La predicción precisa de la calidad del aire es fundamental para salvaguardar la salud pública y abordar el control de la contaminación del aire. Sin embargo, estudios previos a menudo ignoran la similitud geográfica entre diferentes estaciones de monitoreo y enfrentan desafíos para capturar dinámicamente diferentes relaciones espacio-temporales entre las estaciones. Para abordar esto, se propone un enfoque de aprendizaje predictivo de la calidad del aire que incorpora la Tercera Ley de Geografía con SAM-CNN-Transformer. Primero, se incorpora la Tercera Ley de Geografía para considerar completamente la similitud geográfica entre las estaciones a través de un variograma y un agrupamiento espacial. Posteriormente, se diseña una red convolucional de atención espacio-temporal que combina el módulo de atención espacial (SAM) con la red neuronal convolucional (CNN) y Transformer. El SAM se utiliza para extraer características espacio-temporales de los datos de entrada. La CNN se utiliza para capturar información local y relaciones entre cada característica de entrada. El Transformer se aplica para capturar dependencias temporales a lo largo de series temporales a larga distancia. Finalmente, se emplea el análisis de Shapley para interpretar los factores del modelo. Numerosos experimentos con dos contaminantes atmosféricos típicos (PM, PM) en la ciudad de Haikou muestran que el enfoque propuesto tiene un mejor rendimiento integral que los modelos de referencia. El enfoque propuesto ofrece una metodología efectiva y práctica para el aprendizaje predictivo de la calidad del aire no estacionaria detallada.