人口数据是地理学、人口学、社会学研究的基础数据之一,传统的人口统计数据按照行政单元进行统计,并假设人口在行政单元内部均匀分布,造成空间分辨率较低而且不易与其它数据集成,不便进行相关应用研究。人口数据空间化研究可解决该问题,逐渐成为地理学研究热点。但是,目前研究主要集中在大中尺度的人口空间化,小尺度的城市地区的研究较少。本文以获得城市高空间分辨率的人口数据为目标,选择福州市中心城区作为案例。首先,建立人口空间化数据库。然后,运用土地利用密度法、居住单元法、基于兴趣点数据分别进行人口数据空间化。其中,土地利用密度法基于高分辨率影像进住宅用地分类,并按照格网内每种住宅用地的面积得到鼓楼区100m*100m格网的人口数据。居住单元法基于高分辨率影像进行住宅建筑分类,按照不同类型的住宅建筑的数量得到鼓楼区100m*100m格网的人口数据。在基于兴趣点数据的人口数据空间化研究中,将建筑斑块级别的人口普查数据作为真实的人口数据,在100-1000m边长的格网下,分别计算格网内真实人口数与其周围不同半径范围内(以50米为步长)的兴趣点数量的Pearson相关系数,分析兴趣点数据在人口空间化研究中适用的尺度。再以300m*300m格网为例,根据兴趣点数量,将乡镇/街道级别人口数量分配到格网中。最后,将建筑斑块级别的人口普查数据进行网格化,作为以上方法的精度评价依据。关于兴趣点的人口空间化研究是以往的研究中较少涉及的,可为未来兴趣点数据的人口空间化研究作参考。研究发现,土地利用密度法与居住单元法适合小区域范围内精细尺度的人口数据空间化,居住单元法较土地利用密度法精度高,两者原理类似,使用的数据源不同,居住单元法基于建筑物中心点来推算格网内的人口,可改进土地利用密度法中对住宅用地斑块划分时造成的“可变单元问题”。基于兴趣点的人口数据空间化,适合边长300m及300m以上格网,其精度较前两者低,但是该方法更为简便。一般来说,尺度越大基于兴趣点数据进行人口数据空间化的结果将越可靠；兴趣点数据对于估算边长300m以上格网的人口数据具有可行性,对于边长600m以上的格网效果更好。每种尺度的格网根据距离格网中心点500-650m半径范围兴趣点的数量进行人口估算,可达到较好的效果。