本申请实施例提出一种基于归一化气溶胶指数的气溶胶光学厚度反演方法，通过将获取到的地基数据与FY‑4A/AGRI静止卫星数据、云产品数据进行空间和时间上的匹配，生成训练和验证样本，并进行预处理；分析训练样本中光谱特征信息的重要性，并将重要性低的波段剔除；计算0.65μm和0.83μm波段之间的归一化气溶胶指数；将剔除重要性较低波段的样本数据和归一化气溶胶指数，作为全连接神经网络的输入特征联合约束气溶胶光学厚度反演；建立全连接神经网络模型，得到固定气溶胶光学厚度反演模型；将遥感数据输入气溶胶光学厚度预测模型，以对气溶胶光学厚度进行预测。本发明具有卫星观测数据客观合理、反演精度高等优点。