At the global and regional scales, green vegetation cover has the ability to affect the climate and land surface fluxes. Climate is an important factor which plays an important role in vegetation cover. This research aimed to study the changes in land cover and relation of different vegetation indices with temperature using multi-temporal satellite data in Sahiwal region, Pakistan. Supervised classification method (maximum likelihood algorithm) was used to achieve the land cover classification based on ground-truthing. Our research denoted that during the last 24 years, almost 24,773.1 ha (2.43%) of vegetation area has been converted to roads and built-up areas. The built-up area increased in coverage from 43,255.54 ha (4.24%) from 1998 to 2022 in study area. Average land surface temperature (LST) values were calculated at 16.6 °C and 35.15 °C for winter and summer season, respectively. In Sahiwal region, the average RVI, DVI, TVI, EVI, NDVI and SAVI values were noted as 0.19, 0.21, 0.26, 0.28, 0.30 and 0.25 respectively. For vegetation indices and LST relation, statistical linear regression analysis indicated that kappa coefficient values were R2 = 0.79 for RVI, 0.75 for DVI, 0.78 for DVI, 0.81 for EVI, 0.83 for NDVI and 0.80 for SAVI related with LST. The remote sensing (RS) technology can be used to monitor changes in vegetation indices values over time, providing valuable information for sustainable land use management. Even though the findings on land cover provide significant references for reasoned and optimal use of land resources through policy implications.

中文翻译：

---

巴基斯坦萨希瓦尔地区多时相遥感数据地表温度与不同植被指数的关系

在全球和区域尺度上，绿色植被覆盖能够影响气候和地表通量。气候是影响植被覆盖的重要因素。本研究旨在利用巴基斯坦萨希瓦尔地区的多时相卫星数据研究土地覆盖变化以及不同植被指数与温度的关系。采用监督分类方法（最大似然算法）实现基于地面实况的土地覆盖分类。我们的研究表明，在过去 24 年中，近 24,773.1 公顷（2.43%）的植被面积已转变为道路和建筑区。研究区建成区面积从 1998 年的 43,255.54 公顷（4.24%）增加到 2022 年。平均地表温度 (LST) 值是在 16.6 °C 和 35 °C 时计算的。冬季和夏季分别为 15°C。在萨希瓦尔地区，平均 RVI、DVI、TVI、EVI、NDVI 和 SAVI 值分别为 0.19、0.21、0.26、0.28、0.30 和 0.25。对于植被指数与LST的关系，统计线性回归分析表明，与LST相关的RVI、DVI、DVI、EVI、NDVI和SAVI的kappa系数分别为R2=0.79、0.75、0.78、0.81、0.83、0.80。遥感（RS）技术可用于监测植被指数值随时间的变化，为可持续土地利用管理提供有价值的信息。尽管土地覆盖的研究结果通过政策影响为合理、优化利用土地资源提供了重要参考。NDVI 和 SAVI 值分别为 0.19、0.21、0.26、0.28、0.30 和 0.25。对于植被指数与LST的关系，统计线性回归分析表明，与LST相关的RVI、DVI、DVI、EVI、NDVI和SAVI的kappa系数分别为R2=0.79、0.75、0.78、0.81、0.83、0.80。遥感（RS）技术可用于监测植被指数值随时间的变化，为可持续土地利用管理提供有价值的信息。尽管土地覆盖的研究结果通过政策影响为合理、优化利用土地资源提供了重要参考。NDVI 和 SAVI 值分别为 0.19、0.21、0.26、0.28、0.30 和 0.25。对于植被指数与LST的关系，统计线性回归分析表明，与LST相关的RVI、DVI、DVI、EVI、NDVI和SAVI的kappa系数分别为R2=0.79、0.75、0.78、0.81、0.83、0.80。遥感（RS）技术可用于监测植被指数值随时间的变化，为可持续土地利用管理提供有价值的信息。尽管土地覆盖的研究结果通过政策影响为合理、优化利用土地资源提供了重要参考。与 LST 相关的 DVI 为 75，DVI 为 0.78，EVI 为 0.81，NDVI 为 0.83，SAVI 为 0.80。遥感（RS）技术可用于监测植被指数值随时间的变化，为可持续土地利用管理提供有价值的信息。尽管土地覆盖的研究结果通过政策影响为合理、优化利用土地资源提供了重要参考。与 LST 相关的 DVI 为 75，DVI 为 0.78，EVI 为 0.81，NDVI 为 0.83，SAVI 为 0.80。遥感（RS）技术可用于监测植被指数值随时间的变化，为可持续土地利用管理提供有价值的信息。尽管土地覆盖的研究结果通过政策影响为合理、优化利用土地资源提供了重要参考。