A fusão espaço-temporal é, atualmente, o método mais eficaz para combinar imagens com alta resolução espacial e temporal, sendo de grande importância para a produção de produtos refinados de dados de sensoriamento remoto. No entanto, a grande maioria dos modelos de fusão espaço-temporal é baseada na reflectância da superfície terrestre e índices de vegetação, sendo raramente aplicada à temperatura da superfície terrestre LST (Land Surface Temperature); além disso, a avaliação dos modelos atuais de fusão da temperatura da superfície não considera suficientemente o impacto das diferentes combinações e da correlação dos dados no desempenho do modelo. Portanto, este artigo baseia-se em quatro tipos de modelos de fusão espaço-temporal (ESTARFM, STRUM, FSDAF e EDCSTFN), compara os resultados da fusão da temperatura da superfície de cada modelo, e analisa o impacto do ambiente da superfície, das diferenças de escala espacial e da correlação dos dados nos resultados da fusão. Os resultados indicam que: (1) o modelo EDCSTFN apresenta a maior precisão na fusão do LST, seguido pelos modelos FSDAF e ESTARFM, enquanto o modelo STRUM tem precisão relativamente inferior; as imagens fusionadas pelos modelos ESTARFM e EDCSTFN têm melhor efeito visual, enquanto as dos modelos STRUM e FSDAF são relativamente mais suaves. (2) Os quatro modelos obtêm o melhor efeito de fusão em zonas com estrutura de superfície uniforme, seguidas por zonas com alterações fenológicas evidentes, e piores resultados em áreas com tipos complexos de cobertura do solo. O modelo EDCSTFN mantém um elevado nível de precisão em diferentes ambientes de superfície, especialmente em áreas com tipos complexos de cobertura do solo, embora tenha desempenho inferior ao modelo ESTARFM em áreas com estrutura de superfície simples. (3) Com o aumento das diferenças na escala espacial, a precisão da fusão nos modelos ESTARFM, STRUM e FSDAF diminui de forma regular, enquanto o modelo EDCSTFN não apresenta essa tendência. (4) À medida que a correlação dos dados diminui, a precisão da fusão dos quatro modelos diminui regularmente, com o modelo EDCSTFN apresentando relativa estabilidade e robustez.

fusão espaço-temporal, temperatura da superfície, ESTARFM (Modelo Melhorado de Fusão Adaptativa de Reflectância Espacial e Temporal), STRUM (Modelo de Desmistura Espacial e Temporal), FSDAF (Fusão Flexível de Dados Espaço-Temporais), EDCSTFN (Rede Convolucional Profunda Melhorada)