La fusión espacio-temporal es actualmente el método más eficaz para combinar dos atributos de alta resolución espacial de imagen y alta frecuencia temporal, lo que es crucial para la producción de productos de datos de teledetección de alta precisión. Sin embargo, la mayoría de los modelos de fusión espacio-temporal están basados en la tasa de reflexión de la superficie y el índice de vegetación y rara vez se aplican a la temperatura de la superficie (LST); además, la evaluación de los modelos de fusión espacio-temporal existentes de la temperatura de la superficie no considera plenamente el impacto de las diferentes combinaciones de datos y la correlación de los datos en el rendimiento del modelo. Por lo tanto, este estudio se basa en cuatro tipos de modelos de fusión espacio-temporal (ESTARFM, STRUM, FSDAF y EDCSTFN), comparando los resultados de fusión de la temperatura de la superficie de cada modelo, así como analizar el impacto del entorno de la superficie, las diferencias de escala espacial de los datos y la correlación de los datos en los resultados de la fusión. Los resultados muestran: (1) El modelo EDCSTFN fusiona con mayor precisión LST, seguido por el modelo FSDAF y ESTARFM, el modelo STRUM es relativamente menos preciso; Los efectos de fusión ESTARFM y EDCSTFN tienen un efecto visual superior, mientras que los efectos de fusión STRUM y FSDAF son más suaves; (2) Los cuatro modelos mostraron los mejores resultados de fusión en regiones de estructura terrestre homogénea primero, luego en regiones de cambio fenológico evidente y en regiones de tipos de cobertura terrestre mixta, la fusión fue inferior. El modelo EDCSTFN mantiene una alta precisión en diferentes condiciones de superficie, especialmente en áreas de tipos de cobertura terrestre mixta, pero en regiones de estructura terrestre simple, no funciona tan bien como el modelo ESTARFM; (3) Con el aumento de la escala espacial, la precisión de fusión de los modelos ESTARFM, STRUM y FSDAF muestra una disminución regular, mientras que el modelo EDCSTFN no muestra tendencia a la disminución; (4) Con la disminución de la correlación de datos, la precisión de fusión de los cuatro modelos muestra todas una disminución regular, de los cuales el modelo EDCSTFN muestra una relativa estabilidad y fiabilidad.

Fusión espacio-temporal, temperatura de la superficie, ESTARFM, STRUM, FSDAF, EDCSTFN