiang River Basin

水源涵養作為流域水資源供給能力的綜合體現，反映了降水、蒸發、徑流及地下水補給等水文過程的綜合作用，是評估流域水循環平衡和可持續性的關鍵指標[1-2]。全球水資源在自然變化與人類活動的長期綜合影響下呈現出動態振蕩趨勢[3-4]。這種變化通過自然-社會二元水循環過程擾動流域的水源涵養5，這不僅增加了水資源調度的復雜性，還對營養物質和污染物的輸送產生深遠影響，進而威脅水生態系統的穩定與生物多樣性[6-7]。因此，評估流域水源涵養動態趨勢對流域水資源和生態系統健康管理至關重要。

獲得反映降雨空間分布的高質量面降雨量數據是流域水文模擬的基礎[8-9]，而實測站點數據僅能局部反映降水特征[10-]。為此，空間插值技術成為推估降雨分布的重要手段。傳統方法如Thiessen多邊形法和反距離加權法適用于地形較為平坦的區域，但往往忽略了地形因素[12]；而克里金法雖能通過對周圍測量值加權預測未測點降雨量，其穩健性與準確性則嚴重依賴于站點分布密度[13]。相比之下，薄板樣條插值法作為一種將降水量作為緯度、經度和海拔函數在插值過程中同時考慮水平和垂直坐標系，可以更好地模擬地形的影響，并且不需要對其參數進行單獨的先驗校準[14]，在網格氣候數據構建中展現出較高的可靠性[15-16]，ANUSPLIN模型作為薄板樣條插值的典型應用，可為獲取高精度的降水分布數據提供有力支持[17]

水源涵養的內涵尚未形成統一的定義，從其功能上看，生態系統的水源涵養主要表現形式包括了攔蓄降水（主要有林冠層截留降水、枯落物層儲存降水、土壤蓄水）調節徑流、影響降水量和凈化水質[1]。不同學者對水源涵養功能概念的理解不同，評估水源涵養所用的方法也會不同。例如將水源涵養能力認為是產水量減去土壤水分飽和后流失的徑流量的剩余部分，量化水源涵養需要結合流速、地形和土壤滲透性因素對產水量進行修正[2]。本文研究的水源涵養功能主要指流域產流、地表徑流和基流。

水文模型為水源涵養的綜合評估提供了方法和工具[，其中生態系統服務與權衡綜合評估模型（InVEST，即IntegratedValuation ofEcosystemServicesandTradeoffs）由美國斯坦福大學、世界自然基金會和大自然保護協會聯合開發，是評估生態服務的有效工具，被廣泛應用于產水模擬、水土保持和固碳服務的時空變化[18-21]，模型模擬的流域產流、地表徑流和基流是評價水源涵養能力的重要指標。然而，不同輸入數據驅動下的模型表現存在顯著的時空差異[22-25]。在氣候變化[26]和人類活動引發的土地利用變化[27-28]背景下，準確的建模和模擬是流域水源涵養評估與管理的關鍵所在。

因此，本研究擬應用ANUSPLIN插值的地面站點高精度降水數據驅動湘江流域InVEST模型，通過流域徑流觀測數據對InVEST模型進行訓練校正，分析1991—2020年湘江流域變化環境下產流量、地表徑流和基流的演變特征，量化不同時間尺度下流域水源涵養能力，揭示氣候變化和土地利用變化對產流量的影響與控制作用。研究結果有助于認識亞熱帶季風氣候典型流域水源涵養的時空格局，可為實現區域水資源科學管理提供參考。

