La radiación de onda larga descendente en la superficie (SDLR) es significativa en relación con los balances de energía en la superficie y la investigación climática. La incertidumbre en la recuperación de la altura de la base de las nubes (CBH) mediante teledetección induce la gran mayoría de los errores en la estimación de SDLR en condiciones nubladas; la observación y estimación confiables de CBH son cruciales para determinar el efecto radiativo de las nubes. Este estudio presenta una metodología de recuperación de CBH construida a partir de 10 datos espectrales térmicos de observaciones de Himawari-8 (H-8), utilizando el algoritmo de bosque aleatorio (RF) para tener en cuenta completamente la contribución de cada banda a la CBH. El algoritmo utiliza solo datos de bandas infrarrojas, lo que hace posible obtener CBH las 24 horas del día. Considerando algunos factores que pueden afectar significativamente la estimación de CBH, se entrenan modelos RF para diferentes nubes utilizando entradas de múltiples canales de H-8 junto con información de geolocalización para orientar la CBH derivada de mediciones combinadas de CloudSat/CALIPSO. Los resultados de validación revelan que la nueva metodología tiene un buen desempeño, con un error cuadrático medio (RMSE) de solo 1.17 km para todas las nubes. Para evaluar el efecto de CBH en la estimación de SDLR, se propone un algoritmo de estimación de SDLR para todo el cielo basado en predicciones anteriores de CBH. El nuevo producto de SDLR no solo tiene una resolución notablemente más alta que la de los productos de referencia de SDLR, como el Sistema de Energía Radiante de las Nubes y la Tierra (CERES) y la reanálisis de próxima generación (ERA5) del Centro Europeo para las Previsiones Meteorológicas a Medio Plazo (ECMWF), sino que también tiene una mayor precisión, con un RMSE de 21.8 W m para la irradiancia de onda larga descendente en la superficie (SDLI) por hora.