CO2浓度及其变化作为全球气候变暖的一个重要问题，已经引起人们的广泛关注。但是，对大范围条件下的排放量进行独立验证，直接进行测量的方法难度较大。因此，利用遥感、卫星数据通过反演、插值等算法对CO2浓度进行一定尺度上的模拟，对研究CO2浓度的变化情况具有重要意义。通过地面观测可以获取较高精度且时间连续性较好的CO2浓度数据，但由于采样点数量有限，空间连续性差，不能直接用于CO2浓度空间分布模拟分析。基于此，论文利用HASM（High Accuracy Surface Modeling）方法，构建以全局性近似数据（例如，碳卫星数据、植被动态模型或遥感数据）为驱动场、以局地高精度数据（如地面二氧化碳监测数据）为优化控制条件的二氧化碳模拟系统。利用碳卫星CO2柱状浓度资料和基于该资料反演的近地表二氧化碳浓度数据，分析某一段时间内的柱状浓度变化，结合同期气象要素、植被结构、光合有效辐射等进行相关分析，筛选决定该时期内浓度变化的关键因子，确定曲面模型的构建过程中的输入变量。通过空间模拟的方法，可以解决采样数据精度低的问题，提高CO2浓度数据的空间模拟精度。论文的研究过程可分为以下四步：1)模型驱动场的确定，包括卫星数据的获取、影响因素的确定、相关性分析等；2)优化控制条件的确定，主要是地面观测数据的处理；3)利用HASM模型进行模拟；4)对模拟结果进行分析。本论文利用欧空局ENVISAT上的SCIAMACHY数据，首次将HASM模型应用于CO2浓度模拟，构建了全球尺度上CO2柱平均浓度的空间分布模型，模拟全球范围内XCO2的空间分布格局。研究结果表明，模拟结果能够较好地反映模拟区域的CO2浓度变化。从全球尺度上看，论文选择的模拟月份（2010年6月）的CO2柱状浓度范围在380ppm~399ppm之间。其中，最高值出现在非洲东北部及欧洲西南部，最低值出现在北美北部、亚洲北部、欧洲北部等居民较少的地区，其余地区浓度分布差别不大，大约在385ppm~390ppm。