1研究區域與數據來源

1. 1 研究區概況

湘江流域總面積 94660km² ，湘潭水文站為流域內的水文控制站，集水區總面積為 82830km² ，介于 110^°00^′E～114^°10^′E 24^°10^′N～28^°20^′N 之間（圖1）。流域內地形地貌復雜多樣，東西南三面環山，北接洞庭湖平原，地勢自南向北逐漸平坦。湘江流域地處亞熱帶季風氣候區，水熱資源豐富，但降水年內分布不均，多集中在3一8月，存在明顯的干濕季節性周期；同時流域內城市群的快速發展以及大量的人類活動也給全域水源涵養、生態環境造成了影響，水資源調控能力低、水旱災害頻繁等生態安全問題成為了該流域的關注焦點。

圖1研究區概況

Fig.1Overviewof studyarea

1.2數據資料及來源

以湘江流域為研究區，通過對比實測徑流和基于實測資料校正的InVEST模型模擬結果，評估湘江流域過去30a（1991—2020年）水源涵養趨勢。

InVEST模型的輸入數據包括降水、蒸散發和土地利用類型。由于氣象站點分布密度較低、空間分布不均，本研究基于中國氣象數據網（http：//data.cma.cn/）獲取的全國2000多個氣象站數據，采用的降水數據包括湘江流域內部44個氣象站點實測數據，通過ANUSPLIN插值獲取了湘江流域的面降水數據。蒸散發數據來源于GLEAM4a（theGlobalLand Evaporation Amsterdam Model）產 品（http：//www.gleam.eu）。為精確模擬土地利用變化對湘江流域水源涵養的影響，選取了1991—2020年的土地利用類型數據逐年輸入InVEST模型，該數據來自CLCD（ChinaLandCoverDataset）數據集[29]。土壤深度由第二次全國土地調查南京土壤所提供的1：100萬土壤數據獲取，植被可利用含水量利用周文佐經驗公式生成；生物物理系數表取值參考聯合國糧農組織蒸散系數指南；王壤性質數據、地形高程數據分別從全球土壤數據庫（HarmonizedWorldSoilDatabase，HWSD）、資源環境科學與數據中心（http：//www.resdc.cn）獲取；上述產品的空間分辨率最終重采樣統一為 0.05^° ，時間范圍1991—2020年。此外，用于驗證InVEST模擬效果的徑流數據來自湖南省水文水資源勘測中心。

2 研究方法

2.1 ANUSPLIN方法

本研究采用基于薄板樣條插值的ANUSPLIN方法插值生成流域分布式格網降水。ANUSPLIN可以有效模擬地形對降水的影響，該方法主要利用三個關鍵變量一每個站點的緯度、經度和海拔，可以將站點觀測數據在空間上的離散分布形式擴展并擬合為區域的降水網格面。該方法的優勢主要表現在2個方面：一方面，可通過最小化廣義交叉驗證誤差（GCV）自適應地確定最優平滑參數；另一方面，允許降水與海拔之間的關系隨空間位置（如經緯度）變化。

2.2 模型構建

InVEST模型產水模塊能根據區域降水量和蒸 散量的變化特征，評估給定流域的產流量；該模塊 基本原理是運用水量平衡法估算出降水量與蒸散 量之間的差值。

式中： AET（x） 為實際蒸散發量； P（x） 為降水量。本研究中輸入的是GLEAM4a蒸散產品。

通過構建自動率定方法獲取InVEST模型的最優參數（表1）。利用拉丁超立方采樣方法在指定參數范圍內隨機抽取樣本生成模型參數，通過比較模型模擬結果與湘潭水文站觀測徑流的匹配程度，確定最終的模型參數。

表1InVEST模型參數 Tab.1InVESTmodel parameters

2.3 指標評價

采用ANUSPLIN插值降水數據作為降水輸入， 文中選用克林-古普塔效率系數（Kling-Gupta EfficiencyCoefficient，KGE）和納什效率系數（the Nash-SutcliffeEfficiencyCoefficient，NSE）2個評價 指標對InVEST模型的經濟模擬結果進行評價，它

