1.一种基于多源遥感数据的大气XCO2空间化方法，其特征在于，所述大气XCO2空间化方法包括以下步骤：步骤A，获取多颗温室气体观测卫星的大气XCO2遥感数据，对获取的多源卫星大气XCO2遥感数据进行预处理；

步骤B，将多源卫星大气XCO2遥感数据转换到统一的CO2剖面，基于大气垂直气压层将各卫星CO2剖面层数进行内插或外扩到统一的CO2剖面层数，再将卫星过境时间的XCO2测量值转换为统一参考时间的XCO2测量值，最后对多源卫星数据进行时空归一化处理，将不同时空分辨率的数据统一到相同的时空尺度，得到融合数据集；

步骤C，获取包括大气NO2数据、植被指数、高程数据和气温数据在内的空间自变量数据，将所有空间自变量数据统一重采样为相同的空间分辨率；

步骤D，对重采样后的大气NO2数据进行高斯滤波平滑处理，计算不同平滑效果提取的大气NO2数据与大气XCO2遥感数据的相关系数，选择相关系数最高的大气NO2数据平滑结果作为大气XCO2遥感估算模型的输入变量；

步骤E，通过经纬度和时间进行时空匹配，提取出与大气XCO2遥感数据对应的空间自变量值；以大气XCO2遥感数据为因变量，大气NO2数据、植被指数、高程数据和气温数据为自变量，构建并训练地理加权回归模型，根据加权最小二乘法求点的回归系数，以自适应法确定地理加权回归模型的最佳带宽和权重，求解各个自变量的回归系数，得到大气XCO2遥感估算模型；

步骤F，将大气XCO2遥感估算模型应用于空间连续的自变量数据，计算大气XCO2连续数据，得到大气XCO2空间连续分布。

2.根据权利要求1所述的基于多源遥感数据的大气XCO2空间化方法，其特征在于，步骤A中，获取多颗温室气体观测卫星的大气XCO2遥感数据，对获取的多源卫星大气XCO2数据进行预处理的过程包括以下子步骤：A1，分别获取GOSAT卫星大气XCO2数据、OCO‑2卫星大气XCO2数据和OCO‑3卫星大气XCO2数据，GOSAT卫星大气XCO2数据的数据版本为ACOS_L2_Lite_FP.9r，OCO‑2卫星大气XCO2数据的数据版本为OCO2_L2_Lite_FP.11r，OCO‑3卫星大气XCO2数据的数据版本为OCO3_L2_Lite_FP.10.4r；

A2，通过数据产品提供的质量控制标志筛选获得高质量的大气XCO2遥感数据，质量控制标志为：xco2_quality_flag＝0。

3.根据权利要求1所述的基于多源遥感数据的大气XCO2空间化方法，其特征在于，步骤B中，得到融合数据集的过程包括以下子步骤：B1，以Carbon Tracker模型数据的CO2剖面作为基准，采用下述公式将GOSAT ACOS卫星、OCO‑2卫星和OCO‑3卫星反演的大气XCO2遥感数据转换到统一的CO2先验剖面：式中，XCO2adj,t为校正后的卫星观测时间t的XCO2值，XCO2raw,t为原始的卫星观测时间t的XCO2值，h为压力加权函数，I为单位矩阵，A为反演算法计算得到的平均核函数，XCT,t为Carbon Tracker模型对应卫星观测时间t的CO2剖面分布，Xa,t为卫星的先验CO2剖面分布；

B2，基于大气垂直气压层将GOSAT ACOS卫星、OCO‑2卫星和OCO‑3卫星的CO2剖面层数进行内插或外扩到Carbon Tracker模型的CO2剖面层数；

B3，将CT模型数据的8时段剖面浓度分布进行线性插值到卫星数据的过境时间，根据Carbon Tracker模型模拟的日变化引入时移修正系数；将卫星过境时间t的CO2测量值转换为参考时间13:30的CO2测量值：式中，rt为参考时间13:30，XCO2con,rt为根据卫星参考时间rt转换后的XCO2值，ht、hrt分别为CT模型对应时间t、rt的CO2剖面；

