Este estudio tiene como objetivo desarrollar un conjunto de datos de temperatura de alta resolución de 40 km a 110 km sobre China mediante técnicas de aprendizaje automático, con una resolución horizontal de 0.5 grados x 0.5 grados y una resolución vertical de 1 km, utilizando mediciones de SABER a bordo de los satélites Thermosphere, Ionosphere, Mesosphere Energetics, and Dynamics (TIMED) y Fengyun 4A (FY-4A). Los perfiles de temperatura precisos juegan un papel crítico en la comprensión de la dinámica atmosférica y el cambio climático. Sin embargo, debido a la limitación de los métodos de detección tradicionales, las mediciones de la estratosfera superior y la mesosfera son escasas. En este estudio, se desarrolla un nuevo método para construir un conjunto de datos de temperatura de alta resolución sobre China en la atmósfera media basado en la técnica XGBoost. El rendimiento del modelo también se valida en función de observaciones de cohetes y datos de reanálisis ERA5. Los resultados indican que el modelo captura efectivamente las características de las variaciones verticales y estacionales en la temperatura, lo que proporciona una valiosa oportunidad para futuras investigaciones y mejoras de los modelos climáticos. El modelo demuestra la mayor precisión por debajo de 80 km con un RMSE < 12 K, mientras que su rendimiento disminuye por encima de 100 km, donde el RMSE puede superar los 20 K, lo que indica un rendimiento óptimo en las regiones de la estratosfera superior y la mesosfera inferior.