人口增长是资源环境压力、自然灾害与气候变化的风险日趋增强的主要驱动力之一,因而快速准确地获取人口空间分布信息有利于解决自然资源环境问题。以行政区划为基本单元的统计型人口数据,反映单元内的总体情况,数据精细化程度较低,时空分辨率低,与地理单元间的不一致性导致其难以与其它自然数据融合分析。人口数据空间化可实现行政单元人口数据的转换,有助于拓宽人口统计数据的应用深度和广度。土地利用数据被看作是涵盖了众多影响人口空间分布信息的综合体,因此基于土地利用/土地覆盖的人口数据空间化方法是最常用的,但该方法精度依赖于建模的地表覆盖数据的类型和质量、空间化方法以及建模单元,且无法区分单元内人口分布差异。在此基础上,基于2010年的GlobeLand30地表覆盖数据,在市级和县级尺度上,采用多元线性回归和地理加权回归(Geographical Weighted Regression,GWR)方法对基于不同地表覆盖类型组合的人口数据进行空间化,并对其结果进行误差分析与检验。同时提出一种基于人口势表征人口内部差异进行人口数据空间化方法。首先,本文利用各地表覆盖类型面积指数与人口密度进行相关性分析确定建模因子,在县级和市级尺度上,基于多元线性回归方法分别构建单因素和多因素人口数据空间化模型,并进行误差分析。实验结果表明,基于多元线性回归的人口数据空间化方法在大范围拟合中不适用,主要原因在于将整个研究区看成“匀质”的单元,忽略了区域空间异质性,且县级误差均较市级误差高,说明县级的空间异质性较市级更强。然后,采用相同的实验方案,基于GWR方法构建人口数据空间化模型,并与多元线性回归模型进行对比,验证GWR的拟合效果。实验结果表明,利用GWR方法的模型精度高于多元线性回归方法,较好的克服了区域空间异质性,同时采用多因素建模均较单因素建模的精度高,说明增加建模因子能有效提高模型精度。对基于人造地表和耕地的人口数据空间化结果在县级单元进行精度检验,结果表明模型具有可靠性。最后,引入人口势表面反映研究单元内部人造地表上人口集聚程度,通过设置不同辐射半径,求得对应的人口势表面,采用GWR方法构建模型,并进行误差分析与检验。实验结果表明,辐射半径为20km,建模效果最佳,其拟合精度R2=0.901,人口平均相对误差为27.9%。县级检验误差41.3%较市级理论误差显著提高,说明20km的人口势表面能反映市级的人口集聚度,但不符合县级情况,表明人口势具有尺度效应。