Los satélites adoptan un modo de observación de una sola tarea en patrones tradicionales. Aunque este modo cuenta con una alta precisión de imagen, está acompañado por un número limitado de tareas observadas y una baja tasa de utilización de los recursos satelitales. Esta limitación se vuelve particularmente pronunciada al tratar con conjuntos extensos y densamente poblados de tareas de observación, ya que la movilidad inherente de los satélites a menudo conduce a conflictos entre numerosas tareas. Para abordar este problema, este documento introduce un novedoso mecanismo de fusión de múltiples tareas destinado a mejorar la tasa de observación de los satélites al resolver conflictos de tareas. Inicialmente, este documento presenta un método de fusión de tareas basado en el mecanismo de fusión de múltiples tareas propuesto, denominado enfoque de fusión de tareas de gráficos restringidos (CG). Este método puede fusionar tareas cumpliendo con los requisitos mínimos especificados por los usuarios. Posteriormente, se establece un modelo de programación de fusión de múltiples satélites basado en el conjunto de tareas combinadas. Considerando el problema de programación de tareas combinadas de satélites (SCTSP), se propone un algoritmo de fuegos artificiales mejorado (EFWA) que incorpora el mecanismo de síntesis de tareas CG. Este algoritmo incorpora estrategias de búsqueda local y un mecanismo de perturbación de población para mejorar tanto la calidad de la solución como la velocidad de convergencia. Finalmente, la eficacia del algoritmo CG fue validada a través de una multitud de experimentos de simulación. Además, la efectividad del EFWA se confirma mediante extensas comparaciones con otros algoritmos, incluido el algoritmo básico de optimización de colonia de hormigas (ACO), el algoritmo de optimización de colonia de hormigas mejorado (EACO), el algoritmo de fuegos artificiales (FWA) y el EFWA. Cuando el número de tareas en el área de observación es denso, como en el caso en el que el número de tareas es de 700, el método CG + EFWA (se adopta CG en la etapa de fusión de tareas y EFWA en la etapa de programación de tareas combinadas de satélites) mejora los beneficios de observación en un 70.35% (en comparación con CG + EACO, se adopta CG en la etapa de fusión de tareas y EACO en la etapa de programación de tareas combinadas de satélites), 78.93% (en comparación con MS + EFWA, se adopta MS en la etapa de fusión de tareas y EFWA en la etapa de programación de tareas combinadas de satélites) y 39.03% (en comparación con MS + EACO, se adopta MS en la etapa de fusión de tareas y EACO en la etapa de programación de tareas combinadas de satélites).