La presente tesis aborda el desarrollo de un sistema integral para el monitoreo y visualización de islas de calor urbanas en Guayaquil, utilizando una red de sensores con tecnología LoRaWAN y algoritmos de aprendizaje automático. El objetivo es medir y predecir las variaciones térmicas, identificando zonas críticas donde se requieren intervenciones para mitigar el fenómeno. Para ello, se desplegaron sensores ambientales estratégicamente, y los datos recopilados se analizaron mediante modelos de machine learning, como Random Forest Regressor y Gradient Boosting Regressor. Asimismo, se implementó una plataforma interactiva de visualización geoespacial que facilita la interpretación de los resultados. Los hallazgos indican que la combinación de la red de sensores con modelos predictivos permite identificar con precisión las variaciones térmicas asociadas a factores como la vegetación y el tráfico, validando un R² de 0.96, lo cual demuestra la capacidad del sistema para capturar la complejidad de las dinámicas térmicas urbanas. En conclusión, la plataforma desarrollada proporciona una herramienta efectiva para la toma de decisiones informadas en la planificación urbana y la implementación de estrategias de mitigación de islas de calor, mejorando así la calidad de vida en áreas urbanas. Palabras Clave: Islas de calor, LoRaWAN, machine learning, planificación urbana, mitigación ambiental