們的計算公式如下：

1 RV=

式中： Q_s 為模擬徑流量； Q 為觀測徑流量； 分別為模擬徑流量、觀測徑流量平均值。

2.4Mann-Kendall（MK）趨勢檢驗

為定量分析湘江流域水文變量和水源涵養量的長時序變化趨勢，引入MK趨勢檢驗法。MK趨勢檢驗經常用于水文變量的趨勢分析，因為它對離群值的敏感性低，沒有樣本分布約束，并且允許缺失值。MK檢驗統計量為正則表示增加趨勢，反之呈降低趨勢；若檢驗統計量的絕對值大于等于1.64表明具有 90% 的顯著變化水平。其中，UF（正向序列）曲線表示時間序列累積變化的趨勢，UB（反向序列）曲線用于驗證趨勢的顯著性；若UF和UB曲線出現交點，且交點在置信水平線 （±1.64） 之間，那么交點對應的時刻就是趨勢突變點。

3 結果和討論

3.1基于湘江流域InVEST模型驅動數據的時空變化分析

從湘江流域1991—2020年平均降水量分布格局可以發現（圖2a），流域30年平均降水量為1400mm ，降水低值區明顯集中在流域西部區域，且流域西部年降水量呈現顯著降低的變化趨勢（圖 2b 、2c）；年均降水量沿流域南部和東部方向逐漸升高，于流域西南角集中分布著小范圍多雨區，其變化幅度略有上升但顯著性較低。結合圖2d時間序列趨勢顯示流域自2002年后降水量峰值明顯降低，降水整體呈減幅趨勢（ ）

圖3湘江流域1991一2020年蒸散發量空間分布和年際變化趨勢

湘江流域蒸散發整體呈增幅趨勢（slope=3.638mm/a， ;年均蒸散發空間格局表明高值區由流域北部向中部地區過渡（圖3a），南部地區的蒸散發高值區比低值區分布明顯。從圖3b發現流域蒸散發量變化趨勢雖然由西部向東部方向呈現出上升幅度減緩的空間梯度，但流域內即便是蒸散發低值區也呈現出顯著上升趨勢（圖3c），意味著全域蒸散發程度加強。MK趨勢檢驗分析表明，變化加劇的時間發生在2002年（圖3d）；此外，2007年之后（即UF曲線超越90% 顯著水平時）流域蒸散發上升變化更加明顯。

3.2 InVEST模型產流評估

通過構建自動率定方法獲取InVEST模型參數，即采用兩步率定策略得到InVEST模型在湘江流域逐年模擬的最優模型參數，并對1991一2020年參數優化值進行集合平均，校準與驗證結果顯示最終率定參數（Zhang值 =23.89 ;alpha _.=0.03 ;beta=0.16;gamma=0.09 ）校正的產流結果與觀測徑流量整體變化趨勢具有較高的一致性，各評價指標表現良好（圖4a年產流：NSE=0.792，KGE=0.903；圖4b季節產流：NSE=0.734，KGE=0.884），產流模擬效果較為可靠。在季節產流模擬中（圖4b），模擬結果能反映地表徑流、基流與總徑流量關系。

3.3湘江流域水源涵養時空變化特征分析

湘江流域1991—2020年均產流量空間格局如圖5a所示，流域中西部地區低產表現明顯，相比之下，流域南部和東部邊緣地區產流量相對較高。流域年產流變化趨勢（圖5b）與年降水量變化趨勢大致相同，主要在流域西部表現出顯著下降趨勢（圖5c）；西南部地區年產流變化幅度略有上升，但顯著上升的增幅趨勢零星分布在全域，MK檢驗（圖5d）顯示顯著下降突變發生在2002年，并且之后的年產流峰值減少。總的來說，湘江流域年產流整體呈減幅趨勢 ?slope=-4.028mm/a ）°

圖4InVEST模型產流模擬評估

Fig.4EvaluationofInVESTmodelwateryieldsimulation

圖5湘江流域年產流量時空變化分布

Fig.5Spatialand temporal distributionof annual water yield inXiangjiangRiverBasin

