Land Surface Temperature Patterns and Their Statistical Association with Land Use/Land Cover in Sundernagar Tehsil, Himachal Pradesh: A Multi-Date Remote Sensing Analysis

方法

Landsat 8 OLI/TIRS三期影像、地表温度反演、分区统计、光谱指数相

发现

裸地平均地表温度最高、水体最低，且加入高程、坡度、坡向后模型解释力显著提升。

机会点

可引入时序趋势与因果推断方法，并针对山地农业区开展地形校正后的地表温度—覆盖关系研究。

地表温度（LST）是监测地表热状况的重要参数，在快速城市化的山区尤为如此。本研究利用2015年3月23日、2020年3月4日和2025年3月18日的Landsat 8 OLI/TIRS Collection 2 Level 2影像，考察印度喜马偕尔邦Sundernagar Tehsil地区地表温度的空间格局及其与土地利用/土地覆盖（LULC）的统计关联。三幅影像均获取于3月内的不同日期，因此每幅影像被视为独立的横截面观测，各日期之间绝对地表温度的差异不被解释为长期变化。地表温度取自地表温度波段（ST_B10），并按五类土地利用/土地覆盖进行汇总：保护区、农业区、建成区、裸地和水体。分区统计显示，三幅影像中的热力排序一致，裸地平均地表温度最高（29.74 °C、22.20 °C、25.21 °C），水体最低（24.05 °C、18.18 °C、20.72 °C）。相邻像元存在空间自相关，不能视为独立观测。因此，像元尺度上地表温度与光谱指数（NDVI、NDWI和NDBI）之间的Pearson相关性被解释为关联性的描述性度量，名义p值和置信区间不作为推断统计量处理。在全栅格上，NDBI与地表温度呈正相关（r = 0.3671、0.2406和0.3154），而NDWI呈负相关（r = −0.2790、−0.2988和−0.2801）。在三个光谱指数中，未调整的关系约能解释地表温度方差的2%–13%。NDVI与地表温度呈较弱的未调整正相关（r = 0.1315–0.1879），但在对高程、坡度和坡向进行调整后，其回归系数在三幅影像中均转为负值。将地形变量加入土地利用/土地覆盖模型后，R²从0.148–0.315提高到0.598–0.632，表明土地覆盖热关联的解释对地形调整较为敏感。结果表明，在每个日期内土地覆盖与地表温度之间存在一致的关联，可为喜马拉雅城镇的土地利用规划提供支持，但并未显示因果关系或长期趋势。