El CO es uno de los principales gases de efecto invernadero que impactan el cambio climático global, lo que hace crucial entender las variaciones espaciotemporales del CO. Actualmente, los satélites comúnmente utilizados sirven como el principal medio de observación del CO, pero a menudo sufren problemas de rayado y no logran una cobertura completa. Este documento propone un método para construir un conjunto de datos XCO de alta resolución espaciotemporal y completo basado en múltiples fuentes de datos auxiliares y observaciones satelitales, utilizando múltiples modelos simples de redes neuronales profundas (DNN). Los resultados de validación global contra datos de TCCON basados en tierra demuestran la excelente precisión del conjunto de datos XCO construido (R es 0.94, RMSE es 0.98 ppm). Usando este método, analizamos las variaciones espaciotemporales del CO en China y sus alrededores (región: 0 grados-60 grados N, 70 grados-140 grados E) desde 2019 hasta 2020. El método de generación de CO sin huecos y a escala fina mejora la comprensión de las variaciones espaciotemporales del CO, apoyando la investigación relacionada con el carbono.