InVEST模型季節產流模塊量化了1991—2020年湘江流域豐水季和枯水季發生不同水文過程的分區，即由豐水季主導的地表徑流和枯水季時依賴的基流。地表徑流因其對降水的快速響應，在流域內表現出較強的時效性和變異性；圖6a中部分地區地表徑流量高達 1 395mm ，與周圍低值區域差異明顯，圖 6b，6c 表明地表徑流在流域西部地區下降趨勢較為顯著，這是由于流域年降水量在西部地區的下降趨勢影響了該地區地表徑流量；而地表徑流顯著上升區流量相對較高。從圖6d來看，全域地表徑流呈不顯著上升趨勢，年際變化波動雖然劇烈，但整體處于動態平衡的狀態 （slope=0.364mm/a） 。

基流在湘江流域中部地區形成低值中心，高值區呈現出由中心向四周散射的分布格局（圖7a）。從整個研究時段來看，基流在流域內普遍表現為下降的變化趨勢（圖7b），雖然流域西南部地區基流存在上升趨勢，但趨勢不顯著；顯著降低的變化趨勢仍然集中在流域西部地區（圖7c），同時基流顯著降低區局部還存在不同程度的下降趨勢（圖7b、7c），意味著在更有限的尺度上，水源涵養損失更劇烈。綜合圖7d時間序列趨勢所示，基流整體呈下降趨勢（slope=-4.167mm/a） 。

圖6湘江流域地表徑流時空變化分布

Fig.6Spatial and temporal distributionof surfacerunoffin XiangjiangRiverBasin

3.4討論

水源涵養能力與氣候要素、流域下墊面情況等因素有很大關系[2.30]；本研究選取了ANUSPLIN插值的地面站點降水數據和GLEAM4a蒸散發產品作為水源涵養模擬的水文輸入數據，分析了湘江流域降水和蒸散發時空變化，利用趨勢分析強調了流域氣候要素、水源涵養突變時間點以及整體變化趨勢。在30a的研究期間（1991—2020年），降水在湘江流域西部地區顯著下降，伴隨著該區域蒸散發顯著上升，流域西部年產流量低值分布明顯，水源涵養能力相比其他地區較低。此外，時間序列變化趨勢顯示湘江流域自2002年后降水量峰值明顯降低、蒸散發量大幅上升，年產流發生顯著下降突變，年產流總量嚴重減少。總的來說，在降水量呈下降變化、蒸散發量呈上升變化的雙重影響下，湘江流域年產流整體呈減幅趨勢變化，水源涵養短缺加劇。

為評估流域不同下墊面對水源涵養的影響，綜合分析不同土地利用類型相應的產流量，探討了湘江流域降水產流分配與各土地利用類型的關系。結果表明，不同的土地利用類型對水源涵養的貢獻不同（表2）；建筑用地在流域內單位面積產流值最大，這可能是由于不透水下墊面植被稀疏、根系深度較淺，降水不易滲入地表，水源涵養能力低，促使降水直接成為地表徑流，將加劇區域發生暴雨、洪澇等災害的頻率和危險。研究發現地表徑流的空間格局與土地利用類型有關（圖6a和圖8），高值區與流域內建筑用地及北部湘江干流的空間分布大體一致。相反，林地由于林冠截留水、枯留物持水、土壤蓄水，以及植被生理蒸散作用等[31-32]，消耗了部分降水量導致單位面積產流減少，但湘江流域范圍內的森林覆蓋面積較為廣泛，土地利用類型以林地為主，所以林地的總產流量最大（362.98億 m³ ）。

