A pesar de los avances significativos en las últimas décadas, la contaminación del aire sigue siendo la principal causa ambiental de muerte prematura en Europa. Las poblaciones urbanas están particularmente expuestas a altas concentraciones de contaminantes del aire, como las partículas en suspensión menores de 10 um (PM10). Comprender las variaciones espaciotemporales de PM10 es esencial para desarrollar estrategias de control efectivas. Este estudio tuvo como objetivo mejorar los modelos de predicción de PM10 integrando métricas del paisaje como indicadores ecológicos en nuestros modelos anteriores, evaluando su significancia en las concentraciones promedio mensuales de PM10 y analizando sus correlaciones con la contaminación del aire por PM10 en paisajes urbanos europeos durante las temporadas de calefacción (frías) y no calefacción (cálidas). En nuestra investigación anterior, solo calculamos la proporción de usos del suelo (PLANDs), pero de acuerdo con nuestra hipótesis de investigación actual, las métricas del paisaje tienen un impacto significativo en la calidad del aire de PM10. Por lo tanto, ampliamos nuestras variables independientes incorporando métricas del paisaje que capturan la heterogeneidad composicional, incluyendo el índice de diversidad de Shannon (SHDI), así como métricas que reflejan la heterogeneidad configuracional en paisajes urbanos, como el área media de parches (MPA) y el índice de forma (SHI). Considerando datos de 1216 estaciones de calidad del aire (AQ) en Europa, aplicamos el modelo de Bosque Aleatorio utilizando validación cruzada para descubrir patrones y relaciones complejas. Factores climatológicos, como la temperatura promedio mensual, la velocidad del viento, la precipitación y la presión del aire a nivel del mar, surgieron como predictores clave, particularmente durante la temporada de calefacción, cuando el impacto de la temperatura en la predicción de PM10 aumentó del 5.80% al 22.46% a 3 km. Las métricas del paisaje, incluyendo el SHDI, MPA y SHI, estaban significativamente relacionadas con la concentración promedio mensual de PM10. El SHDI se correlacionó negativamente con los niveles de PM10, sugiriendo que los paisajes heterogéneos podrían ayudar a mitigar la contaminación. Nuestro modelo mejorado logró un R^2 de 0.58 en la zona de amortiguamiento de 1000 m y 0.66 en la zona de amortiguamiento de 3000 m, subrayando la utilidad de estas variables en la mejora de las predicciones de PM10. Nuestros hallazgos sugieren que una mayor complejidad del paisaje urbano, tamaños de parches más pequeños y usos del suelo más fragmentados asociados con fuentes de PM10, como áreas construidas, junto con espacios verdes más grandes y distribuidos de manera más uniforme, pueden contribuir al control y reducción de la contaminación por PM10.