El monitoreo y la predicción de la calidad del aire son cruciales para el control y la gestión de la contaminación atmosférica. Proponemos un marco innovador basado en datos para la predicción del índice de calidad del aire (AQI) mediante la integración de observaciones de ocultación radio GNSS (GNSS-RO) y modelado meteorológico. Potenciado por un enfoque de aprendizaje automático de vanguardia, nuestro método puede predecir de manera efectiva el AQI regional con una precisión comparable y mucho más rápidamente que el enfoque tradicional de modelado y simulación numérica. En un estudio de caso real utilizando una región representativa de China, nuestro enfoque basado en datos logra una aceleración de 2000 veces; mientras tanto, el error de predicción medido por rRMSE es solo del 2.4%. Investigamos más a fondo los efectos de diferentes modelos, hiperparámetros y factores meteorológicos en el rendimiento de nuestro marco de predicción del AQI, y revelamos que el campo de viento y la altura de la capa límite atmosférica son factores influyentes importantes del AQI. Este artículo muestra una aplicación directa de la observación GNSS-RO en la asistencia para la predicción del AQI regional. Desde el punto de vista del aprendizaje automático, proporciona una nueva forma de aprovechar los méritos únicos de la tecnología de teledetección atmosférica GNSS con la ayuda del enfoque más tradicional de modelado de pronóstico meteorológico.