Los datos de temperatura de superficie de alta resolución espaciotemporal juegan un papel crucial en el monitoreo de los efectos de las islas de calor urbanas. En comparación con Landsat 8, los productos de temperatura de superficie de MODIS ofrecen alta resolución temporal pero sufren de baja resolución espacial. Para abordar esta limitación, se desarrolló un modelo de reducción de escala en dos pasos (TSDM) en este estudio para la temperatura de superficie de MODIS aprovechando algoritmos de bosque aleatorio (RF). El modelo integra datos de teledetección, incluyendo el Índice de Vegetación de Diferencia Normalizada (NDVI), el Índice de Construcción de Diferencia Normalizada (NDBI) y el Índice de Agua de Diferencia Normalizada (NDWI), junto con el tipo de cobertura terrestre, el modelo digital de elevación (DEM), la pendiente y la orientación. Además, se estableció un modelo de ajuste de temperatura de superficie de agua (RF-WST) para mitigar el problema de datos faltantes sobre cuerpos de agua. La validación utilizando datos de Landsat 8 revela que el error promedio fuera de bolsa (OOB) para el modelo RF-250 m es 0.81, para el modelo RF-WST es 0.73, y para el modelo RF-30 m es 0.76. El error cuadrático medio (RMSE) para los tres modelos está por debajo de 1.3 K. La construcción del modelo RF-WST complementa con éxito los datos faltantes de cuerpos de agua en las salidas de MODIS, mejorando el detalle espacial. El modelo de reducción de escala demuestra un fuerte rendimiento en áreas de pastizales y muestra una robusta aplicabilidad durante el invierno, la primavera y el otoño. Sin embargo, debido a una discrepancia temporal de media hora en los datos de validación durante el verano, el modelo exhibe una precisión reducida en esa temporada.