人口问题是人口数量、空间分布等快速变化造成的人与自然、社会经济间的矛盾。人口普查数据存在时空分辨率不高,无法反映行政单元内人口真实时空分布规律的问题。现有研究大多将时空切分,分别进行人口空间化和行政区时间预测;少部分时空结合的模型精度有限。如何基于人口统计数据实现高分辨率人口空间化及构建人口时空动态模型模拟人口时空变化规律对科学预测未来人口分布,缓解人口与自然、社会、经济之间的矛盾具有十分重要意义。以重庆市为研究区域,本文从人口的空间化、时空耦合模型构建及人口格局合理性三个方面进行探讨。首先,以2010年县域人口为基础,通过分区多元统计回归与超分辨率卷积神经网络构建500米分辨率的人口空间化模型完成全局与局部特征学习。然后利用分区多元统计回归-超分辨率卷积神经网络空间化与集成学习方法构建人口时空耦合模型实现未来人口时空预测。最后对重庆市人口进行不均衡性与合理性探讨,为优化人口格局提出建设性意见。主要研究成果如下:1.本文提出的分区多元统计回归-超分辨率卷积神经网络空间化模型拥有最低均方根误差1.51,其空间残差总体上优于其他方案。研究表明全局与局部特征的结合在一定程度上弥补了单一模型学习不全面的问题。2.分区多元统计回归-超分辨率卷积神经网络空间化与XGBoost耦合的时空预测模型,相较于以往基于随机森林的行政单元级别人口预测,空间分辨率得到提升。而XGBoost时序预测模型的均方根误差和相对误差分别为1.68和2.88%,小于GBDT的1.79和6.80%,及随机森林的2.18和7.14%。研究表明时空耦合预测模型不仅提高了行政区内人口分布的空间分辨率,也保证了时序预测精度。3.由于重庆市人口分布存在不均衡性,本文进行了人口-土地-产业协调耦合度分析。研究显示在人口不均衡性较高的主城区,协调耦合性高于0.7。研究表明人口分布不均衡并非代表不合理,未来重庆人口格局优化应注重土地利用效率、经济发展和人口疏引。