人口数据广泛运用到生态、经济、环境、地灾等众多领域中,但人口统计数据由于受行政区划等的限制,存在时间和空间分辨率低的问题,极大地限制了在各种研究中的应用。人口数据的空间化对学科的交叉互融、生态环境与人口协调关系的空间研究、特定尺度下自然灾害的损失评估等均具有重要的意义。随着地理信息系统(GIS)及遥感技术(RS)等技术的日渐进步,特别是夜间灯光数据与多空间尺度的遥感影像的获取,用来模拟人口空间化的数据和模型越来越多样,但山地城市人口空间分布差异性大,模拟效果不理想,模型还存在优化的空间。山地城市人口空间化,首先应考虑模型的适宜性,山地城市由于地形起伏度大,人口多集中分布在地势低平的河口附近,其他山体上有零星分布,导致人口密度存在极大的差异,单一的数据很难较好地模拟出人口的分布情况,应考虑多源的数据参与到人口空间化模型中。本文通过对比分析主要的人口空间化模型,从中选出适合山地城市的模型对重庆市人口进行试模拟并检验精度,最终选择最适合山地城市人口空间化的模型分别对重庆市2000、2005、2010和2015年四期的统计人口进行了空间化,并分析了时空演变规律。主要内容如下:(1)通过对比已有人口空间化模型,发现距离衰减模型、空间插值模型多运用于人口分布从中心城区向外围递减人口较大的平原城市;分区密度模型在同一类型内部人口密度一致;智能化模型多应用于精细尺度上的研究,这几类模型均不适合人口空间分布差异性极大的山区城市。多元回归模型和多因素融合模型因增加校正因子和考虑地形因素等原因较常用于山地城市的人口模拟。(2)运用多元回归模型对2010年重庆市人口做了空间化,首先构建人居指数并与人口密度做多元回归分析,发现在不考虑高程的情况下,以区县尺度上进行精度验证,人口的平均相对误差为44.69%,且误差较大的多是平均高程在600m以上的区县;经过高程对人居指数校正之后,区县尺度上的人口平均相对误差降低至27.17%,说明山地城市中高程对人口的分布具有极大的影响。(3)运用多因素融合模型对2010年重庆市人口进行空间化,通过因子与人口的相关性和实际情况分析,发现整体上DEM与人口密度相关性只有-0.28,但平均高程在355m以上的区县与人口密度的相关性达到了-0.855,相关性较高;而水域与人口的相关系数为0.872,但较大比重的水域附近无居民点分布,不适宜作为重庆市人口模拟的主因子;人口与交通因子的相关系数为0.804,且交通因子多分布在居民点周围,距道路越近的区域居民点越多,因此,剔除掉水域因子并增加交通因子,最终选择地形、交通、夜间灯光和NDVI四种因子作为模拟人口的影响因子。(4)不同土地利用类型对人口分布的影响不同,本文将远离农村居民点细分为不同的土地类型,并用多元回归的方法确定各自的权重,对远离农村居民点各类型的人口模拟更加细化,且确定权重的方法较为科学。(5)多因素融合模型模拟的人口结果显示,城镇居民点地区人口密度多表现一致,原因是城镇居民用地的人口权重赋同一值,且城镇居民地区域环境一致或相似,导致影响因子的人口权重相近,城镇区域内部模拟的人口差异极小,因此,本文引入产业点核密度作为优化居民点人口权重的因子,以分异城镇内部的人口权重。对模拟结果用第六次人口普查的乡镇统计人口进行精度验证,发现优化后的模拟人口与统计人口密度的相关性达到了0.837,相比于多元回归模型的0.646和优化前多因素融合模型的0.799,相关性提高较多,模拟效果比前两者好,因此,本文用优化后的多因素融合模型模拟出重庆市2000、2005、2010和2015的人口空间分布情况。(6)通过对比分析模拟的四期人口,发现重庆市人口总体呈增加趋势,农村人口则呈逐渐减少的趋势,2010-2015年相较于前两个时间段人口增长最多。重庆市人口主要分布在主城区附近,并向周围渐次扩张,特别是渝北地区,人口从渝北区的西南部向东北部迅猛扩张;重庆东北部和东南部盆周山体地区人口分布较少,总体增长趋势不明显;重庆北部平行岭谷区人口分布相比于渝东南和渝东北地区人口较多,特别是万州区和开州区,人口密度较大,增长较快;重庆市西部的浅山丘岭区人口密度分布较广,增长较快。