La predicción espacial del flujo de CO en el suelo es de gran importancia para evaluar el cambio climático regional y el desarrollo agrícola de alta calidad. El uso de un solo satélite para predecir el flujo de CO en el suelo está limitado por las condiciones climáticas y la cobertura terrestre, lo que resulta en una baja precisión de predicción. Con este fin, este estudio propuso una estrategia de coordinación de múltiples fuentes de satélites espectrales y seleccionó siete fuentes de datos de teledetección óptica por satélite (es decir, GF1-WFV, GF6-WFV, GF4-PMI, CB04-MUX, HJ2A-CCD, Sentinel 2-L2A y Landsat 8-OLI) para extraer variables auxiliares (es decir, índices de vegetación y características de textura del suelo). Desarrollamos un modelo de aumento extremo optimizado con estimador de Parzen estructurado en árbol (TPE)-extreme gradient boosting (XGBoost) para la predicción y mapeo espacial del flujo de CO en el suelo. Se utilizó la explicación aditiva de SHapley (SHAP) para analizar los efectos impulsadores de las variables auxiliares en el flujo de CO en el suelo. Un análisis de correlación de matriz de dispersión mostró que las distribuciones de las variables auxiliares y el flujo de CO en el suelo estaban sesgadas, y las correlaciones lineales entre ellas (r < 0.2) eran generalmente débiles. En comparación con las variables de un solo satélite, el modelo TPE-XGBoost basado en variables de múltiples satélites mejoró significativamente la precisión de la predicción (RMSE = 3.23 kg C ha d, R = 0.73), mostrando una mayor capacidad de ajuste para la variabilidad espacial del flujo de CO en el suelo. Los resultados del mapeo espacial del flujo de CO en el suelo basados en el modelo TPE-XGBoost revelaron que las áreas de alto flujo estaban principalmente concentradas en las tierras de cultivo del este y norte. El análisis SHAP reveló que PC2 y el TCARI de Sentinel 2-L2A y el TVI de HJ2A-CCD tenían efectos impulsadores positivos significativos en la precisión de predicción del flujo de CO en el suelo. Los resultados anteriores indican que la integración de datos de múltiples satélites puede mejorar la fiabilidad y precisión de las predicciones espaciales del flujo de CO en el suelo, apoyando así estrategias regionales de desarrollo agrícola sostenible y respuesta al cambio climático.