植被是陆地生态系统的重要组成部分, 连接着土壤圈、大气圈和水圈, 是人与动物赖以生存和发展的基本条件和物质基础, 在保持土壤、调节大气和维持生态系统稳定等方面起着十分重要的作用^[1—3]。在植被生长过程中, 对环境变化尤为敏感, 因此, 研究植被动态变化及其对自然环境、人类活动的响应, 可以为全球变化提供重要的理论依据^[4]。归一化植被指数(NDVI)被认为是植被生长状态的最佳指示因子^[5—7], 能够反映区域植被覆盖度的高低以及植被生长状态^[8]。植被净初级生产力(NPP)作为植被受人类干扰和生态环境相互作用的结果表征, 不仅可以反映绿色植被自身的生产能力, 还能体现生态系统对人类活动和气候变化的响应^[9]。因此, 利用NDVI时序数据和NPP时序数据研究植被覆盖变化及对外界干扰的响应, 对生态效益具有重要意义, 已成为全球变化研究的重要方向之一。

祁连山国家公园作为祁连山的重要组成部分, 是我国重要的生态功能区、西部地区重要的生态安全保障和水源涵养地以及我国生物多样性保护优先区域, 其生态区位十分重要。近年来, 广大学者对祁连山植被变化做了许多研究, 研究内容主要集中在以下两个方面, 一是植被时空变化及其影响因素, 武正丽^[10]、邓少福^[11]、戴声佩^[12]、付建新^[13]、王莉娜^[9]、孙力炜^[14]、刘亚荣^[15]和陈京华^[16]等学者都阐明了近年来祁连山植被覆盖时空分布特点以及与气象因子之间的相关性。张华^[17]、王莉娜^[9]等学者还分析了植被变化的驱动因素。另一方面是祁连山植被物候期的时空变化趋势和分异特征及其影响因子, 贾文雄^[18]、赵珍^[19]和陈真^[20]等学者探讨了祁连山不同植被物候期的时空变化及其对气候变化的响应。以上研究多聚焦植被变化本身, 及其对气候、地形等自然要素的响应, 而鲜有学者分析植被变化对具体人类活动的响应。因此, 本文以NDVI数据、NPP数据、气象数据和土地利用数据为基础, 利用泰尔-森趋势分析(Theil-Sen趋势分析)、曼-肯德尔检验(Mann-Kendall显著性检验)、相关分析、土地利用转移概率矩阵和多元残差分析等方法, 揭示祁连山国家公园内植被时空变化趋势、分布特征及其对气象因子、人类活动的响应, 分析国家公园植被变化的影响因素, 以期为祁连山国家公园有效治理、科学保护提供依据。

1 研究区概况与数据来源 1.1 研究区概况

祁连山国家公园(95°06′26″—103°00′59″E, 36°45′18″—39°44′47″N)地处青藏、蒙新、黄土三大高原交汇地带的祁连山北麓, 横跨甘肃、青海两省。位于高寒地带, 东南季风从东向西由强及弱, 形成东西差异明显的高寒生态系统, 属于高原大陆性气候, 冷季长, 暖季短, 干湿分明, 气温和降水垂直变化明显, 雨热同期。年平均气温在4℃以下, 年平均降水量400mm左右。由于其复杂的地形和水热条件, 祁连山国家公园内主要有草原、灌丛、荒漠、阔叶林、针叶林、高山植被等植被类型, 分别占祁连山国家公园总面积的63.13%、7.78%、3.90%、0.58%、2.90%和15.44%。其水系隶属于黄河支流和西北内陆河水系, 河流众多, 水资源丰富, 素有“小三江源”之称。祁连山国家公园总占地面积约5.02万km², 其中甘肃片区3.44万km², 涉及金昌、酒泉、兰州、武威和张掖5市；青海片区1.59万km², 涉及门源回族自治县、祁连县、互助土族自治县、德令哈市、海西蒙古族自治州和天峻县6个县市(州)(图 1)。

1.2 数据来源

NDVI数据^[21]和NPP数据^[22]来源于国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn), NDVI源数据为Landsat 5 TM、Landsat 7 ETM+、Landsat 8OLI的遥感影像, 空间分辨率为30m。NPP数据源数据为MODIS MOD17A3, 空间分辨率为500m。利用祁连山国家公园矢量边界裁剪得到2000—2019年祁连山国家公园NDVI数据和NPP数据。

