Pertumbuhan penduduk dan aktivitas perkotaan di Kota Banjarmasin berpotensi meningkatkan pencemaran udara, khususnya konsentrasi Particulate Matter berukuran ≤2,5 µm (PM2.5) yang berdampak signifikan terhadap kesehatan. Keterbatasan cakupan spasial stasiun pemantauan darat menjadikan penginderaan jauh sebagai alternatif untuk memantau sebaran PM2.5 secara luas dan berkelanjutan. Penelitian ini bertujuan memetakan distribusi spasial, menganalisis tren temporal, serta mengkaji hubungan konsentrasi PM2.5 dengan karakteristik penggunaan lahan di Kota Banjarmasin periode 2020–2025. Data Aerosol Optical Depth (AOD) dari citra MODIS MCD19A2.061 dan variabel meteorologi ERA5-Land diolah melalui Google Earth Engine, kemudian dikonversi menjadi konsentrasi PM2.5 menggunakan model Multiple Linear Regression (MLR), dengan Random Forest Regression (RFR) sebagai model pembanding dan alat evaluasi feature importance. Hasil penelitian menunjukkan model MLR memiliki R² data uji sebesar 0,64 (RMSE = 8,94 µg/m³), sedangkan RFR mengungguli MLR pada seluruh metrik (R² = 0,77; RMSE = 7,10 µg/m³). Feature importance RFR mengonfirmasi kelembapan relatif (RH) sebagai variabel paling dominan (Gini Importance = 0,625), diikuti suhu udara dan AOD. Rata-rata konsentrasi PM2.5 tahun 2020–2025 tercatat 18,95 µg/m³, melampaui baku mutu nasional (15 µg/m³), dengan anomali ekstrem pada tahun 2023 (34,89 µg/m³) akibat kebakaran hutan dan lahan (karhutla) regional. Uji Mann-Kendall menunjukkan tren temporal yang tidak signifikan secara statistik (Tau = 0,200; p = 0,7071). Distribusi spasial menunjukkan pola gradien timur–selatan yang konsisten, dengan Banjarmasin Timur secara persisten memiliki konsentrasi terendah dan Banjarmasin Selatan tertinggi. Hubungan PM2.5 dengan wilayah terbangun, kepadatan jalan, dan wilayah terbuka menunjukkan arah dan kekuatan yang tidak konsisten antartahun, mengindikasikan bahwa variasi spasial PM2.5 di tingkat kelurahan lebih kuat dijelaskan oleh faktor meteorologi lokal dibandingkan penggunaan lahan. Penelitian selanjutnya disarankan menggunakan periode data yang lebih panjang serta memisahkan analisis kondisi normal dan episodik karhutla untuk memperkuat validitas tren dan hubungan spasial yang diperoleh.