Este estudio aborda los desafíos de caracterizar la dinámica de la profundidad óptica de aerosol (AOD) a partir de observaciones satelitales, que a menudo se ven obstaculizadas por lagunas de datos y variabilidad. Se entrenó una red de memoria a largo y corto plazo (LSTM) con un conjunto de datos de AOD ampliado de Sicilia para capturar patrones temporales. El modelo entrenado se aplicó luego a datos de AOD de distintas regiones geográficas: Cluj-Napoca y el mar Mediterráneo central. Aunque la LSTM capturó eficazmente las tendencias estacionales generales, tendía a suavizar los eventos extremos de AOD. Para mitigar esto, se desarrolló un algoritmo de posprocesamiento para mejorar la representación de los picos y valles de AOD. Este método de mejora refina la caracterización del AOD histórico, proporcionando una representación más precisa de la variabilidad atmosférica observada, particularmente en la captura de episodios de AOD altos y bajos. Los resultados demuestran la eficacia del enfoque híbrido para mejorar la caracterización de la dinámica de AOD en diferentes regiones.