人口作为城市研究的基本要素之一,是度量城镇化水平的重要指标,掌握精细的人口分布数据对城市的科学规划和管理、内部资源分配、应急防灾、生态环境评估等领域都有重要的作用。传统的人口调查方式可以获得精细的人口分布,但存在成本高、更新频率低等局限,因此遥感技术成为进行大范围人口估算的主要方式之一。大量的遥感数据,尤其是可以测量建筑物三维形态信息的LiDAR数据,已被证明能够用于建筑物尺度的人口估算。然而已有研究表明,由于缺少相应的人类活动信息,从LiDAR数据中提取的建筑物三维物理属性与人口数量之间的关系是非线性、不稳定的,难以保证建筑物尺度的人口估算精度。针对此不足,本研究提出了融合从机载LiDAR数据中提取的三维物理形态信息与从POI和夜间灯光数据中提取的人类活动信息的建筑物人口估算框架,为建筑物尺度的人口估算提供了一个新的视角。本研究主要内容包括以下三点:（1）利用LiDAR点云数据和航空影像提取了建筑物轮廓。采用形态学方法提取了机载LiDAR点云数据的地面点与非地面点,并分别构建DTM和DSM,得到了nDSM数据;根据nDSM自身的高程信息以及航空影像提取的植被信息,使用阈值分割的方法获得了初始的建筑物轮廓;随后利用腐蚀与膨胀两种形态学方法对建筑物轮廓进行平滑,最后使用规则化处理得到建筑物轮廓数据。精度验证结果表明提取的建筑物在数量和面积两个方面的精度分别为92.58%和94.28%。（2）建立了一种新的融合三维形态物理信息与人类活动信息的建筑物尺度人口估算模型。基于珞珈一号夜间灯光数据、POI数据和机载LiDAR点云数据,提取了33个建筑物尺度的人口估算特征,其中包括6个夜间灯光强度特征、2个由LiDAR点云数据提取的三维形态特征以及25个POI特征;采用随机森林模型,通过特征筛选和模型优化,建立了融合三维形态物理信息与人类活动信息的建筑物尺度人口估算模型。以上海市公安局提供的建筑物尺度实有人口数据为参考数据,对随机森林人口估算模型的估算结果进行精度评价,结果显示模型估算人口与参考数据之间的R2为0.65,表明模型的总体精度较好。（3）对建筑物尺度人口估算模型进行了特征贡献的定量计算和分析。在特征重要性方面,发现建筑物体积、住宅类和公共服务类POI是建筑物尺度人口估算的三个重要特征,其中建筑物体积是估算人口最重要的特征,重要性为20.7%。在特征贡献方面,上述三个特征在人口估算中特征值与特征贡献均表现出正相关关系;而夜间灯光辐射强度在人口估算的特征贡献中表现出在居住区呈正相关关系,而在办公室和商业区则呈负相关关系。针对精细尺度的人口估算需求,本研究提出的建筑物尺度人口估算框架,通过融合从LiDAR数据中提取的三维形态信息与从POI和夜间灯光数据中提取的人类活动信息,提高了建筑尺度人口估算的准确性。