Este estudio investigó la relación entre las variables meteorológicas superficiales y los niveles de contaminantes del aire en la superficie (O, PM y PM) en escenarios de aumentos de temperatura simulados en Rio Grande, una ciudad brasileña de tamaño mediano con una fuerte influencia industrial. Este estudio utilizó cinco años de datos meteorológicos diarios (del 1 de enero de 2019 al 31 de diciembre de 2023) para modelar las condiciones atmosféricas y dos años de datos diarios de contaminantes del aire (del 21 de diciembre de 2021 al 20 de diciembre de 2023) para simular cómo los niveles de contaminantes responderían a aumentos anuales de temperatura de 1 gradosC y 2 gradosC, empleando una Máquina de Vectores de Soporte, un algoritmo de aprendizaje automático supervisado. Se desarrollaron modelos predictivos tanto para promedios anuales como para variaciones estacionales. Los resultados del análisis predictivo indicaron que, al considerar promedios anuales, las concentraciones de contaminantes mostraron una tendencia a la baja a medida que aumentaban las temperaturas. Este mismo patrón se observó en escenarios estacionales, excepto durante el verano, cuando los niveles de O aumentaron con el aumento de temperatura simulado. La mayor reducción estacional en O ocurrió en invierno (disminuyendo un 10.33% y un 12.32% bajo escenarios de calentamiento de 1 gradosC y 2 gradosC, respectivamente), mientras que para PM y PM, las reducciones más significativas se observaron en primavera. La falta de correlación entre la temperatura y los niveles de contaminantes, junto con su relación con otras variables meteorológicas, explica el patrón observado en Rio Grande. Esta investigación proporciona contribuciones importantes para la comprensión de las interacciones entre el cambio climático, la contaminación del aire y los factores meteorológicos en contextos similares.