La contaminación del aire es un problema generalizado. Un enfoque para predecir los niveles de contaminación del aire en ubicaciones específicas es a través del desarrollo de modelos matemáticos. Los modelos espaciales son una de esas categorías, y pueden ser optimizados utilizando métodos de cálculo como el paquete INLA (aproximación anidada de Laplace integrada). Este método simplifica el complejo proceso computacional al combinar la aproximación de Laplace y la integración numérica para aproximar el modelo y proporciona una alternativa computacionalmente eficiente a los métodos tradicionales de MCMC (cadenas de Markov Monte Carlo) para la inferencia bayesiana en modelos jerárquicos complejos. Otro aspecto crucial es la obtención de datos para este tipo de problema. Confiar únicamente en estaciones de monitoreo oficiales o profesionales puede plantear desafíos, por lo que es recomendable emplear técnicas de fusión de datos e integrar datos de varios sensores, incluidos los aficionados. Además, al modelar la contaminación del aire espacial, se debe prestar especial atención a factores como el alcance del impacto y posibles obstáculos que puedan afectar la dispersión de un contaminante. Este estudio muestra la utilización de la modelización espacial de INLA y la fusión de datos para abordar múltiples problemas, como la contaminación en instalaciones industriales y áreas urbanas. Los resultados muestran promesas para resolver tales problemas con los algoritmos propuestos.