O objetivo deste trabalho é comparar modelos de predição para a interpolação de dados faltantes em conjuntos de dados espaço-temporais dispostos em grade, comumente oferecidos através de sistemas de sensoriamento remoto. O método de Krigagem Universal, usual para essa aplicação, é computacionalmente intenso e seu uso pode ser inviável num contexto em que o volume de dados é maior. Uma classe de modelos mistos chamada Krigagem de Posto Fixo (FRK) visa reduzir a complexidade computacional desse procedimento e é comparada com modelos espaço-temporais hierárquicos que se beneficiam da relação entre a função de covariância de Matérn e a solução de equações diferencias parciais estocásticas. Simulações apontam melhores resultados para os métodos de maior complexidade computacional, mas a redução no tempo de execução é substancial para os novos modelos, com desempenho satisfatório sobretudo para os modelos hierárquicos. Por fim, para ilustração, os novos modelos são aplicados para um conjunto de dados obtidos de um satélite equipado com sensores de temperatura de superfície para uma área da Região Metropolitana de São Paulo.

The objective of this work is to compare predictive models for the interpolation of missing values in spatio-temporal data sets arranged in a grid, commonly available through remote sensing systems. The Universal Kriging method, usual for this application, is computationally intensive and its usage may be unfeasible in a context where the volume of data is large. A class of mixed models called Fixed Rank Kriging aims to reduce the computational complexity of this procedure and these models are compared with hierarchical spatio-temporal models that benefit from the relationship between the Matérn covariance function and the solution of stochastic partial differential equations. Simulations show better results for the methods with greater computational complexity, but the improvement in execution time is substantial for the new methods, with adequate results especially using the hierarchical models. Finally, for illustration, the new models are applied to a data set obtained from a satellite equipped with surface temperature sensors for an area in the Metropolitan Region of São Paulo.