1.一种基于三维UNet结构的多尺度排放源反演方法，其特征在于，包括如下步骤：

S1、基于大气化学数值模式和先验排放清单，进行目标区域内PM2.5浓度的数值预报，得到PM2.5浓度预报背景场；

S2、结合PM2.5观测数据，利用集合卡尔曼滤波同化系统对先验排放清单进行反演优化，得到优化的PM2.5排放场；

S3、以优化的PM2.5排放场作为样本标签，以对应时刻的PM2.5观测场和所得到的PM2.5浓度预报背景场作为输入样本，并对所述输入样本和样本标签进行归一化与标准化预处理，即可完成数据集构建，并按照比例划分为训练集、测试集；PM2.5观测场由PM2.5观测数据插值生成；

S4、构建三维空间多尺度特征融合UNet模型，并利用所得数据集对所构建的三维空间多尺度特征融合UNet模型进行训练和测试，即可获得训练好的三维空间多尺度特征融合UNet模型；

三维空间多尺度特征融合UNet模型包括：

三维编码器‑解码器主干网络，用于提取和重建输入样本的空间特征；

多尺度特征融合模块，连接于三维编码器‑解码器主干网络的三维编码器与三维解码器对应的特征层之间，用于并行提取并融合不同空间尺度的污染物空间分布特征；多尺度特征融合模块包含至少两组不同尺寸的三维卷积核，用于提取不同感受野下的污染物空间分布特征；

多尺度复合损失函数，用于在训练过程中同时约束三维空间多尺度特征融合UNet模型对不同空间尺度的污染物空间分布特征的学习；

S5、将待反演时刻的PM2.5浓度预报背景场和相应时刻的PM2.5观测数据输入训练好的三维空间多尺度特征融合UNet模型，即可输出得到反演的PM2.5排放场。

2.根据权利要求1所述的基于三维UNet结构的多尺度排放源反演方法，其特征在于，多尺度特征融合模块并行提取并融合不同空间尺度的污染物空间分布特征的具体过程包括：在三维编码器的至少一个下采样阶段输出的特征图上，通过并行的不同尺寸的三维卷积核施加相应尺寸的三维卷积操作，将得到的多个不同尺度的特征图在通道维度上进行拼接，形成一个富含多尺度信息的融合特征图，再与三维解码器对应上采样阶段的特征图进行融合。

3.根据权利要求2所述的基于三维UNet结构的多尺度排放源反演方法，其特征在于，三维卷积核的尺寸有三组，对应为局地尺寸、区域尺寸以及全局尺寸。

4.根据权利要求3所述的基于三维UNet结构的多尺度排放源反演方法，其特征在于，局地尺寸为3×3×3；区域尺寸为9×9×9；全局尺寸为27×27×27。

5.根据权利要求3所述的基于三维UNet结构的多尺度排放源反演方法，其特征在于，多尺度复合损失函数的总损失量 根据污染物排放的尺度特征，针对三种不同尺度的损失分量通过加权求和组合，定义为：；

其中，s代表尺度索引；S表示尺度总数； 为第s个尺度的损失分量； 为对应尺度的尺度权重，满足 。

6.根据权利要求5所述的基于三维UNet结构的多尺度排放源反演方法，其特征在于，考虑局地、区域和全局的排放特点，将多尺度复合损失函数的总损失量 定义如下：；

其中： 为全局尺度权重； 为全局尺度的损失分量，通过计算全局尺度下的预测值与真实值之间的均方误差而获得； 为局地尺度权重； 为局地尺度的损失分量，通过计算局地尺度下的预测值与真实值之间的结构相似性指数而获得； 为区域尺度权重； 为区域尺度的损失分量，通过计算区域尺度下的预测值与真实值之间的平均绝对误差而获得。

7.根据权利要求2所述的基于三维UNet结构的多尺度排放源反演方法，其特征在于，三维编码器包括一系列三维卷积层A和三维最大池化层；三维卷积层A用于提取空间特征，三维最大池化层逐步压缩空间尺寸、增加特征通道数，从而捕获从局部细节到全局抽象的多层次语义特征。

8.根据权利要求2所述的基于三维UNet结构的多尺度排放源反演方法，其特征在于，三维解码器包括一系列三维转置卷积层以及三维卷积层B；三维转置卷积层用于将压缩的特征图逐步恢复至原始输入的空间尺寸，三维卷积层B用于细化特征。

9.根据权利要求1所述的基于三维UNet结构的多尺度排放源反演方法，其特征在于，在S5后还包括评估步骤：分别采用所述先验排放清单、S2得到的优化的PM2.5排放场、S5得到的反演的PM2.5排放场驱动大气化学数值模式进行PM2.5浓度预报，并通过计算预报结果与实测观测之间的均方根误差和平均绝对误差，定量评估不同排放源对预报精度的改善效果。

10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至9中任一项所述的基于三维UNet结构的多尺度排放源反演方法。