Optimizar la morfología espacial urbana es uno de los métodos más efectivos para mejorar el entorno térmico urbano. Algunos estudios han utilizado el sistema de clasificación de zonas climáticas locales (LCZ) para examinar la relación entre la morfología espacial urbana y las Islas de Calor Urbanas Superficiales (SUHIs). Sin embargo, estos estudios a menudo se basan en datos de un solo punto en el tiempo, sin considerar los cambios en el espacio urbano y las relaciones de mapeo de LCZ en series temporales. Este estudio utilizó datos de teledetección de Landsat 5, 7 y 8-9 para recuperar las temperaturas de la superficie terrestre en Changsha desde 2005 hasta 2020 utilizando el Algoritmo de Mono-Ventana. Luego se examinó y analizó la evolución espacio-temporal de la LCZ y la Intensidad de la Isla de Calor Urbana Superficial (SUHII). Este estudio tiene como objetivo (1) proponer un método de mapeo de LCZ localizado y a largo plazo, (2) investigar la relación espacio-temporal entre la LCZ y la SUHII, y (3) desarrollar un método de evaluación de SUHI más conveniente para la planificación y el diseño urbano. Los resultados mostraron que la evolución espacio-temporal de la LCZ refleja la secuencia de expansión urbana. En términos de cantidad, el número de LCZ de tipo construido que mantiene sus tipos originales es bajo, con cada uno experimentando al menos un cambio de tipo. Las LCZ abiertas aumentaron más, seguidas de las LCZ escasas y las compuestas. Espacialmente, las LCZ experimentan transiciones inversas debido a la expansión urbana y las mejoras de calidad en las áreas urbanas centrales. Los cambios estacionales en los tipos de LCZ y el SUHI varían, con diferencias no solo entre los tipos de LCZ, sino también en las alturas de los edificios dentro del mismo tipo. La importancia relativa de los parámetros de LCZ también difiere entre las estaciones. El modelo de SUHI construido utilizando Árboles de Regresión Aumentados (BRT) demostró una alta precisión predictiva, con valores de R2 de 0.911 para el verano y 0.777 para el invierno. En la validación de casos prácticos, el modelo explicó el 97.86% de los datos para el verano y el 96.77% para el invierno. Este estudio proporciona recomendaciones de planificación basadas en evidencia para mitigar el calor urbano y crear un entorno construido cómodo.