La optimización de la inversión de fuentes utilizando observaciones de sensores es un método clave para identificar rápida y precisamente parámetros desconocidos de la fuente (intensidad y ubicación de la fuente) en fugas de gas peligrosas abruptas. Tanto el número de sensores como la distribución de su ubicación juegan roles importantes en la inversión de fuentes; sin embargo, sus impactos combinados en la optimización de la inversión de fuentes siguen siendo poco comprendidos. En nuestro estudio, se establece el método de inversión de optimización basado en el modelo de pluma gaussiana y el algoritmo de generación. Se propuso una estrategia de investigación que combina muestreo aleatorio y métodos de coeficiente de variación para cuantificar simultáneamente sus impactos combinados en el caso de una única fuente de emisión. Se analizó la diferencia de impacto de la disposición de los sensores bajo diversas condiciones atmosféricas (inestables, neutras y estables) y la información de ubicación de la fuente (conocida o desconocida) utilizando los experimentos de Prairie Grass. Los resultados indicaron que agregar sensores mejoró la precisión de la estimación de la intensidad de la fuente más cuando la ubicación de la fuente era conocida que cuando era desconocida. Los impactos de la distribución de la ubicación de los sensores estaban fuertemente correlacionados negativamente.