气象数据来源于中国气象数据网(http://data.cma.cn)的中国地面气候标准月值数据集, 包括气温和降水2个要素, 选取了祁连山国家公园周边25个气象站点, 利用样条函数法进行空间插值, 得到与NDVI空间分辨率相同的月值数据, 最后合成得到年值数据。

土地利用类型数据来源于中国科学院资源环境科学数据中心(https://www.resdc.cn), 空间分辨率为1km。

采矿区、旅游区、水电站和探矿区数据来源于寒旱区科学大数据中心, 包括国家公园内的采矿区、旅游区、水电站和探矿区的项目名称、类型、占地面积、开发企业、开发和停止建设时间、目前状态、退出方式和经纬度信息等。

2 研究方法 2.1 Theil-Sen趋势分析

Theil-Sen趋势分析常用来判断长时间序列数据的趋势^[23], 其优点在于不要求数据满足一定的分布, 且对时间序列中的异常值不敏感, 对于显著性水平的检验具有较为坚实的统计学理论基础, 结果较为科学可信, 已逐渐应用到植被长时间序列分析中^{[1, 2, 24—30]}。Theil-Sen趋势分析通过计算序列中两两数据对之间的斜率, 将所有数据对斜率的中值作为时间序列的总体变化趋势, 其计算公式如下:

(1)

式中, β表示所有数据对斜率的中值, 即植被变化趋势, 当β > 0, 反映植被呈现上升趋势, 反之则呈现退化趋势。

2.2 Mann-Kendall显著性检验

Mann-Kendall是一种非参数统计检验方法, 用来判断趋势的显著性^[31—32], 计算公式如下: S检验统计量定义为:

(2)

其中,

(3)

Z_S标准化检验统计量定义为:

(4)

其中,

(5)

式中, i, j表示时间序列, n表示时间序列的长度, sgn是符号函数。当|Z_S| >Z_1-α/2时, 表示序列在α水平上变化显著, 当Z_S的绝对值大于1.65、1.96、2.58时, 表示分别通过了置信度为90%、95%和99%的显著性检验。在本研究中通过Theil-Sen趋势分析来计算祁连山国家公园内植被变化趋势, 再通过Mann-Kendall检验来对变化趋势的显著性进行检验。

2.3 相关分析

NDVI与气候的关系一般采用简单相关分析方法来分析, 相关系数的正负代表了一个变量对另一变量的影响方向, 但地理环境是一个复杂的系统, 各变量之间关系复杂。为了真实反映两个变量之间的相关程度, 本研究采用偏相关分析来分析祁连山国家公园NDVI与温度和降水之间的关系, 偏相关分析方法在研究某一要素对另一要素的影响程度时, 把第3个或者其余变量看作常数, 可得到消除其他要素影响后的两要素之间的相关系数, 偏相关分析公式如下:

(6)

(7)

式中, x为NDVI, y为温度, z为降雨量, r_{xy, z}为NDVI与温度的偏相关系数, r_{xz, y}为NDVI与降雨的偏相关系数。本研究采用t检验方法来诺言相关系数的显著性, 当P＜0.05时, 认为相关显著。

2.4 土地利用转移矩阵

土地利用转移矩阵反映了某一区域某一时段初期和末期各地类面积之间的相互转化的动态过程信息^[33—34], 其表达式为:

(8)

式中, S表示面积, n表示转移前后的土地类型种类数, i、j (i、j = 1, 2, …, n)分别表示转移前后的土地利用类型, S_ij表示转移前的i地类转换成转移后的j地类的面积。

土地利用转移矩阵可以生成土地利用转移概率矩阵^[35—36], 根据条件概率的定义, 由状态S_i转为S_j的转移概率P(S_i→ S_j)就是条件概率P(S_j| S_i), 即P(S_i→ S_j) = P(S_j| S_i) = P_ij, 因此土地利用转移概率矩阵的通用形式为:

(9)

