空气温度是一个非常重要的气候变量，通常由气象台站观测获得。对其时空特征的精确估算是很多模型的基础，但是由于台站分布密度的不均和研究区复杂的地形，往往使其空间化的结果较差。目前，随着遥感技术的发展，使用热红外遥感数据估算的地表温度，结合地面观测数据，建立回归模型可以提高区域空气温度估算的精度。由于云和其它大气因素会影响遥感反演的地表温度数据结果，因此本研究本文将2001-2010年的LST历史数据作为先验知识，用以建立LST背景库，并提出了基于LST背景库的Savitzky-Golay(SG)滤波算法来实现LST时间序列数据的重建工作。将重建后的 LST 与研究区12个气象站空气温度数据进行了时序分析和回归分析，结果表明在月尺度合成序列上LST-TA的一致性较好，且具有非常好的线性相关关系，80%的台站的决定系数高于0.5。通过对比分析发现，加入植被指数（NDVI）的各月空气温度回归模型比直接用LST建立的回归模型精度更高。因此，本研究使用LST-NDVI模型对澜沧江流域2010年12个月份的空气温度进行空间化制图，并分析了其年内时空格局特征。