圖7湘江流域基流時空變化分布

Fig.7Spatial andtemporal distributionofsurfacerunoff inXiangjiangRiverBasin

表2湘江流域各土地利用類型的產流分配

Tab.2Wateryielddistributionbylandusetypes in XiangjiangRiverBasin

與1991年相比，建筑用地在2020年增加量最高，產流體積量增幅 164.11% ，而林地產流體積量增幅僅 10.54% ，其原因可能是由于建筑用地對流域內耕地和森林用地的擠占擴張，促使不透水面積增大（ 1500km² ）。表3顯示了湘江流域土地利用類型轉移及其面積變化，到2020年土地利用總體呈現建設用地和耕地面積顯著增加、林地面積大幅減少的趨勢。其中，增加的建設用地面積主要來源于耕地面積的轉入 （1125km². ；而耕地面積的增加主要是大量林地面積的轉入（ 6150km². ）

進一步分析發現，基流供給區與流域的地形高程相關（圖7a和圖1），高供給區分布在較高海拔的山區，低供給區集中在流域中部平原地區。結合圖8土地利用類型時空格局可知，高海拔山區主要分布著林地，而流域中部主要是建筑用地和耕地，其中林地向耕地類型轉移大幅增加，表明了自然覆蓋物（如林地）向人工建成或調控的覆蓋物（例如建筑、農田等）轉變使得下墊面逐漸變得干旱化、水源涵養能力降低。

圖8湘江流域1991年與2020年土地利用類型及其時空轉移變化

Fig.8Changes inlandusetypesand spatialand temporal shifts in XiangjiangRiver Basin between1991and 202

表31991—2020年湘江流域土地利用類型轉移矩陣Tab.3 The transitionmatrix of land use typesin theXinangjiangRiverBasirnfrom1991to2020

單位： km²

在土地利用方面，耕地、建筑用地和林地是湘江流域內變化強度較為劇烈的用地類型，林地是主要的產流單位。目前，流域內存在耕地對林地過度侵占的現狀，同時耕地面積遠大于建筑用地面積；林地涵養水源、保持水土的功能，是應對氣候變化和極端降水事件引發旱澇風險的關鍵，湘江流域應適度增加林地，也需要防正局部地區出現建設用地的過度擴張[33-34]。本研究結果雖無法辨別湘江流域水源涵養量極值區是否對應旱澇風險的發生區域，但明確表明保持穩定的森林覆蓋區對于地區應對水源涵養損失和培養長期韌性至關重要。隨著快速的經濟發展和持續的生產活動，建設用地的擴大將增加對各種水特別是生產用水的需求[35]，提高水資源的利用效率也是保護水資源的重要手段。

4結論

本研究基于ANUSPLIN插值降水數據為模型輸入，優化率定湘江流域InVEST模型，從年、季節尺度系統分析湘江流域1991—2020年水源涵養功能中產流、地表徑流和基流的時空分布格局，并結合流域土地利用類型的變化探討了不同下墊面對水源涵養的影響。

a）1991—2020年湘江流域降水整體呈減幅趨勢 ?_{slope=-3.053mm/a}? ，年均降水低值區主要集中在流域西部地區，對應著顯著降低的變化趨勢。流域蒸散發整體呈增幅趨勢 （slope=3.638mm/a ，年均蒸散發高值區由北部向中部地區過渡，2007年后蒸散發上升變化更加明顯。

b）校準后的InVEST模型在湘江流域不同時間尺度的模擬產流表現良好（年產流， NSE=0.792 ；季節產流， NSE=0.734 ；產流模擬結果與觀測徑流量整體變化趨勢具有較高的一致性。

c）湘江流域1991—2020年產流空間格局顯示西部產流較低，南部和東部相對較高，年產流整體呈減幅趨勢 。流域地表徑流年際變化波動雖然劇烈，但整體呈不顯著上升變化趨勢 （slope=0.364mm/a） 。流域基流分布呈現出由中部地區向四周散射的空間格局，西部顯著降低區存在不同程度的下降趨勢，整體表現為下降的變化趨勢 （slope=-4.167mm/a） 。

d）湘江流域30a建設用地和耕地面積顯著增加、林地面積大幅減少，林地總產流量增幅僅10.54% ，基流低值區內林地明顯向耕地類型轉移，表明自然覆蓋物向生產生活用地轉變會導致水源涵養能力降低。

參考文獻：

[1]王云飛，葉愛中，喬飛，等.水源涵養內涵及估算方法綜述[J]. 南水北調與水利科技（中英文），2021，19（6）：1041-1071.

