人口空间化研究是实现城市空间精细化管理重要途径,是协调村镇资源环境协调发展的必由之路。通过行政级别上的人口数据降维到细粒度的格网尺度上,可以深入挖掘区域内人口密度的空间分布特征和地理空间的异质性。众所周知,我国的人口普查每十年进行一次,且以乡镇为最小单元进行统计,但随着计算机科学和地理学的不断发展,其数据精度已经不能满足现代地理科学研究的数据要求。人口空间化以国家人口统计数据为基础,基于多源数据融合思想和数据挖掘的技术手段,通过特定的统计学方法将大尺度的人口数据分解到对应的格网上,重现对国家人口统计数据的以更精确的空间尺度进行表达,有助于在细粒度上把握人口分布形态,进而为村镇协调发展和城市资源精细化管理等相关研究提供数据基础。本文以湖北省为研究区域,将兴趣点、建筑物轮廓两种新兴地理大数据与传统地理数据相结合,提取了与人口聚落相关特征并构建了湖北省人口数据空间化数据集,通过机器学习模型预测了格网尺度上的人口分布,对湖北省人口空间化的实验成果和模型性能进行了精度评估。最后将人口空间化成果与格网数据相匹配,通过ARCGIS平台输出了湖北省1000米人口分布图,通过莫兰指数对湖北省人口聚集程度作出空间自相关分析。本文的主要研究成果可以分为以下几个方面:1.基于多源数据融合的思想,通过PYTHON编程语言获取了百度地图建筑物3D影像数据,通过对建筑物轮廓数据的二次开发与特征提取并与其他特征相融合,首次在省级别的研究区域内应用建筑物轮廓数据,构建了湖北省人口空间化特征数据集。2.基于机器学习模型和多源地理大数据的湖北省人口空间分布模型。以湖北省2010年人口统计数据为训练数据,通过随机森林模型对湖北省人口格网上的人口密度分布进行了预测,模型精度较高拟合优度值为0.902,表明模型的泛化能力较强。3.湖北省人口空间分布可视化。本文将湖北省人口空间化研究成功与格网数据进行空间连接,输出了湖北省1000米格网尺度上的人口分布图,并通过空间自相关分析,解析了湖北省人口分布的聚集程度。