Debido a la compensación entre el ancho de escaneo y el tamaño de píxel, existe una restricción mutua entre la resolución espacial y temporal de las imágenes de teledetección, lo que dificulta que un solo sensor satelital obtenga imágenes de teledetección de alta resolución espaciotemporal. Por lo tanto, la tecnología de fusión espaciotemporal multifuente de imágenes de teledetección se ha convertido en una vía clave para resolver este problema. Sin embargo, debido a la brecha entre el modelo físico ideal y los escenarios reales complejos, los métodos tradicionales de fusión no son ideales para tratar escenarios de fusión no homogéneos. El auge del aprendizaje profundo ha traído tecnologías avanzadas de fusión espaciotemporal como redes neuronales convolucionales y modelos de difusión. Para mantenerse al tanto del desarrollo de vanguardia en este campo, este artículo se centra en analizar la tecnología avanzada de fusión espaciotemporal multifuente basada en aprendizaje profundo. Primero, se sistematizan los principios básicos de los métodos tradicionales de fusión espaciotemporal de imágenes de teledetección y se analizan en profundidad sus ventajas y limitaciones; luego, según los principios y características de los algoritmos, se clasifican las tecnologías avanzadas de aprendizaje profundo en cinco categorías y se resumen sus avances en la aplicación a tareas de fusión espaciotemporal; después, se resumen e introducen conjuntos de datos de código abierto, algoritmos de aprendizaje profundo e indicadores comunes de evaluación del rendimiento utilizados para la fusión espaciotemporal de imágenes de teledetección, y se realizan experimentos cuantitativos y cualitativos en los conjuntos de datos CIA, DX y SW para la verificación y análisis comparativo de algoritmos de fusión. Finalmente, integrando el desarrollo y los resultados del análisis experimental de diversos algoritmos de fusión espaciotemporal, se resumen los principales desafíos actuales en el campo de la fusión espaciotemporal de imágenes de teledetección y las posibles direcciones futuras de desarrollo.

fusión espaciotemporal;imágenes de teledetección multifuente;aprendizaje profundo;principios de algoritmos;clasificación tecnológica;conjuntos de datos