Many important ecological questions require accounting for spatial variation in demographic rates (e.g., survival) and population variables (e.g., abundance per unit area). However, ecologists have few spatial modelling approaches that (i) fit directly to spatially referenced data, (ii) represent population dynamics explicitly and mechanistically, and (iii) estimate parameters using rigorous statistical methods. We therefore demonstrate a new and computationally efficient approach to spatial modelling that uses random fields in place of the random variables typically used in spatially aggregated models. We adapt this approach to delay-difference dynamics to estimate the impact of fishing and natural mortality, recruitment, and individual growth on spatial population dynamics for a fish population. In particular, we develop this approach to estimate spatial variation in average production of juvenile fishes (termed recruitment), as well as annual variation in the spatial distribution of recruitment. We first use a simulation experiment to demonstrate that the spatial delay-difference model can, in some cases, explain over 50% of spatial variance in recruitment. We also apply the spatial delay-difference model to data for rex sole (Glyptocephalus zachirus) in the Gulf of Alaska and show that average recruitment (across all years) is greatest near Kodiak Island but that some years show greatest recruitment in Southeast Alaska or the western Gulf of Alaska. Using model developments and software advances presented here, we argue that future research can develop models to approximate adult movement, incorporate spatial covariates to explain annual variation in recruitment, and evaluate management procedures that use spatially explicit estimates of population abundance. De nombreuses questions ecologiques importantes necessitent la prise en consideration des variations spatiales de taux demographiques (p. ex. de survie) et de variables relatives a la population (p. ex. l'abondance par unite de surface). Les ecologistes disposent toutefois de peu d'approches de modelisation spatiale qui (i) peuvent etre calees directement sur des donnees referencees dans l'espace, (ii) representent de maniere explicite et mecaniste la dynamique des populations et (iii) emploient des methodes statistiques rigoureuses pour l'estimation de parametres. Nous presentons donc une nouvelle approche de modelisation spatiale efficace sur le plan computationnel qui fait appel a des champs aleatoires plutot qu'aux variables aleatoires normalement utilisees dans les modeles regroupes spatialement. Nous adaptons cette approche a la dynamique a differences retardees pour estimer l'incidence de la mortalite naturelle et par peche, du recrutement et de la croissance individuelle sur la dynamique spatiale d'une population de poissons. Nous developpons plus particulierement cette approche pour estimer les variations spatiales de la production moyenne de poissons juveniles (appelee le recrutement), ainsi que les variations annuelles de la repartition spatiale du recrutement. Nous utilisons d'abord une experience de simulation pour demontrer que le modele spatial a differences retardees peut, dans certains cas, expliquer plus de 50% de la variance spatiale du recrutement. Nous appliquons egalement le modele spatial a differences retardees a des donnees sur la plie royale (Glyptocephalus zachirus) dans le golfe d'Alaska et demontrons que le recrutement moyen (pour toutes les annees) est le plus grand pres de l'ile Kodiak, mais que, pour certaines annees, le recrutement maximum est observe dans le sud-est de l'Alaska ou dans l'ouest du golfe d'Alaska. A la lumiere des modeles et avancees logicielles presentes, nous arguons que des travaux futurs peuvent mener a des modeles permettant d'estimer approximativement les deplacements des adultes, d'integrer des covariables spatiales pour expliquer les variations annuelles du recrutement et d'evaluer les procedures de gestion qui font appel a des estimations spatialement explicites de l'abondance de la population. [Traduit par la Redaction], Introduction Ecologists are increasingly tasked with understanding how population and community dynamics vary spatially. Understanding spatial processes is necessary to predict many important phenomena, including the impact of global climate [...]