La previsión precisa de la calidad del aire es importante en la prevención de la contaminación y la reducción de riesgos. Se necesitan modelos de previsión efectivos a corto y largo plazo. Este estudio investigó la necesidad de un nuevo modelo para prever las concentraciones de contaminación del aire en tres ciudades con características distintas: una ciudad con alta actividad industrial, una ciudad con alta densidad de población y urbanización, y una ciudad agrícola. Los datos de contaminación del aire se recopilaron utilizando el satélite Sentinel-5P y Google Earth Engine para aplicar análisis descriptivos y comparaciones de dos años, 2022 y 2023. Las ciudades estudiadas fueron Al Riyadh (alta población), Al Jubail (industrial) y Najran (agrícola) en Arabia Saudita. Los contaminantes seleccionados fueron SO, NO, CO, O y HCHO. Además, este estudio investigó las variaciones observadas en todos los contaminantes durante los meses del año, las correlaciones entre los contaminantes y la correlación entre NO y los datos meteorológicos. Según nuestros hallazgos, Al Jubail tuvo el nivel más alto de todos los contaminantes durante los dos años, excepto para NO, cuyo nivel más alto se observó en Al Riyadh, que ha experimentado una notable urbanización y desarrollo recientemente. Además, este estudio desarrolló un modelo de previsión para la concentración de NO basado en datos meteorológicos y los valores anteriores de NO utilizando Long Short-Term Memory (LSTM) y Time2Vec. La modelización demostró que cualquier modelo que se entrene con datos recopilados de una ciudad específica no es adecuado para predecir el nivel de contaminación en otra ciudad y el nivel de otro contaminante, ya que las tres ciudades tienen diferentes correlaciones con los contaminantes y los datos meteorológicos. El modelo propuesto demostró una precisión superior en la predicción de las concentraciones de NO en comparación con los modelos LSTM tradicionales, capturando efectivamente patrones temporales y logrando errores de predicción mínimos, lo que contribuye a los esfuerzos en curso para comprender la dinámica de la contaminación del aire en función de las características de las ciudades y el período del año.