气候变化与城市化导致洪水风险上升,评估洪水暴露人口是洪水风险管理的重点之一。开放获取的人口空间化数据和洪水模拟数据为此提供了数据支持,但相关评估结果存在不确定性。针对洪水暴露评估的不确定性,目前研究仅关注了洪水致灾因子或承灾体单一维度,忽略了两者共同作用下的不确定性。为填补这一空白,本研究收集多项开放获取的人口空间化数据和洪水模拟数据,提取多种数据组合下的洪水暴露结果,并从以下两个方面进行分析:（1）使用绝对暴露差异、相对暴露差异和暴露变异系数量化了中国洪水暴露评估中两个维度及其共同作用下的不确定性,并通过相关分析确定了不同区域条件下应优先关注的维度;（2）基于暴露比例、暴露密度和不均衡指数比较了多种数据组合下子流域尺度的暴露结果差异,并分析了两个维度内的数据差异如何影响洪水暴露结果。主要研究结论如下:（1）量化了致灾因子维度、承灾体维度以及两个维度综合作用下的中国洪水暴露不确定性。国家尺度上,致灾因子维度的绝对暴露差异在2.342亿人和3.091亿人之间,承灾体维度的绝对暴露差异在2470万到9390万之间,综合考虑两个维度时绝对暴露差异达到3.283亿人。从变异系数上看,致灾因子维度的变异系数在0.360–0.443之间,而承灾体维度的变异系数在0.047–0.079之间,综合两维度考虑时变异系数为0.366。（2）揭示了中国洪水暴露不确定性的空间格局。流域尺度上,致灾因子维度、承灾体维度以及两维度共同作用下绝对暴露差异均呈现东部沿海流域高,东部非沿海流域以及西部流域低的空间格局;相对洪水暴露差异上看,致灾因子维度以及两维度共同作用下的空间格局为东部沿海流域高,东部非沿海流域以及西部流域低,而承灾体维度的空间格局相反,即西部流域高,东部沿海流域以及东部非沿海流域低;从变异系数上看,致灾因子维度、承灾体维度以及两维度综合作用下的空间格局均为西部以及东部非沿海流域高,东部沿海流域低。（3）比较了不同区域内洪水暴露不确定性中致灾因子维度与承灾体维度的相对重要性。在国家和流域尺度上,致灾因子维度的变异系数均高于承灾体维度;在子流域尺度上,有82.04%的子流域致灾因子维度的变异系数高于承灾体维度。另外,致灾因子维度与承灾体维度的相对重要性指数（致灾因子维度变异系数与承灾体维度变异系数的比值）存在区域差异。相对重要性指数与人造地表覆盖率、平均GDP、平均夜间灯光指数和夜间灯光点亮区域占比等社会经济因素呈显著的正相关关系,与流域面积、平均高程、平均坡度等地形因素呈显著的负相关关系。（4）基于暴露比例（暴露人口与总人口之比）、暴露密度（暴露人口与洪水淹没面积之比）和不均衡指数（暴露密度与人口密度之比）,分析了不同数据组合下的洪水暴露差异性。洪水数据间暴露比例差异显著;GAR淹没面积最大,暴露比例最高;JRC淹没面积最小,暴露比例最低。承灾体维度下,WorldPop、PoiPop和LandScan的暴露比例高于CnPop和GPW。LandScan、WorldPop和PoiPop在洪水暴露密度上高于CnPop和GPW,并且这种差异在不同洪水数据下具有稳健性。而致灾因子维度内,除JRC下的洪水暴露密度始终最低外,其余洪水数据的洪水暴露密度大小取决于人口数据。在不均衡指数方面,承灾体维度下LandScan、WorldPop和PoiPop的不均衡程度高于CnPop与GPW;致灾因子维度下,洪水数据之间的差异对不同人口数据更为敏感,不均衡程度更多受人口数据集的影响。（5）阐述了致灾因子维度与承灾体维度中的数据差异如何影响洪水暴露结果。致灾因子维度,洪水暴露差异主要受洪水淹没的空间分布差异影响,淹没面积差异是洪水暴露差异的主要原因。承灾体维度上,不同数据在像元尺度上的人口集中程度的差异是影响洪水暴露的重要因素,LandScan、WorldPop和PoiPop对应较高的洪水暴露比例和人口暴露数量,CnPop和GPW则相对较低。综上,本研究基于多源洪水致灾因子与人口承灾体数据,量化了致灾因子维度、承灾体维度和两维度综合下的洪水暴露不确定性,探究了两维度的相对重要性及其在不同区域的差异。同时,对比分析了不同数据组合下的中国洪水暴露,探究了数据差异对洪水暴露结果的影响,并提出了洪水暴露分析中数据选择和数据优化的建议。该研究对于系统理解我国洪水暴露性研究的不确定性具有一定的创新性,对于推进洪水暴露性的评估精度具有一定的科学意义,可为中国洪水暴露评估和洪水风险管理提供一定的科学依据。