Las redes integradas aire-tierra basadas en UAV ofrecen un beneficio significativo en términos de proporcionar comunicaciones y servicios de computación ubicuos para dispositivos de Internet de las Cosas (IoT). Con el empoderamiento de la tecnología de inteligencia en el borde (EI), pueden desplegar de manera eficiente diversas aplicaciones inteligentes de IoT. Sin embargo, la trayectoria de los UAV puede afectar significativamente la calidad del servicio (QoS) y las decisiones de optimización de recursos. La descarga conjunta de computación y la optimización de la trayectoria de los UAV presentan muchos desafíos, incluidos variables de decisión acopladas, incertidumbre de información y restricciones de retraso en la cola a largo plazo. Por lo tanto, este documento introduce una arquitectura integrada aire-tierra con EI y propone un algoritmo de descarga conjunta de computación y optimización de trayectoria de UAV (TCOTO) basado en TD3. Específicamente, utilizamos el principio del algoritmo TD3 para transformar el problema original en un problema de maximización de recompensa acumulativa en el aprendizaje por refuerzo profundo (DRL) para obtener la trayectoria del UAV y la estrategia de descarga. Además, se utiliza el marco de Lyapunov para convertir el problema original de optimización a largo plazo en un problema determinista de intervalo de tiempo a corto plazo para garantizar la estabilidad a largo plazo de la cola del UAV. Basado en los resultados de simulación, se puede concluir que nuestro novedoso algoritmo basado en TD3 resuelve eficazmente los problemas de descarga conjunta de computación y optimización de trayectoria de UAV. El algoritmo propuesto mejora el rendimiento de la eficiencia energética del sistema en un 3.77%, 22.90% y 67.62%, respectivamente, en comparación con los otros tres esquemas de referencia.