Surface Urban Heat Islands (SUHI) are areas with higher surface temperatures than their surroundings. Several studies have used thermal images from satellites to research the influence of urbanization on surface temperature patterns, however the low spatial resolution of thermal sensors limits the analysis of LST intraurban variations. Attempting to overcome this limitation, we used the Enhanced Physical Model (EPM) for disaggregation of land surface temperature (DLST) to generate fine scale LST for Sao Paulo city in Brazil. This method uses a linear regression and Planck’s law to combine NDVI, NDWI and UI to estimate LST at finer spatial detail. First, we calibrate the method by upscaling an ASTER thermal band to 1000 m and using EPM to estimate the original 100 m thermal band. The original and estimated ASTER thermal bands achieved and R² of 0.66. Following, we apply the EPM model to estimate the LST at 15 m and compare it with data from meteorological stations. The 15 m LST image facilitated the identification of potential SUHIs. The EPM model provides an enhanced product with higher level of spatial detail, which allows researchers to identify changes of surface temperature that would not be evident from an ASTER LST (90 m spatial resolution) product. In summary, the model allowed us to quantify and map the influence of different urbanization patterns on the LST distribution.Ilhas de calor de superfície (ICS)são áreas com temperature de superfície maior do que as áreas ao redor. Vários estudos tem usado imagens termais de satélite para investigar a influência da urbanização nos padrões de temperatura de superfície; entretanto a baixa resolução espacial dos atuais sensores termais limita a análise dos padrões de variação intraurbana de temperatura de superfície. Com o objetivo de surpassar essa limitação, nós utilizamos o the Enhanced Physical Model (EPM) para gerar dados de temperatura de superfície com maior nível de detalhamento para a cidade de São Paulo- Brasil. Esse método utiliza um modelo de regressão linear e a lei de Planck para combinar NDVI, NDWI e UI para estimar a temperatura de superfície com maior nível de detalhes espaciais.  Primeiro, para calibrar o modelo, nós reamostramos uma banda termal ASTER para 1000 m e utilizamos o método EPM para estimar a banda original de 100 m. A banda termal estimatada de 100 m atingiu um R2= 0.66 em relação a banda termal original. A seguir,  nós aplicamos o método EPM para estimar a temperatura de superfície à 15 m. A imagem de temperatura de superfície de 15 m facilitou a identificação de potenciais ilhas de calor de superfície. O modelo EPM fornece um produto com alto grau de detalhamento espacial, o que permite que pesquisadores identifiquem as mudanças de temperatura de superfície que não seriam evidentes na imagem  termal ASTER original (90 m de resolução espacial). Em suma, o modelo nos permitiu quantificar e mapear a influência de diferentes padrões de urbanização na distribuição dos padrões de temperatura de superfície.