式中, P表示概率, P_ij表示转移前的i地类转换成转移后的j地类的概率。

2.5 多元回归残差分析

本文采用多元回归残差分析将气候变化和人类活动对植被覆盖变化的影响进行区分, 该方法是由Evans等^[7]提出, 现已广泛应用于人类活动对植被覆盖变化影响的定量评估中。该方法有三个步骤, 首先以NDVI为因变量, 平均气温T_mean、累计降水量P_total为自变量, 逐像元建立二元线性回归模型, 计算回归方程中的各项参数；其次, 基于T_mean和P_total以及回归模型的参数, 计算得到NDVI的预测值；再次, 计算基于遥感影像获得的NDVI观测值与基于回归模型的预测值之间的差值, 即NDVI残差, 最后根据表 1确定植被变化的影响因素, 具体计算公式如下:

(10)

(11)

式中, NDVI_pre和NDVI_obs分别为基于回归模型的NDVI预测值和基于遥感影像的NDVI观测值, 其中NDVI_pre代表气候因素对NDVI的影响；a、b和c为模型参数, NDVI_res为残差, 表示人类活动对植被NDVI的影响。

3 结果与分析 3.1 祁连山国家公园NDVI时空分布特征

依据2000—2019年祁连山国家公园年均NDVI数据, 计算20a平均值得到平均NDVI的空间分布图(图 2)。由图 2可知NDVI空间分布规律性较强, 整体上呈现出东南高、西北低, 由东南向西北逐渐递减的空间分布特征。东南段为冷龙岭和达坂山等地, 年平均NDVI最大, 在0.6—0.9之间, 该区域海拔较低, 易受东南季风的影响, 气温较高, 降水较为丰富, 主要植被覆盖类型为草原、灌丛以及小部分的阔叶林、栽培植被和高山植被；中段为走廊南山和托来山等地, 年平均NDVI次之, 在0.4—0.6之间, 该区域海拔也相对较低, 主要植被覆盖类型为草原、高山植被、灌丛以及小部分的针叶林；西段为疏勒南山、野马南山和党河南山等地, 年平均NDVI最小, 在0.3以下, 该区域海拔较高、降水稀缺, 被草原、荒漠和小部分的高山植被所覆盖。

为了充分了解国家公园内县域水平的植被变化情况, 以国家公园内的县(区)为统计单元, 对每个县(区)2000—2019年的平均NDVI进行趋势分析(表 2), 可以有效反映国家公园内县(区)行政单元20a NDVI的变化情况, 以期为各县(区)植被保护和恢复提供意见与建议。国家公园内共涉及17个县(区), 其中甘肃省辖11个, 青海省辖6个。如表 2所示, 甘肃省内所有县(区)NDVI均呈现增加趋势(斜率大于0), 增加速率最快的是甘州区、凉州区和永昌县, 青海省内的各县(区)NDVI也呈现出增加趋势, 增速最快的是互助土族自治县、祁连县和天峻县。结果表明国家公园内各县(区)近20a来植被都呈现出不同程度的增加趋势, 生态环境逐年向好。

2000—2019年祁连山国家公园NDVI整体上呈现波动上升趋势(图 3), 其增长速率为0.0053/a。以2008年为界, NDVI前后呈现出不同的变化趋势, 2008年以前NDVI在0.23—0.29之间波动变化, 略有下降, 2008年之后NDVI呈现出明显增长趋势, 逐年增大, 说明2008年后植被生长状况开始好转。此外NDVI分别在2001年和2018年达到最小值和最大值, 其值分别为0.23和0.35。峰值在2001年和2018年出现, 可能与人类活动有关, 2000年后西部大开发战略开始实施, 各种人类活动增多, 植被遭到破坏。与此同时甘青两省分别在1999年和2000年成为退耕还林还草的试点地区, 退耕初期, 退耕地的人工植被骤然停止, 即便立即植树, 幼苗的NDVI也会明显降低, 因此导致NDVI在2001年骤然下滑并降至最低。而2018年出现最大值, 可能与中共中央通报祁连山自然保护区生态问题, 约谈甘肃省委高度重视祁连山生态问题有关, 约谈之后政府大力整治生态环境恶化问题, 2017年成立了祁连山国家公园体制试点之后, 环境保护力度更强, 手段更丰富, 植被逐年向好, 因此在2018年达到峰值。

