La estimación de las concentraciones de material particulado (PM₁₀ y PM₂.₅) es esencial para la gestión de la calidad del aire y la formulación de políticas de salud pública. Este estudio se centró en el Área Metropolitana de Bucaramanga (AMB), utilizando Modelos de Regresión de Uso del Suelo (LUR) basados en datos de teledetección para estimar dichas concentraciones entre 2018 y 2023. Se utilizaron imágenes satelitales de Landsat 8 y datos del Sistema de Vigilancia de Calidad del Aire, con predictores como las bandas de reflectancia y varios índices ambientales (NDVI, SAVI, NDWI, NDSI). Se compararon tres técnicas predictivas: regresión paso a paso, regresión de mínimos cuadrados parciales y redes neuronales artificiales (ANN-MLP). Los resultados mostraron que la ANN-MLP fue la más precisa, con un coeficiente de determinación de R² = 0.57 para PM₁₀ y R² = 0.71 para PM₂.₅, y errores cuadráticos medios (RMSE) de 13.13 y 6.61, respectivamente. A partir de los mejores modelos, se generaron mapas de concentración diaria de PM₁₀ y PM₂.₅, proporcionando una herramienta útil para gestionar la calidad del aire en áreas con monitoreo limitado (Texto tomado de la fuente).