土地作为人类生产生活必不可少的自然资源,土地资源的利用也受到经济发展和人口的增长的影响。土地利用/覆被变化研究是全球环境变化研究中的核心领域,对合理有效利用区域土地资源有着重大的理论和现实意义。本文以京津冀城市群作为研究区,选取1995年至2015年20年内五期中国科学院地理科学与资源研究所提供的研究区土地利用遥感监测数据,对影像数据进行拼接、重分类等处理,并对京津冀城市群进行动态变化分析。主要方法与结论如下:(1)选用中国科学院地理科学与资源研究所提供的数据及其土地利用分类体系,对数据进行数据拼接、坐标统一、数据剪裁以及数据重分类等处理,最终得到满足本文研究要求所需的数据。(2)对处理后的数据从土地利用变化幅度、速率以及土地利用程度三方面进行动态变化分析得到,京津冀城市群在2000～2005年间土地利用变化最为剧烈,2005年后土地利用变化较为平稳。其中在研究期内城乡、工矿、居民用地面积不断增加,而耕地、林地、草地、水域和未利用地的面积总体上都呈现出负增长的趋势,且在这六种土地的类型中变化幅度和变化速率最大的土地类型为城乡、工矿、居民用地,在五个年份的京津冀土地利用程度综合指数均在260左右,说明京津冀城市群总体的土地利用程度处于中上等水平。(3)选用马尔可夫模型、灰色预测模型以及人工神经网络结合社会经济等其他驱动因素数据对2015年土地利用变化需求量进行预测,利用2015年土地利用分类数据实际值与预测值进行比较,对比分析各模型的预测精度。从模型的预测表现上来看,灰色预测模型的预测结果较好,各土地类型中的相对误差最大的是城乡、工矿、居民用地人工为2.1%,相对误差最小的是林地为0.04%;神经网络的预测结果不够理想,相对误差最大的土地类型为城乡、工矿、居民用地人工为53.06%,相对误差最小的是水域为0.32%;马尔可夫的预测效果最佳,各土地类型的相对误差均小于1%,故最终选用马尔可夫模型对2020年和2025年京津冀土地利用情况进行模拟,为进一步推进京津冀协同发展提供一定的依据。