3.2 祁连山国家公园NPP时空分布特征

利用2000—2019年祁连山国家公园年均NPP数据, 计算20a平均值得到平均NPP的空间分布图(图 4), NPP呈现出与NDVI类似的空间分布格局, 即由东南向西北逐渐递减。年平均NPP大致以黑河为界, 黑河东南部在0.3—0.6 kg C m^-2 a^-1之间波动, 主要以达坂山、冷龙岭、走廊南山和托来山等地区较高；黑河西北部NPP约在0—0.3 kg C m^-2 a^-1之间变化, 疏勒南山、党河南山、野马南山和大雪山较低, 其中最西端为非植被覆盖区。

将Theil-Sen趋势分析和Mann-Kendall显著性检验结合, 运用于NPP数据, 可以有效反映2000—2019年祁连山国家公园NPP变化趋势的空间分布特征(图 5)。本文将β介于-0.0005—0.0005之间的划分为稳定不变, β ≥ 0.0005的划分为提高区域, β＜-0.0005的划分为降低区域。将Mann-Kendall显著性检验结果在0.05的置信水平上划分为两类, 当|Z_S| > 1.96时, 变化显著, 当|Z_S| ≤ 1.96时, 变化不显著。将Theil-Sen趋势分析的结果和Mann-Kendall显著性检验的结果进行叠加, 得到NPP变化趋势数据, 将结果分为5种变化类型(表 3)。从表 3可以看出, NPP提高区域占总面积的87.29%；稳定不变即没有发生显著变化的区域占12.30%；NPP降低区域仅占0.40%。

从图 5可以看出, NPP严重降低区域主要分布在走廊南山和冷龙岭交汇处, 靠近甘青两省交界边缘；轻微降低区域零星分布于整个国家公园内, 没有大面积集中分布。NPP稳定区域只有三处集中分布, 一处位于国家公园东南段, 大通河流域附近；一处位于河西走廊西北部；还有一处位于托来南山和疏勒南山地区。国家公园西北端NPP变化不显著, 没有通过显著性检验。除以上区域外, 国家公园内其他区域NPP都处于提高状态, 尤其以国家公园东部较为明显, 绝大部分区域都处于明显提高状态。

2000—2019年祁连山国家公园NPP整体上呈现出上升趋势(图 6), 其增长速率为0.0014/a。NPP分别在2001年和2019年达到最小值和最大值, 其值分别为1.2237 kg C m^-2 a^-1和1.2606 kg C m^-2 a^-1。以2005年和2009年为界, NPP呈现出3个阶段的变化。2000—2005年呈现出波动上升的趋势, 波动幅度较大, 2005—2009年逐渐趋于稳定, 2009—2019年呈现出波动上升趋势。

3.3 植被变化对气候变化的动态响应

为了了解祁连山国家公园NDVI对气候变化的响应特征, 对祁连山国家公园像元尺度NDVI与气温和降水的关系进行了分析。图 7表示2000—2019年祁连山国家公园NDVI与气温和降水的偏相关系数空间分布, 由图可知, 祁连山国家公园NDVI与气温呈现显著正相关区域约占40.18%, 显著负相关区域约占28.99%。在国家公园的东南段和中段, 显著正相关区域主要分布在海拔较低的山谷地区, 显著负相关区域沿乌鞘岭和冷龙岭的山脊分布, 在西北段显著负相关区域主要集中在托来南山和疏勒南山附近。国家公园内NDVI与降水主要以正相关为主, 通过显著性检验的区域主要集中在东南段和西北段, 显著正相关占比约为25.70%, 主要分布在东南段的边缘地区以及走廊南山、托来南山、疏勒南山和党和南山这几组平行山脉的山谷地区。显著负相关占比约为2.52%, 零星分布于大通山、土尔根达坂山周边。总体而言, 气温上升、降水增多促进了国家公园内植被生长, 适宜的水热组合对植被生长起到了促进作用, 因此在水源涵养能力较强的地区, 如山谷、河谷地区, 气温上升对植被生长的促进作用更明显, 而国家公园西北段深入大陆腹地, 降水稀少, 使得降水对植被生长的限制作用更明显, 降水与NDVI的相关性更强。

3.4 植被变化对人类活动的响应

植被是受人类活动影响较大的自然因子^[37], 不同方式或不同强度的人类活动可以促使区域植被格局发生改变, 进而改变其生态环境。人类活动对植被具有双重影响^[38], 一方面, 基础设施建设、城市规模扩张和矿产开发^[39]等活动会破坏植被；另一方面, 退耕还林还草、人工抚育林栽培种植等活动会促进植被生长。而在祁连山国家公园内开采矿产、发展旅游、建设工程和生态林栽培等人类活动较为频繁, 因此通过NDVI变化趋势及土地利用类型变化情况, 分析祁连山国家公园内各种人类活动对生态环境的影响。

