Los objetivos principales del monitoreo de la contaminación del aire urbano son optimizar la interacción entre la humanidad y la naturaleza, combinar e integrar bases de datos ambientales, y desarrollar enfoques sostenibles para la producción y la organización del entorno urbano. Uno de los principales usos del monitoreo de la contaminación del aire urbano es la evaluación de la exposición y los estudios de salud pública. Los enfoques de inteligencia artificial (IA) y aprendizaje automático (ML) pueden utilizarse para construir modelos de contaminación del aire que permitan predecir concentraciones de contaminantes y evaluar riesgos ambientales y de salud. Los datos de contaminación del aire pueden ser cargados en modelos de IA/ML para estimar diferentes niveles de exposición dentro de distintas comunidades. La correlación entre las estimaciones de exposición y las encuestas de salud pública es importante para evaluar los riesgos para la salud. Estos aspectos son críticos cuando se trata de injusticia ambiental. Los enfoques computacionales deben gestionar, visualizar e integrar conjuntos de datos grandes de manera eficiente. La integración y gestión de datos efectivas son clave para la aplicación exitosa de enfoques de inteligencia computacional en ecología. En este documento, consideramos algunas de estas limitaciones y discutimos posibles formas de superar los problemas actuales y la injusticia ambiental. El enfoque global más exitoso es el desarrollo de la ciudad inteligente; sin embargo, dicho enfoque solo puede aumentar la injusticia ambiental, ya que no todas las regiones tienen acceso a tecnologías de IA/ML. Es un desafío desarrollar proyectos regionales exitosos para el análisis de datos ambientales en las actuales condiciones operativas complicadas, teniendo en cuenta el tiempo, la potencia informática y las limitaciones en el contexto de la injusticia ambiental.