人口分布是指一定时间内的人口在不同地区的分布状态,人口分布信息在研究区域规划、制定社会政策以及分析社会经济发展等许多重大问题中具有重要意义。传统的人口普查数据存在着空间分辨率低、更新周期长、调查单元不稳定、缺少空间单元内部精细数据等一些不足。针对这些问题和实际应用需要,研究人员基于先进的空间信息技术,利用即时、准确的对地观测信息数据,将基于社会单元的统计数据与基于自然环境单元的生态数据进行结合,共同转换到具有高分辨率的统一基础地理单元,通过人口统计数据和特定模型反演出人口在研究区域内的具体分布状态,即为人口空间化。现有人口空间化的主要方法和模式是利用简单线性回归估算人口密度与各指标关系后再进行反演,忽略时空异质性的影响,因此本文采用时空地理加权回归方法进行人口空间化,对提高人口数据空间化精度具有重要意义。本文以成都市中心城区为例,依据土地利用类型数据、高程数据、交通、医疗、教育和住宅等兴趣点数据,以成都市中心城区行政区划图为基础,主要利用arcgis软件对土地利用类型和高程栅格数据进行掩膜处理,对各个兴趣点矢量数据进行核密度分析,采用时空地理加权回归模型进行人口数据空间化建模,建立成都市中心城市1KM*1KM的格网人口分布数据,并与线性回归模型、时间加权回归模型、地理加权回归模型的反演结果进行对比分析。研究发现:(1)计算四种人口空间化模型误差发现,时空地理加权回归模型误差低于6%；地理加权回归模型误差在4%-8%之间；时间加权回归模型误差在7%-14%之间；而线性回归模型误差高于20%。(2)在测试的四种人口空间化模型中,综合考虑了时空异质性的时空地理加权回归模型拟合效果最好,且发现模型中的空间异质性大于时间异质性。(3)人口空间化误差除了模型预测误差之外,还来源于各要素格网数据提取,提取时格网大小选择、原栅格数据的分辨率等因素,因此采用高精度数据以及合理的格网大小是提高人口数据空间化精度的有效途径。