La exposición a largo plazo a la contaminación del aire representará una amenaza seria para la salud humana. Una predicción precisa puede ayudar a las personas a reducir los riesgos de exposición y promover el control de la contaminación ambiental. Sin embargo, la mayoría de los estudios anteriores han ignorado el efecto de derrame espacial de la contaminación del aire, es decir, que la calidad del aire de la región actual también está correlacionada con la de áreas geográficamente adyacentes. Por lo tanto, este artículo propone un innovador sistema de alerta temprana híbrido espaciotemporal basado en la extracción de características adaptativa y mapas de cognición difusa mejorados. En primer lugar, se propuso un modelo de análisis de derrame espacial basado en el índice de Moran y la agrupación gravitacional local para capturar las características de difusión y concentración de la contaminación del aire entre regiones. Luego, se presentó un modelo de extracción de características adaptativo basado en un filtro de Hampel optimizado para procesar y corregir los valores atípicos en la serie original. Finalmente, se propuso un modelo de mapas cognitivos difusos optimizados de información difusa vacilante para pronosticar la calidad del aire de la aglomeración urbana. Los resultados experimentales muestran que la precisión de pronóstico de la calidad del aire de las aglomeraciones urbanas puede mejorarse significativamente cuando se consideran de manera integral las condiciones geográficas y otras interacciones entre las ciudades, y el modelo propuesto superó a otros puntos de referencia y puede utilizarse como una herramienta analítica poderosa durante la gestión de la calidad del aire en aglomeraciones urbanas.