Las áreas urbanas contribuyen a más del 80% de las emisiones de dióxido de carbono, y se están realizando esfuerzos considerables para caracterizar las variaciones espaciotemporales de CO (dióxido de carbono) a nivel de ciudad, regional y nacional, con el objetivo de proporcionar vías para la reducción de emisiones de carbono. La compleja composición de la superficie subyacente de las áreas urbanas hace que los modelos basados en procesos y en fisiología sean inadecuados para simular el flujo de carbono en este contexto. En este estudio, se emplearon memoria a largo y corto plazo (LSTM), máquina de soporte vectorial (SVM), bosque aleatorio (RF) y red neuronal artificial (ANN) para desarrollar e investigar su viabilidad en la estimación del flujo de carbono a nivel de ecosistema. Todos los datos utilizados en nuestro estudio se derivaron de las observaciones de cronosecuencia a largo plazo recopiladas de las torres de flujo dentro de la superficie subyacente urbana compleja, junto con conjuntos de datos de reanálisis meteorológico. Para evaluar la capacidad de generalización de estos modelos, se utilizaron las siguientes métricas estadísticas: coeficiente de determinación (R), error cuadrático medio (RMSE) y error absoluto medio (MAE). Nuestro análisis reveló que el modelo RF tuvo el mejor rendimiento en la simulación del flujo de carbono a lo largo de series temporales largas, con los valores más altos de R alcanzando hasta 0.852, y exhibiendo los valores más pequeños de RMSE y MAE en 0.293 mol·m·s y 0.157 mol·m·s. Como resultado, se eligió el modelo RF para simular el flujo de carbono a escala espacial y evaluar el impacto de las superficies impermeables urbanas en la simulación. Los resultados mostraron que el modelo RF funciona bien en la simulación del flujo de carbono a escala espacial. La inclusión del índice de área de superficie impermeable puede mejorar el rendimiento del modelo RF en la simulación del flujo de carbono, con valores de R del 84.46% (con el índice de área de superficie impermeable) y 83.74% (sin el índice de área de superficie impermeable). Además, el flujo de carbono en el distrito de Fengxian, Shanghái, mostró una heterogeneidad espacial significativa: el flujo de CO en la parte occidental del distrito de Fengxian fue menor que en la parte oriental, y el flujo de CO aumentó gradualmente de oeste a este. Además, introdujimos creativamente el índice de área de superficie impermeable diurna basado en el modelo Kljun, y aclaramos la influencia de la superficie impermeable en la simulación espaciotemporal del flujo de CO sobre la compleja superficie subyacente urbana. Con base en estos hallazgos, concluimos que los modelos RF pueden aplicarse de manera efectiva para estimar el flujo de carbono en la compleja superficie subyacente urbana. Los resultados de nuestro estudio reducen la incertidumbre en la modelización del ciclo del carbono en los ecosistemas terrestres y hacen que la variedad de modelos para el ciclo del carbono de los ecosistemas terrestres sea más diversa.