La predicción de la Temperatura de la Superficie del Mar (SST) es un tema candente que ha recibido una gran popularidad en los últimos años. Los métodos existentes para la predicción de SST generalmente seleccionan una zona marina de interés y realizan la predicción de SST aprendiendo las dependencias y patrones espaciales y temporales en los datos históricos de SST. Sin embargo, la SST global es un sistema unificado de alta regionalidad, y la SST en diferentes áreas marinas muestra diferentes patrones de cambio debido a la influencia de varios factores, como la ubicación geográfica, las corrientes oceánicas y la profundidad del mar. Sin una buena comprensión de dicha regionalidad de la SST, no podemos integrar cuantitativamente la información de regionalidad de la SST en los modelos de predicción de SST para hacerlos adaptativos a diferentes patrones de SST en todo el mundo y mejorar la precisión de la predicción. Para abordar este problema, propusimos el método de Agrupamiento Espacio-Temporal en Múltiples Etapas (MuSTC) para identificar cuantitativamente áreas marinas con patrones de SST similares. Primero, MuSTC aprende secuencialmente la representación de la SST a largo plazo con un codificador temporal profundo y calcula las puntuaciones de correlación espacial entre regiones oceánicas en cuadrícula con autoatención. Luego, MuSTC agrupa las regiones oceánicas en cuadrícula basándose en los datos originales de SST, la representación de SST a largo plazo codificada y las puntuaciones de correlación espacial, respectivamente, para obtener las áreas marinas con patrones de SST similares desde diferentes perspectivas. Según los experimentos en tres áreas oceánicas, es decir, el Océano Pacífico Norte (NPO), el Océano Atlántico Sur (SAO) y el Océano Atlántico Norte (NAO), los resultados de agrupamiento generalmente coinciden con la distribución de las corrientes oceánicas, lo que demuestra la efectividad de nuestro método MuSTC. Además, integramos los resultados de agrupamiento en dos modelos de predicción espacio-temporal representativos, es decir, Redes Neuronales Convolucionales Espacio-Temporales (STGCN) y Red Neuronal Recurrente Convolucional Adaptativa (AGCRN), para realizar la predicción de SST. Según los resultados de los experimentos, la integración de la información de regionalidad conduce a una reducción del Error Cuadrático Medio (RMSE) del 1.95%, 1.39% y 1.28% en NPO, SAO y NAO, respectivamente, utilizando el modelo STGCN, y a una reducción del RMSE del 4.94%, 0.74% y 1.43% utilizando el modelo AGCRN. Tales resultados indican que la integración de la información de regionalidad podría mejorar notablemente la precisión de la predicción de SST.