El mundo se está urbanizando cada vez más, con tasas de migración que a menudo superan la capacidad infraestructural en las ciudades del mundo en desarrollo. Como tal, muchos migrantes deben residir en asentamientos informales que carecen de infraestructura de protección civil y de salud, incluyendo el monitoreo de la calidad del aire. Aquí, se utilizaron técnicas de ponderación inversa de distancia geoespacial y datos archivados de calidad del aire de la Junta Central de Control de la Contaminación (CPCB) para estaciones vecinas desde 2018 hasta 2021 para estimar las condiciones del aire en cinco asentamientos informales en Delhi, India, durante el confinamiento pandémico de 2020. Los resultados mostraron que los límites de la OMS para PM y NO se superaron regularmente, aunque la calidad del aire mejoró durante la pandemia. La calidad del aire fue siempre mejor durante la temporada de monzones (44.3 +/- 3.47 y 26.9 +/- 2.35 g/m para PM y NO, respectivamente) y peor en la temporada posterior a los monzones (180 +/- 15.5 y 55.2 +/- 3.59 g/m para PM y NO). Las diferencias en la calidad del aire entre los asentamientos se explicaron por la proximidad a carreteras principales y lugares de quema al aire libre, con niveles de NO a menudo siendo mayores cerca de las carreteras y niveles de PM elevados cerca de lugares con quema al aire libre. Se realizó un monitoreo de campo en 2023 en tres asentamientos y estaciones locales de CPCB. La calidad del aire en los asentamientos y su estación más cercana no fue significativamente diferente (< 0.01). Sin embargo, los datos de campo mostraron que los factores in situ dentro de los asentamientos, como la cocina, la quema ad hoc o la industria a microescala, impactan la calidad del aire a escalas locales, sugiriendo que los riesgos para la salud son mayores en los asentamientos informales debido a una mayor actividad no regulada. Los modelos a escala de ciudad pueden estimar las concentraciones medias de calidad del aire en ubicaciones no monitoreadas, pero se necesita precaución porque tales modelos pueden pasar por alto exposiciones locales que pueden tener el mayor impacto en la salud local.