Page 144 - 2025年第56卷第5期

［ 18］ 吴凡，杨肖丽，任立良，等 . 人类活动影响下的中国各大流域水文干旱状态演变规律［J］ 水利学报，2024，
.
55 （12）：1448-1460.
［ 19］ 邢艳春，甯珂，李雪兰 . 松辽流域生态环境时空动态评价及驱动因素分析［J］ 中国水利水电科学研究院学报
.
（中英文），2024，22 （1）：84-96.
［ 20］ 张建云，章四龙，王金星，等 . 近 50 年来中国六大流域年际径流变化趋势研究［J］ 水科学进展，2007（2）：
.
230-234.
.
［ 21］ 宋志远，段凯，赵勇，等 . 中国流域水碳平衡模拟模型研究 I：模型原理与构建［J］ 水利学报，2025，56
（4）：541-549.
［ 22］ LEHNER B， VERDIN K， JARVIS A. New global hydrography derived from spaceborne elevation data［J］ Eos，
.
Transactions American Geophysical Union，2008，89（10）：93-94.
［ 23］ SHI X Z，YU D S，XU S X，et al. Cross-reference for relating genetic soil classification of China with WRB at dif⁃
.
ferent scales［J］ Geoderma，2010，155（3/4）：344-350.
［ 24］ WANG P， HUANG C， BROWN DE COLSTOUN E C， et al. Global Human Built-up And Settlement Extent

（HBASE） dataset from landsat［Z］ Palisades， New York： NASA Socioeconomic Data and Applications Center
.
（SEDAC），2017.
［ 25］ LIU Y， LIU R G， CHEN J M. Retrospective retrieval of long-term consistent global leaf area index （1981-2011）
from combined AVHRR and MODIS data［J］ Journal of Geophysical Research-Biogeosciences，2012，117：4003.
.
［ 26］ WANG H Y，ZHAO X，LIANG S L，et al. Developing long time series 1-km land cover maps from 5-km AVHRR
data using a super-resolution method［J］ Ieee Transactions On Geoscience and Remote Sensing， 2021， 59（7）：
.
5479-5493.
［ 27］ WANG H Y， ZHAO X， ZHANG X， et al. Long time series land cover classification in China from 1982 to 2015
.
based on Bi-LSTM deep learning［J］ Remote Sensing，2019，11（14）：1639.
［ 28］ HE J， YANG K， TANG W， et al. The first high-resolution meteorological forcing dataset for land process studies
.
over China［J］ Scientific Data，2020，7（1）：25.
［ 29］ YANG K， HE J， TANG W， et al. On downward shortwave and longwave radiations over high altitude regions：
Observation and modeling in the Tibetan Plateau［J］ Agricultural and Forest Meteorology，2010，150（1）：38-46.
.
［ 30］ 阳坤，何杰，唐文君，等 . 中国区域地面气象要素驱动数据集（1979-2018）［Z］ 北京：国家青藏高原科学数
.
据中心，2019.
［ 31］ ZHANG K，KIMBALL J S，MU Q，et al. Satellite based analysis of northern ET trends and associated changes in
the regional water balance from 1983 to 2005［J］ Journal of Hydrology，2009，379（1）：92-110.
.
［ 32］ ZHANG K， KIMBALL J S， NEMANI R R， et al. A continuous satellite-derived global record of land surface
evapotranspiration from 1983 to 2006［J］ Water Resources Research，2010，46（9）：W09522.
.
.
［ 33］ SENAY G，CTR S K，CTR N M V. Operational global actual evapotranspiration using the SSEBop model［J］ U. S.
Geological Survey，2020，20（7）：1915.
［ 34］ SENAY G B， KAGONE S， VELPURI N M. Operational global actual evapotranspiration： development， evalua⁃
.
tion，and dissemination：Sensors［J］ Sensors，2020，20（7）：1915.
［ 35］ ZHANG Y，XIAO X M，WU X C，et al. Data descriptor：A global moderate resolution dataset of gross primary pro⁃
.
duction of vegetation for 2000-2016［J］ Scientific Data，2017，4（1）：170165.
［ 36］ CLEUGH H A， LEUNING R， MU Q， et al. Regional evaporation estimates from flux tower and MODIS satellite
data［J］ Remote Sensing of Environment，2007，106（3）：285-304.
.
［ 37］ BAIK J， LIAQAT U W， CHOI M. Assessment of satellite- and reanalysis-based evapotranspiration products with
two blending approaches over the complex landscapes and climates of Australia［J］ Agricultural and Forest Meteorol⁃
.
ogy，2018，263：388-398.
［ 38］ JANG K， KANG S， LIM Y， et al. Monitoring daily evapotranspiration in Northeast Asia using MODIS and a
regional Land Data Assimilation System［J］ Journal of Geophysical Research： Atmospheres， 2013，118（23）：
.
12927-12940.
［ 39］ CASTELLI M. Evapotranspiration changes over the European Alps： consistency of trends and their drivers between
.
the MOD16 and SSEBop algorithms［J］ Remote Sensing，2021，13（21）：4316.
.
［ 40］ KENDALL M G. Rank Correlation Methods［J］ British Journal of Psychology，1990，25（1）：86-91.
［ 41］ MANN H B. Non-parametric tests against trend［J］ Econometrica，1945，13：245.
.
— 690 —