El monitoreo en tiempo real del crecimiento de cultivos a escala parcelaria es clave para la agricultura de precisión. Sin embargo, la teledetección satelital cubre amplias zonas pero está limitada por el clima y la resolución espacial, mientras que los vehículos aéreos no tripulados (UAV) tienen alta resolución espacial pero limitada autonomía, por lo que una sola fuente de datos no satisface las demandas de monitoreo continuo a gran escala. Para abordar este problema, este estudio se basa en datos multiespectrales de UAV, Sentinel-2 y PlanetScope SuperDove, y propone un método de fusión espacio-temporal multiplataforma basado en un algoritmo CACAO mejorado. El método construye dos estrategias de combinación de datos: "UAV+Sentinel-2" y "SuperDove+Sentinel-2+UAV", y mediante dos modos, predicción hacia adelante y actualización hacia atrás, genera casi en tiempo real series temporales diarias del índice de vegetación normalizado (NDVI) con resolución de 1 metro. Se emplea la validación cruzada Leave-One-Out (LOOCV) y se compara con el algoritmo GLM-STF (modelo lineal generalizado para fusión espacio-temporal) para evaluar la precisión de la fusión. Los resultados muestran: (1) los datos NDVI de diferentes plataformas tienen buena consistencia; la correlación NDVI entre Sentinel-2 y SuperDove es 0,97, y entre UAV y satélite supera 0,75, lo que cumple con los requisitos de fusión; (2) el algoritmo CACAO puede reconstruir efectivamente la dinámica fenológica del arroz, con series temporales NDVI más suaves usando el modo de actualización hacia atrás, y ambas estrategias de combinación basadas en CACAO logran alta precisión (R > 0,94). La inclusión de datos SuperDove de alta resolución temporal durante períodos fenológicos clave mejora la precisión de 0,51 a 0,67; (3) el algoritmo CACAO muestra un desempeño más estable y ligeramente superior al GLM-STF durante toda la temporada de crecimiento. En resumen, el marco de fusión multiplataforma propuesto genera eficazmente series temporales NDVI continuas y de alta precisión a escala parcelaria, proporcionando un soporte técnico sólido para el monitoreo detallado del crecimiento de cultivos y la gestión agrícola precisa.

PlanetScope;Sentinel-2;fusión de datos espacio-temporales;monitoreo del crecimiento;agricultura de precisión;escala parcelaria;curvas fenológicas;monitoreo casi en tiempo real