B4，对每一种校正后的卫星数据滤除与均值差异大于3倍标准差的数据，以1月或者1年作为合成周期，对在合成周期内的大气XCO2遥感数据进行10km半径内的校正后数据集成平均，将不同时空分辨率的数据统一到相同的时空尺度，得到融合数据集。

4.根据权利要求1所述的基于多源遥感数据的大气XCO2空间化方法，其特征在于，步骤C中，使用Sentinel‑5P卫星搭载的对流层观测仪TROPOMI反演得到5km分辨率的大气NO2浓度逐日数据；采用时间加权将MODIS/MOD13A3产品的16天合成数据转换为1km分辨率的月合成归一化植被指数NDVI；使用SRTM/DEM获取高程数据，高程数据的数据版本为SRTMGL1_v003，空间分辨率为30m；使用ERA5‑Land月合成再分析数据得到气温数据，气温数据的空间分辨率为10km。

5.根据权利要求1所述的基于多源遥感数据的大气XCO2空间化方法，其特征在于，步骤C中，将所有空间自变量数据统一重采样为10km空间分辨率。

6.根据权利要求1所述的基于多源遥感数据的大气XCO2空间化方法，其特征在于，步骤D中，对重采样后的大气NO2数据进行高斯滤波平滑处理，计算不同平滑效果提取的大气NO2遥感数据与大气XCO2遥感数据的相关系数的过程包括以下子步骤：D1，对于获取的大气NO2数据进行高斯滤波平滑处理，高斯平滑滤波器的窗口内各像素的权重呈高斯分布：式中，g(μ,v)为观测点(μ,v)对应的权重；μ和v分别为观测点的经度和纬度坐标值；σ为标准差。高斯平滑滤波器的窗口内的中心点为原点，其他点根据高斯函数，按照其位置(μ,v)计算权重，并计算窗口中心点的加权平均值F(0,0)：式中，F(0,0)为窗口中心点的高斯平滑值；R为高斯平滑滤波器的窗口半径；f(μ,v)为位置(μ,v)的原始像素值；g(μ,v)为位置(μ,v)对应的权重；

D2，利用不同窗口大小的高斯平滑滤波处理大气NO2数据，利用XCO2观测点经纬度提取对应的大气NO2，计算不同平滑效果提取的大气NO2与XCO2的相关系数，选择相关系数最高的大气NO2数据的平滑结果作为大气XCO2遥感估算模型的输入变量。

7.根据权利要求1所述的基于多源遥感数据的大气XCO2空间化方法，其特征在于，步骤E中，得到大气XCO2遥感估算模型的过程包括以下子步骤：通过经纬度和时间进行时空匹配，提取出与大气XCO2观测数据对应的空间自变量值；以大气XCO2遥感数据为因变量，大气NO2数据、植被指数、气温数据、高程数据为自变量，构建地理加权回归模型：y(μ,ν)＝β0(μ,ν)+β1(μ,ν)x1+β2(μ,ν)x2+β3(μ,ν)x3+β4(μ,ν)x4+ε式中，y(μ,v)表示观测点(μ,v)处的大气XCO2观测值；μ和v分别为观测点的经度和纬度坐标值；β0(μ,v)为方程的截距；β1(μ,v)、β2(μ,v)、β3(μ,v)和β4(μ,v)为对应自变量的回归系数；x1、x2、x3和x4分别为观测点处的植被指数、气温数据、高程数据以及大气NO2数据的平滑结果；ε为随机误差项；

根据加权最小二乘法求点的回归系数，回归系数参数估计值β^(μ,v)表示为：

^ T ‑1 T

β(μ,v)＝[XW(μ,ν)X] XW(μ,v)Y

式中，W(μ,v)为空间权重对角矩阵；X为自变量矩阵；Y为因变量向量；

采用交叉验证法计算带宽，高斯函数计算空间权重，以自适应法确定地理加权回归模型的最佳带宽和权重，求解自变量的回归系数，得到大气XCO2遥感估算模型。