[2] 左其亭，王嬌陽，楊峰，等.水源涵養相關概念辨析及水源涵養 能力計算方法[J].水利水電科技進展，2022，42（2）：13-19.

[3] LIYR，CHENP，NIUY，etal.Dynamicsandattributions of ecosystemwater yieldsin China from 2001to2020[J]. Ecological Indicators，2022，143.D0I：10.1016/j.ecolind.2022.109373.

[4]HUGGINS X，GLEESON T，KUMMU M，et al.Hotspots for social and ecological impacts from freshwater stress and storage loss[J].Nature Communications，2022，439.DOI：10.1038/ s41467-022-28029- W

[5]王浩，牛存穩，趙勇.流域\"自然一社會”二元水循環與水資源 研究[J].地理學報，2023，78（7）：1599-1607.

[6] FALKENMARK M， WANG-ERLANDSSON L. A waterfunction-based framework for understanding and governing water resilienceintheAnthropocene[J].OneEarth，2021，4：213-225.

[7]MOORE ML，WANG-ERLANDSSON L，BODINO，et al. Moving from fit to fitness for governing waterin the Anthropocene [J].NatureWater，2024，2：511-520.

[8]吳國芳，張世煒，何立群.面雨量的不確定性對洪水期間徑流 模擬的影響[J].水利水電技術（中英文），2023，54（S2）： 141-151.

[9］郭彬斌，戴忠.渭河流域GPM衛星降水產品的多尺度評估 [J].人民珠江，2024，45（9）：27-35.

[10］莊子孟，張偉，劉方華，等.站點特征及插值方法對山地城市面 雨量推求影響[J].人民長江，2024，55（11）：127-137.

[11］郭彬斌，郎廷中.GPM系列降水產品對北京\"23·7\"暴雨事件的 監測能力評估[J].人民珠江，2025，46（5）：41-50.

[12]GUO BB，ZHANG J，XU TB，et al．Assessment of multiple precipitation interpolation methods and uncertainty analysis of hydrologicalmodelsinChaoheRiverbasin，China[J].WaterSA， 2022，48：324-34.

[13］王生鑫，閆文晶，張海濤，等.三種插值方法在降水等值線繪制 中的對比分析[J].水文，2023，43（4）：21-26.

[14]GUO B B， ZHANG J，MENG X Y，et al.Long-term spatiotemporal precipitation variations in China with precipitation surface interpolated by ANUSPLIN[J].Scientific Reports，2020， 10.DOI： 10.1038/s41598-019-57078-3.

[15]NEW M，HULME M，JONES P. Representing TwentiethCentury Space-Time Climate Variability.Part II： Development of 1901-96 Monthly Grids of Terrestrial Surface Climate[J]. Journal of Climate，2000，13（13）：2217-2238.

[16]NEW M，HULME M，JONES P. Representing TwentiethCentury Space-Time Climate Variability. Part I：Development of a 1961-90 Mean Monthly Terrestrial Climatology[J].Journal of Climate，1999，12（3）：829-856.

[17]ZHAO Y F，ZHU J，YAN X，et al．Establishment and assessment of the grid precipitation datasets in China for recent 50 years[J]. Journal of the Meteorological Sciences， 2014，34（4） ： 414-420.

[18]YIN DY，YUHC，SHI YY，et al. Matching supply and demand for ecosystem services in the Yellow River Basin，China： Aperspective of the water-energy-food nexus ［J].Journal of Cleaner Production，2023，384.DOI：10.1016/j. jclepro.2022. 135469.

