El aire contaminado es perjudicial para que las personas respiren y vivan. Para mantener la sostenibilidad del aire limpio, la contaminación del aire debe ser analizada y controlada, especialmente después de eventos perjudiciales. Para hacerlo, las características de los eventos perjudiciales, como la intensidad, duración y gravedad, son estudiadas utilizando modelado multivariado. En este estudio, se selecciona el enfoque de copula de vid para estudiar los datos de las características. La copula de vid es elegida aquí porque es más potente que las distribuciones multivariadas estándar, y las copulas multivariadas, especialmente en el modelado de las colas relacionadas con eventos extremos. Aquí, se analizan y comparan todas las nueve copulas de vid diferentes basadas en el ajuste del modelo y la comparación de modelos. En el ajuste del modelo, el mejor modelo obtenido es Rv123-Joint-MLE, un modelo con una secuencia de nodos raíz de 123, y optimizado utilizando la máxima verosimilitud conjunta. Los componentes para el mejor modelo son el tipo Tawn 1 y el tipo Tawn rotado 1 180 grados que representan las copulas de pares (intensidad, duración) e (intensidad, gravedad), respectivamente, con el Gumbel de Supervivencia para la copula de par condicional de (duración, gravedad; intensidad). Basándose en el mejor modelo, la estructura de dependencia trivariada de la relación de intensidad, duración y gravedad es positivamente correlacionada, sesgada y sigue una distribución asimétrica. Esto indica que las características, incluyendo intensidad, duración y gravedad, tienden a aumentar juntas. Utilizando pruebas de comparación, el mejor modelo es significativamente diferente de los demás, mientras que solo dos modelos son bastante similares. Esto muestra que el mejor modelo está bien ajustado, en comparación con la mayoría de los modelos. En general, este artículo destaca la capacidad de la copula de vid en el modelado de la estructura de dependencia asimétrica de las características de la contaminación del aire, donde el modelo obtenido tiene un mejor potencial para convertirse en una herramienta para evaluar los riesgos de eventos extremos en trabajos futuros.