En los últimos años, muchos estudios han utilizado redes siamés (SN) para el seguimiento de UAV. Sin embargo, hay dos problemas con las SN para el seguimiento de UAV. En primer lugar, las fuentes de información de las SN son el parche de plantilla invariable y el marco de búsqueda actual. La información de plantilla estática carece de la percepción del flujo de información de características dinámicas, y la extracción de características superficiales y el mapeo secuencial lineal limitan severamente la exploración de la expresividad de las características. Esto dificulta que muchas SN existentes enfrenten los desafíos del seguimiento de UAV, como la variación de escala y el cambio de punto de vista causados por el cambio en la altura y el ángulo del UAV, así como los desafíos de desorden de fondo y oclusión causados por complejos fondos de aviación. En segundo lugar, los rastreadores de SN para el seguimiento de UAV aún tienen dificultades para extraer características ligeras y efectivas. Un rastreador con un backbone pesado no es bien recibido debido al poder de cómputo limitado de la plataforma UAV. Por lo tanto, proponemos un sistema de seguimiento contextual espacial-temporal siamés ligero para el seguimiento de UAV (SiamST). El SiamST propuesto mejora el rendimiento del seguimiento de UAV al aumentar la información espacial horizontal e introducir información temporal vertical a la red siamés. Específicamente, se diseña un módulo espacial multiescalar de alto orden para extraer información espacial de alto orden remota y multiescalar, y un transformador de plantilla temporal introduce información contextual temporal para la actualización dinámica de la plantilla. Los resultados de evaluación y contraste del SiamST propuesto con muchos rastreadores de última generación en tres bancos de pruebas de UAV muestran que el SiamST propuesto es eficiente y ligero.