3.4.1 开采矿产、发展旅游和建设工程对植被的影响

祁连山国家公园内, 破坏植被的人类活动主要有开采矿产、发展旅游和建设工程。国家公园内共有采矿区、旅游区、水电站和探矿区128个, 总占地面积约6678.0413km², 占祁连山国家公园总面积的13.3029%。其中采矿区、旅游区、水电站和探矿区分别有22、20、17和69个, 分别占国家公园总面积的0.0391%、0.0539%、0.0019%和11.8767%。截止到2018年底, 所有采矿区均处于停产、关闭和退出状态, 旅游区中有5家补办手续、整改后继续营业, 其余全部退出, 水电站中有5个水电站关停, 其余正常运行, 探矿区中有2家矿业权注销, 16家暂停勘查, 其余全部处于冻结状态。

所有采矿区、旅游区、水电站和探矿区的空间分布如图 8所示。采矿区分布相对集中, 主要分布在冷龙岭、走廊南山和托来山；旅游区分布也较集中, 主要分布在祁连山国家公园的北部, 尤其在冷龙岭和黑河分布最为集中；水电站主要集中分布在黑河流域和冷龙岭附近；探矿区分布相对分散, 除了国家公园西北部即党河南山、野马南山附近没有分布外, 其余地区均有分布。提取采矿区、旅游区、水电站和探矿区2000—2019年平均NDVI值, 发现约有54.55%的采矿区、95.00%的旅游区、35.29%的水电站和56.52%的探矿区NDVI值高于0.4, 植被覆盖较高；而有45.45%的采矿区、5.00%的旅游区、64.71%的水电站和43.48%的探矿区NDVI值低于0.4, 植被覆盖较低。

其中利用经纬度信息, 分别提取2000—2019年采矿区、旅游区、水电站和探矿区的NDVI值(图 9), 分析人类活动对于祁连山国家公园植被变化的影响。分析提取数据可知, 有9个采矿区、10个旅游区、10个水电站以及25个探矿区, 在建设使用时段内的平均NDVI低于2000—2019年的平均NDVI, 说明祁连山国家公园内约三分之一的采矿区、旅游区、水电站和探矿区, 在建设使用过程中, 对植被生长造成了一定程度的破坏, 导致建设使用时段内的平均NDVI低于20a的平均值。采矿区、旅游区、水电站和探矿区在建设使用时段是否对植被造成破坏的空间分布如图 10, 其中蓝色代表建设使用期NDVI低于20a的平均值, 紫色反之。由图 10可知, 对于植被造成一定程度破坏的采矿、旅游、水电和探矿区主要分布在冷龙岭、黑河以及河西走廊中段。

此外, 有19个采矿区、7个旅游区、14个水电站、60个探矿区的NDVI值总体呈现增加趋势, 说明超过四分之三的采矿区、旅游区、水电站和探矿区的植被生长状况较好, 没有造成破坏, 但也有部分采矿区、旅游区、水电站和探矿区的NDVI显著下降, 植被遭到了严重的破坏。为了进一步保护国家公园内的生态环境, 2018年末对国家公园内的采矿区、旅游区、水电站和探矿区进行整改规范, 其中少部分整改后规范经营, 大部分停业关闭。以2018年为界, 分析NDVI的变化情况可知, 约有10个采矿区、4个旅游区、12个水电站和33个探矿区NDVI在2018年前波动变化, 2018年后稳定上升；有9个采矿区、12个旅游区、1个水电站和15个探矿区的NDVI在2018年前同样呈现波动变化趋势, 2018年后略有下降；有3个采矿区、4个旅游区、4个水电站和21个探矿区20a NDVI呈现较为稳定的上升趋势。总的来看, 约有71.09%的采矿区、旅游区、水电站和探矿区在规范、整改之后, 植被生长状况得到恢复, 生态环境得到改善, 约有28.91%的采矿区、旅游区、水电站和探矿区在整改后的两年内, NDVI没有明显提升, 略有下降。

