Con el avance continuo de la globalización que impacta significativamente el medio ambiente ecológico, el aumento continuo de la Temperatura de la Superficie Terrestre (LST) está poniendo en peligro cada vez más las condiciones de producción y vida humanas. Este estudio tiene como objetivo investigar las variaciones estacionales en la LST y sus factores determinantes utilizando modelos matemáticos. Tomando la Aglomeración Urbana de Wuhan (WHUA) como estudio de caso, explora las características estacionales de la LST y emplea el Análisis de Componentes Principales (PCA) para categorizar los factores determinantes. Además, compara modelos tradicionales con modelos de aprendizaje automático para seleccionar el modelo óptimo para esta investigación. Las principales conclusiones son las siguientes. (1) La LST de la WHUA presenta diferencias significativas entre las estaciones y demuestra características de agrupamiento espacial distintas en diferentes estaciones. (2) En comparación con los modelos espaciales geográficos tradicionales, el Extreme Gradient Boosting (XGBoost) muestra un mejor poder explicativo al investigar los efectos determinantes de la LST. (3) La Actividad Humana (HA) domina la influencia a lo largo del año y muestra una correlación positiva significativa con la LST; la Geografía Física (PG) exhibe una correlación negativa con la LST; el Clima y el Tiempo (CW) muestran una variación similar a la PG, alcanzando su punto máximo en la transición; y el Patrón del Paisaje (LP) muestra una débil correlación positiva con la LST, alcanzando su punto máximo en invierno mientras que es relativamente poco conspicuo en verano y en la transición. Finalmente, a través del análisis comparativo de múltiples factores determinantes y modelos, este estudio construye un marco para explorar las características estacionales y los factores determinantes de la LST, con el objetivo de proporcionar referencias y orientación para el desarrollo de la WHUA y regiones similares.