La disponibilidad de información sobre la distribución de la población a gran escala, e independiente de las unidades administrativas de recogida de la información, es una necesidad en muchos ámbitos: evaluación de riesgos de terremotos, inundaciones o incendios, integración de estadísticas demográficas con información medioambiental en formatos diversos, diseño de políticas de prestación de servicios públicos o estudios de accesibilidad y movilidad en las grandes ciudades. Por estas razones, la literatura ha explorado numerosos métodos de desagregación de la población, recogida a nivel municipal o de sección censal, en polígonos urbanos procedentes de los sistemas de información de coberturas y usos del suelo o celdas de una malla regular, permitiendo de esta forma la generación de capas raster de población, fáciles de combinar con información medioambiental y geográfica. Una característica común a todos estos métodos de desagregación es que la información auxiliar utilizada no incorpora la altura de las edificaciones. De esta forma los algoritmos de desagregación no distinguen entre asentamientos extensos, basados en edificaciones con pocas alturas, frente a asentamientos compactos, con predominio de edificios con muchas alturas. Este trabajo examina la reducción del error que se comente al desagregar la población por secciones censales a una malla regular, de 1 x 1 km y de 1 ha, cuando incorporamos la tercera dimensión, la altura de los edificios a partir de datos LIDAR, sobre una capa raster de densidad de edificación, y utilizamos algoritmos de desagregación muy simples, basados en distribuciones proporcionales por área o por volumen, con y sin información auxiliar de coberturas y usos del suelo. Los resultados indican que las mejoras, incluso con estos algoritmos sencillos, son notables; comparables a las que se producen al incorporar información sobre usos del suelo a métodos dasimétricos binarios. En consecuencia incorporar la tercera dimensión a los procesos de re-escalado espacial de la población resulta totalmente esencial.Availability of high resolution population distribution data, independent of the administrative units in which demographic statistics are collected, is a real necessity in many fields: risk evaluation due to earthquakes, flooding or fires, to name just a few, integration between socio-demographic and environmental or geographical information collected in different formats, policy design for the provision public services, such as health, education or public transport, or mobility studies in urban areas or metropolitan regions. Because of this, the literature has explored various methods of population downscaling, collected at communality or census tract level, into smaller areas; typically urban polygons from high resolution topographic maps or land use/land cover databases, or grid cells, allowing the elaboration of raster population layers. A common feature of all these methods is that they don´t incorporate building height. In this way, downscaling methods don´t distinguish between the urban sprawl type of settlement, where most of the houses are detached or semi-detached, and compact cities with high buildings. This paper examines error reduction in downscaling census tract population into 1 x 1 km and 1 ha grids, when we add the third dimension, building height from LIDAR remote sensing data. Algorithms used are simple, and based on areal weighting with or without auxiliary land use/land cover information, since our focus is not in fine turning algorithms, but in measuring improvements due to the missing dimension: building height. Our results indicate that improvements are noticeable. They are comparable to the ones obtained when we move from binary dasymetric methods to more general models combining densities for different land use/land cover types. Hence, adding the third dimension to population downscaling algorithms seems worth pursuing.