1.一种基于无人机气体传感与AIS信息矢量融合的船舶尾气追踪方法，其特征在于，包括：

(1)根据机载气体传感器的实时测量以及位置信息，计算无人机当前位置周围的局部浓度梯度，确保无人机沿浓度梯度方向朝浓度高的位置移动；

(2)以AIS信息及船舶数据库为输入，对目标在航船舶的尾气排放进行全局预测建模，确定尾气的浓度分布参数，从而引导无人机朝尾气排放源位置行驶，其中，所述浓度分布参数包括聚集范围和尾气排放源，所述尾气排放源表示尾气浓度值最大位置；

(3)基于局部浓度梯度与全局排放预测的对无人机导航的信息进行矢量化融合，实现无人机对目标在航船舶尾气追踪的最优规划。

2.根据权利要求1所述的船舶尾气追踪方法，其特征在于，步骤(1)包括：(1.1)基于无人机通过机载气体传感器实时获得的一系列气体浓度测量值及相应的测量位置，和无人机当前测量位置及当前测量位置上的浓度测量值，得到当前测量位置与之前测量位置之间的浓度梯度，其中，浓度梯度方向由当前测量位置与之前测量位置之间的位置定义，浓度梯度大小由当前测量位置与之前测量位置之间的浓度差定义；

(1.2)引入受时间控制的权重因子，对当前测量位置与之前测量位置之间的浓度梯度进行自适应估计得到基于无人机机载气体传感的局部浓度梯度，其中，受时间控制的权重因子意味距离当前时刻越远的气体测量数据对局部梯度计算的影响越小。

3.根据权利要求2所述的船舶尾气追踪方法，其特征在于，步骤(1.1)包括：假设无人机通过机载气体传感器实时获得的一系列气体浓度测量值为Ci，i＝1…N，相应的测量位置为 无人机当前测量位置 上的浓度测量值为Cc，则当前测量位置与之前测量位置之间的浓度梯度 为： 其中，浓度梯度方向由当前测量位置与之前测量位置之间的位置定义，浓度梯度大小由当前测量位置与之前测量位置之间的浓度差定义，N表示气体浓度测量值次数。

4.根据权利要求3所述的船舶尾气追踪方法，其特征在于，步骤(1.2)包括：由 得到基于无人机机载气体传感的局部浓度梯度 其中k为受时间控制的权重因子，意味第i次测量时刻距离当前时刻越长久，ki越小，即对局部浓度梯度影响也越小。

5.根据权利要求4所述的船舶尾气追踪方法，其特征在于，步骤(2)包括：以AIS或船舶数据库作为信息来源，采用一系列不同参数条件的高斯过程组合模型来近似在航船舶的位置连续变化特性，并考虑风速对尾气排放的扩散影响，以实现对目标排放分布状况的整体预测。

6.根据权利要求5所述的船舶尾气追踪方法，其特征在于，由来近似在航船舶尾气排放的气体分布状况，其中，其中，N表示气体浓度测量值次数，t表示时刻，Ci(xci，yci)表示在第i次测量位置(xci，yci)的气体浓度分布，Q表示在第i次测量位置(xci，yci)的尾气排放量，H为有效烟囱高度，包括实际烟囱高度加上烟囱上升高度，u定义为水平风速，σx,σy,σz分别是沿水平、垂直方向的扩散系数，σx,σy,σz由所处的大气稳定性和与排放位置之间的水平距离x确定。

7.根据权利要求6所述的船舶尾气追踪方法，其特征在于，由确定全局追踪向量 其中，Ce是全局预测的排放源浓度，是Ce相应的排放源位置， 指无人机当前位置，Cc指无人机当前位置的气体测量浓度。

8.根据权利要求7所述的船舶尾气追踪方法，其特征在于，步骤(3)包括：将基于AIS信息的船舶尾气排放全局预测 和基于机载气体传感的局部浓度梯度通过权重化求和实现二者的信息融合得到 通过 实时控制并调整无人机的速度和航向，实现对在航船舶尾气追踪。

9.根据权利要求8所述的船舶尾气追踪方法，其特征在于，由 进行融合，其中，V表示无人机飞行速度，取值范围为 Vmin表示无人机飞行最小速度，Vmax表示无人机飞行最大速度。

10.一种基于权利要求1至9任意一项所述的无人机气体传感与AIS信息矢量融合的船舶尾气追踪方法的引导无人机进行全自主尾气监测任务的方法，其特征在于，包括：无人机未进入尾气烟羽范围时，通过基于AIS信息的船舶尾气排放全局预测结果控制无人机航向与速度；

无人机进入尾气烟羽范围内时，通过基于AIS信息的船舶尾气排放全局预测结果和基于机载气体传感器的局部浓度梯度测量结果控制无人机航向与速度；

当无人机连续采样获得接近基于AIS信息的船舶尾气排放全局预测结果的最大浓度值

90％以上，则认为本次船舶尾气监测任务完成，无人机进入返航状态或者悬停状态等待新的监测任务。