3.4.2 土地利用类型变化对植被的影响

国家公园内的主要土地利用类型是草地、其他用地, 其次是林地、水域、耕地和建设用地。近20年来, 国家公园内的土地利用类型发生了较大变化, 计算得到2000—2018年间的土地利用转移概率矩阵(表 4—表 7)。2000—2005年耕地、林地波动较大, 耕地面积增加、林地面积减少；2005—2010年其他用地波动较为明显, 一部分转为林地和草地, 使得林地和草地面积增加；2010—2015年草地、水域和其他用地类型转化较多, 草地面积减少, 主要转化为其他用地；2015—2018年, 土地利用类型变化复杂, 各种用地类型之间转化频繁, 耕地面积大幅减少, 主要转化为草地和林地。前15年内各种用地类型之间转换较为简单, 转换面积较小, 各种用地类型面积波动不大, 从2015年起, 各用地类型之间转化复杂, 面积波动较大, 尤其表现为耕地的大幅减少, 究其原因在于2018年末关停整改了一部分采矿区、探矿区、水电站和旅游区, 使得各种用地类型面积波动较大。相应这三年内各种用地类型的NDVI明显增大, 说明整改之后植被生长状况得到恢复。

为了反映各种用地类型NDVI的变化情况, 提取2000、2005、2010、2015和2018年各种土地利用类型的平均NDVI值(图 11), 从图 11可知平均NDVI值: 林地>耕地>建设用地>草地>其他用地。对5个时间点内各种用地类型NDVI的进行趋势分析(图 12), 发现耕地、林地、草地、建设用地和其他用地的NDVI都在逐年增长, 且增长速率建设用地最大, 其次为耕地、林地, 再次为草地和其他用地, 说明各种用地类型的植被生长状况在逐年变好, 但各种用地类型之间植被覆盖增加的速度各不相同, 即各种用地类型中植被以不同速度逐渐恢复, 整体呈现向好的趋势。

3.5 植被覆盖变化影响因素分析

利用多元残差分析得到祁连山国家植被覆盖变化影响因素空间分布(图 13), 由图可知, 在祁连山国家公园NDVI呈现显著增加和显著减少趋势的区域, 气候变化和人类活动的共同作用是20年来祁连山国家公园植被覆盖显著增加的主要驱动力；国家公园植被呈现下降趋势也主要是由二者的共同作用导致, 但分布面积较少, 主要零星分布于国家公园中段区域。此外, 单独由人类活动引起的植被覆盖上升在国家公园西北段和东南段比较集中, 中段分布较少；单独由人类活动引起的植被覆盖下降和单独由气候变化引起的植被覆盖上升分布均很少。总体而言祁连山国家公园植被覆盖变化是由气候和人类活动因素共同导致的, 单独由人类活动导致的植被覆盖增加和和降低主要集中在国家公园中段, 该区域人类活动较为频繁, 人为因素对自然的干扰较大。

4 结论

本文利用Theil-Sen趋势分析、Mann-Kendall显著性检验和多元残差分析等方法, 分析了2000—2019年祁连山国家公园植被时空变化特征和变化趋势, 并探讨了植被对气候变化和人类活动的响应。主要结论为:

(1) 2000—2019年祁连山国家公园内NDVI和NPP都呈现出东南高西北低, 由东南向西北递减的空间分布特征。

(2) 近20年来祁连山国家公园内NDVI和NPP总体都呈现出上升趋势, 增长速率分别为0.0053/a和0.0014/a。NDVI以2008年为界, 2018年以前呈现波动上升趋势, 2018年以后呈现快速增长趋势。

(3) 2000—2019年祁连山国家公园内NPP提高区域远远大于降低区域。NPP提高区域占总面积的87.29%, 降低区域占0.40%, 稳定不变区域占12.30%。

(4) 祁连山国家公园内植被生长受气温限制的区域约占69.17%, 受降水限制的约占28.22%。人类活动对植被生长影响显著, 国家公园内约有28.91%采矿区、旅游区、水电站和探矿区在整改、规范之后, NDVI仍然略有下降, 生态环境没有明显恢复；退耕还林还草和生态林建设成效显著, 近3年来用地类型变化剧烈, 耕地大幅度减少, 大部分转化为林地和草地。国家公园内大部分地区的植被覆盖变化是由气候变化和人类活动因素共同导致的。