La profundidad óptica de aerosol (AOD) es una de las características básicas del aerosol atmosférico. Una red global de fotómetros de sol y cielo, la Red Robótica de Aerosoles (AERONET), proporciona datos de AOD con baja incertidumbre. Sin embargo, las observaciones de AERONET son escasas en espacio y tiempo. Para mejorar la densidad de datos, fusionamos las observaciones de AERONET con una predicción del modelo de transporte químico GEOS-Chem utilizando un método de interpolación óptima (OI). Según OI, estimamos AOD como una combinación lineal de datos observacionales y una previsión del modelo, con coeficientes de ponderación elegidos para minimizar un error cuadrático medio en el cálculo, asumiendo un error negligible de las observaciones de AOD de AERONET. Para obtener los coeficientes de peso, utilizamos correlaciones entre errores del modelo en diferentes puntos de la cuadrícula. A diferencia de la OI clásica, donde solo se consideran correlaciones espaciales, desarrollamos la técnica de interpolación óptima espacio-temporal (STOI) para aplicaciones atmosféricas utilizando funciones de correlación espaciales y temporales. Usando STOI, obtuvimos estimaciones de la distribución diaria media de AOD en Europa. Para validar los resultados, comparamos la AOD media diaria estimada por STOI con observaciones independientes de AERONET durante dos meses y tres sitios. En comparación con los resultados del modelo GEOS-Chem, la reducción promedio del error cuadrático medio de la estimación de AOD basada en el método STOI es de aproximadamente el 25%. El estudio muestra que STOI proporciona una mejora significativa en las estimaciones de AOD.