[19] XIE Z Y，HE LJ，MAO Z，et al. Spatial heterogeneity of natural and socio-economic features shape that of ecosystem services.A large-scale study on the Yangtze River economic Belt，China[J]. Ecological Indicators，2024，159.DOI：10.1016/j.ecolind.2024. 111729.

[20]WANG Z M，LI Q Z，LIUL，et al. Spatiotemporal Evolution and Atribution AnalysisofWater Yield inthe XiangjiangRiver Basin （XRB）Based on the InVEST Model[J].Water，2023，15（3）. DOI：10.3390/w15030514.

[21]WANGYX，WANGHM，LIU G，et al.Factors driving water yield ecosystem services in the Yellow River Economic Belt， China：Spatial heterogeneity and spatial spillover perspectives [J].Journal of Environmental Management，2022，317.DOI：10. 1016/j. jenvman. 2022.115477.

[22]左麗媛，姜遠，高江波，等.生態保護紅線區生態系統服務多 維驅動力的定量分離[J].地理學報，2022，77（9）：2174-2188.

[23]YANY，LIUZY，CHENXH，et al.Stability of water yield in watersheds[J].Science China Earth Sciences，2O24，67：483- 496.

[24]CHENX，LINSY，TIANJ，etal.Simulation study on water yield service flowbased on theInVEST-Geoda-Gephi network：A case study on Wuyi Mountains，China[J].Ecological Indicators， 2024，159.D0I：10.1016/j.ecolind.2024.111694.

[25]XUF，ZHAO LL，ZHOU Y Y，et al.Impacts of extreme precipitation on water conservation in Beijiang River Basin，China [J].Journal of Hydrology，2024，637.DOI：10.1016/j. jhydrol. 2024.131299.

[26]ADEYERI O.E.，WEN Z，NDEHEDEHE C.E.，et al. Minimizing uncertainties in climate projections and water budget revealsthevulnerabilityoffreshwater to climate change[J].One Earth，2024，7（1）：72-87.

[27] SMITH T，BOERS N.Global vegetation resilience linked to wateravailabilityand variability［J].Nature Communications， 2023，14. D0I：10.1038/s41467-023-36207-7.

[28]ZHANG W X，ZHOU TJ，WUPL，et al.，Anthropogenic amplification of precipitation variability over the past century[J]. Science，2024，385：427-432.

[29]YANG J，HUANG X. The 3O m annual land cover dataset and its dynamics in China from 1990 to 2019[J].Earth System Science Data，2021，13：3907-3925.

[30]SUTANTO S J，SYAEHUDDIN W A，DE GRAAFI. Hydrological drought forecasts using precipitation data depend on catchment properties and human activities[J].Communications Earthamp; Environment，2024，5. DOI：10.1038/s43247-024- 01295- w ：

[31]KANNENBERGSA.，ANDEREGGWRL.，BARNESML，et al.Dominantrole of soil moisture in mediatingcarbon and water fluxes in dryland ecosystems[J].Nature Geoscience，2O24，17： 38-43.

[32]ZUO ZY，QIAO L，ZHNAGRH，et al.Importance of soil moisture conservation in mitigating climate change[J].Science Bulletin，2024，69：1332-1341.

[33]ZHOUKJ，KONGFH，YINHW，etal.Urbanfloodrisk management needs nature-based solutions： a coupled socialecological system perspective[J].npj Urban Sustainability，2024， 4.DOI：10.1038/s42949-024-00162-z.

[34]YANGL，YANGYX，SHEY，etal.Urban development pattern’s influence on extreme rainfall occurrences[J].Nature Communications，2024，3997． DOI： 10.1038/s41467-024- 48533-5.

[35]PIEMONTESE L，TERZIS，DI BALDASSARREG，et al.Overreliance onwater infrastructure can hinder climate resilience in pastoral drylands[J]．Nature Climate Change，2O24，14： 267-274.

（責任編輯：李燕珊）