破坏性灾害发生时,相关部门需要在较短时间内获取灾情的宏观判断和损失评估结果,以及制定相应的应急救援方案。这些工作都离不开备灾地理数据库的支持。然而现有的备灾地理数据库中的人口数据通常是以行政区划为基本单元的统计数据,只能反映单元内的总体情况,数据存在精细化程度低,时空分辨率低,与地理单元的不一致等问题导致其难以与其他多源数据融合进行空间分析。人口数据空间化可以实现行政单元人口数据的格式转换,以直观的形式表达人口在空间位置上的分布与数量。目前的人口空间化分布研究中没有充分考虑人口分布的尺度效应,并且大多数研究均采用土地利用/地表覆盖数据作为人口数据空间化的数据源,但是现有的土地利用/地表覆盖数据均是通过中低分辨率的遥感影像解译获得的土地分类结果,分类结果精度较低。针对上述问题,本人提出了从三个不同的尺度上进行人口数据空间化方法的研究,分别进行宏观尺度、微观尺度以及更加精细化尺度动态分布三种尺度的人口分布研究。本文的主要研究工作如下:(1)宏观尺度人口空间化分布。本研究首先采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;在此基础上,利用分区因子进行主成分分析得出综合影响因子,对研究区域进行特征一致性分区,然后采用多元线性回归方法结合建模因子来分区构建公里格网尺度人口数据空间化模型,并与整体建模进行误差对比分析。实验结果表明:经过分区建模的人口空间数据精度高于整体建模的人口空间数据精度。(2)微观尺度人口空间化分布。本研究采用2018年度0.8米分辨率的高分二号遥感影像进行建筑用地信息提取,更新地表覆盖数据,实现基于建筑用地的人口空间分布。再引入同年的POI数据,研究其与人口密度的相关性,选取相关性高的POI类型数据,分析各个POI类型数据的空间聚集特征,最后实现基于POI数据的200m格网尺度建筑用地人口重分配。(3)精细化尺度人口时空动态分布。本研究采用分布式网络爬虫方式来获取西南交通大学(犀浦校区)图书馆为中心周围3公里的新浪微博数据,经过数据预处理后,结合实验区域西南交通大学校园的矢量地图分别从微博数据的时间分布、空间分布两方面进行综合分析,最后采用核密度估计法对一天24小时进行时间分段来探究学生人群的时空分布特征,得到不同时间不同地点学生的集中区域。结果表明:从不同尺度对人口的空间分布格局进行分析,可以得到不同详细程度的人口信息。从宏观尺度分析,可以得到四川省各县内部的人口空间分布特征;从微观尺度分析,可以得到各县内部建筑用地层面的人口空间分布特征;从精细化尺度分析,可以得到实验区域人口时空动态分布特征。并且宏观尺度的人口空间数据和微观尺度的人口空间数据可以加入备灾地理数据库中,丰富备灾地理数据库的数据源,为四川省未来可能发生灾害的地区提供可靠的和更精细化的人口数据。基于微博数据的精细化人口时空动态分布研究思路可以运用到实际的灾害中,获得较为准确的人口的分布情况,进而展开高效合理的救援工作。