Las observaciones meteorológicas son esenciales para la modelización climática, la predicción, los sistemas de alerta temprana, los procesos de toma de decisiones y la gestión de desastres. Estas observaciones son críticas para el desarrollo social y la protección de las actividades humanas y los medios de vida. Las técnicas de interpolación espacial juegan un papel fundamental en la resolución de las brechas entre los sitios de observación, lo que permite la generación de conjuntos de datos meteorológicos continuos. Sin embargo, debido a la complejidad inherente de las interacciones entre la atmósfera y la superficie, ninguna técnica de interpolación ha demostrado ser universalmente efectiva para lograr resultados consistentemente precisos en las variables meteorológicas. Este estudio propone un nuevo modelo de interpolación basado en la Fusión Óptima Adaptativa Difusa (FAOF). El modelo FAOF integra la teoría difusa al construir conjuntos difusos específicos de estaciones y grupos de elementos de submétodos, empleando una función de membresía no lineal con el error como variable independiente. Se utiliza un índice de precisión iterativo para identificar la combinación óptima de parámetros, facilitando la fusión de datos adaptativa y la optimización de la interpolación. El rendimiento del modelo se evalúa en comparación con 10 métodos individuales del grupo de métodos. Los resultados experimentales demuestran que FAOF combina efectivamente las fortalezas de múltiples métodos, logrando una precisión de interpolación significativamente mejorada. Además, el modelo tiene un buen rendimiento de manera consistente en diversas regiones y variables meteorológicas, subrayando su robustez y fuerte capacidad de generalización.