在Python中，可以使用`scipy`库中的`griddata`函数来进行克里金空间插值。以下是一个简单的代码：
import numpy as np
from scipy.interpolate import griddata

# 输入数据点的坐标和观测值
data_points = np.array([(x1, y1, z1), (x2, y2, z2), ...])  # 每个元组包含一个数据点的经度、纬度和观测值
x = data_points[:, 0]  # 经度
y = data_points[:, 1]  # 纬度
z = data_points[:, 2]  # 观测值

# 定义插值网格的范围和分辨率
x_min, x_max = min(x), max(x)
y_min, y_max = min(y), max(y)
resolution = 0.01  # 分辨率设定为0.01度
xi = np.arange(x_min, x_max, resolution)
yi = np.arange(y_min, y_max, resolution)
xi, yi = np.meshgrid(xi, yi)

# 使用克里金插值进行空间插值
zi = griddata((x, y), z, (xi, yi), method='cubic')  # 这里选择了克里金插值中的立方插值方法

# zi 现在包含了插值后的值，可以根据需要进行进一步处理或可视化
 

请注意，上述代码中的`data_points`需要替换为实际的气象站点数据，其中每个元组包含一个数据点的经度、纬度和观测值。还可以根据需要选择不同的插值方法，例如`method='linear'`或`method='nearest'`等。另外，可能需要安装`scipy`库，可以使用以下命令进行安装：

```
pip install scipy