Las series temporales de datos obtenidos por sensores remotos son una fuente importante de información para comprender la dinámica de la cobertura terrestre. En particular, la fracción de radiación fotosintéticamente activa absorbida (fAPAR) es una variable clave en la evaluación de la producción primaria de la vegetación a lo largo del tiempo. Sin embargo, las series de fAPAR derivadas de satélites en órbita polar no son continuas ni consistentes en el espacio y el tiempo. Por lo tanto, se requieren métodos de filtrado para llenar los vacíos y producir series temporales de alta calidad. Este estudio propone un filtro de regresión local adaptado (reponderado iterativamente) (LOESS) y realiza una comparación de referencia con cuatro métodos de suavizado populares y generalmente aplicables: Doble Logística (DLOG), spline de suavizado (SSP), Interpolación para la Reconstrucción de Datos (IDR) y Savitzky-Golay adaptativo (ASG). Este documento evalúa las principales ventajas y desventajas de las técnicas consideradas. Los resultados han mostrado que ASG y el LOESS adaptado funcionan mejor en la recuperación de series temporales de fAPAR en múltiples escenarios ruidosos controlados. Ambos métodos pueden reconstruir de manera robusta las trayectorias de fAPAR, reduciendo el ruido hasta un 80% en el peor escenario de simulación, lo que podría atribuirse al control de calidad (QC) de la información MODIS incorporada en estos algoritmos de filtrado, su flexibilidad y adaptación al sobre superior. El LOESS adaptado es particularmente resistente a los valores atípicos. Este método supera claramente a los otros métodos considerados para lidiar con la alta presencia de vacíos y ruido en los registros de datos satelitales. El bajo RMSE y los sesgos obtenidos con el método LOESS (|rMBE| < 8%; rRMSE < 20%) revelan una reconstrucción óptima incluso en las situaciones más extremas con largos vacíos estacionales. También se muestra un ejemplo de aplicación del método LOESS para llenar valores inválidos en imágenes MODIS reales que presentan cobertura persistente de nubes y nieve. Se recomienda el enfoque LOESS en la mayoría de las aplicaciones de teledetección, como el llenado de vacíos, el reemplazo de nubes y la observación de dinámicas temporales in situ donde se producen cambios estacionales rápidos.