La teledetección por satélite de los productos de Profundidad Óptica de Aerosoles (AOD) es crucial en el monitoreo ambiental y la investigación sobre la contaminación atmosférica. Sin embargo, las lagunas de datos en los productos de AOD de satélites como Fengyun obstaculizan significativamente las capacidades de monitoreo ambiental continuo y sin interrupciones, planteando desafíos para el análisis a largo plazo de las tendencias de contaminación atmosférica, las respuestas a eventos ecológicos repentinos y la gestión de desastres. Este estudio tiene como objetivo desarrollar un método de alta precisión para llenar los valores faltantes de AOD espaciales y generar productos de AOD de cobertura total diaria para la región de Beijing-Tianjin-Hebei en 2021, integrando datos multidimensionales, incluidos modelos meteorológicos, teledetección de múltiples fuentes, condiciones de superficie y parámetros de luz nocturna, y aplicando métodos de aprendizaje automático. Una comparación de cinco modelos de aprendizaje automático mostró que el modelo de bosque aleatorio tuvo un rendimiento óptimo en la inversión de AOD, logrando un error cuadrático medio (RMSE) de 0.11 y un coeficiente de determinación (R) de 0.93. La evaluación estacional indicó además que la simulación del modelo fue mejor en invierno. El análisis de importancia de variables identificó la humedad relativa (RH) como el factor más crítico que influye en los resultados del modelo. El producto de AOD de cobertura total reconstruido exhibió una tendencia de distribución espacial de valores significativamente más altos en las áreas de llanura del sur en comparación con las regiones montañosas, consistente con los patrones de distribución de aerosoles reales en el área de Beijing-Tianjin-Hebei. Además, el producto demostró una suavidad general y alta precisión. Esta investigación sienta las bases para establecer un producto de AOD continuo espacialmente diario de 1 km de resolución a largo plazo para la región de Beijing-Tianjin-Hebei y más allá, proporcionando un soporte de datos más robusto para abordar desafíos ambientales regionales y de mayor escala.