城市是人类改造自然环境最显著的产物之一，城市土地利用变化是典型的人地相互作用的结果。从历史数据中获取城市土地利用变化的规律，建立能够重现和模拟城市土地利用发展变化的模型，预测不同条件下的未来城市土地利用变化，寻找资源保护和环境友好的理想城市形态，最大限度地降低城市土地利用变化中的资源浪费和环境破坏，已经成为了土地利用/覆盖变化研究的前沿和热点问题之一。本文以珠江三角洲地区的广州市、深圳市、东莞市和中山市等城市群为例，运用地理元胞自动机(Cellular Automata，简称CA)，建立区域城市群土地利用变化模型，研究区域城市群土地利用变化的发展过程，在此基础上探索了节约土地资源的紧凑城市形态的模型参数。本研究有助于认识和理解区域城市群土地利用变化的基本规律，推动城市土地利用变化的模型研究，可以为区域可持续发展提供科学的决策依据。 首先介绍了地理元胞自动机的基本概念和特征，深入分析了国内外相关研究进展，明确了用地理元胞自动机(CA)建立城市模型，需要进一步研究的主要问题：CA线性转换规则的优化以及模型中阈值的自动确定；CA非线性转换规则；CA空间非统一转换规则和优化城市形态的CA模型。以解决这些问题为基本目标，确定了主要研究内容和框架。并介绍了研究区域的自然地理环境和社会经济发展概况，获取了用CA模拟城市时需要的主要数据。 利用遗传算法研究了优化CA线性转换规则和阈值自动确定的方法。将CA参数进行染色体编码，设置适应度函数和遗传算子以及模型终止的条件，获取优化的CA参数并自动获取模型的阈值。利用遗传算法优化的CA，模型参数的权重能定量地反映空间变量对城市格局的影响，从而寻找出城市发展的规律。而且利用遗传算法可以自动搜索模型的阈值，为阈值的确定提供了一种有效的方法。将该方法运用在东莞市城市模拟的研究结果表明，该方法比多准则判断(MultiCriteria：Evaluation，简称MCE)校正的CA模型有更高的模拟精度。 利用贝叶斯分类方法和非线性分类支持向量机分别研究了获取CA非线性转换规则的方法。运用朴素贝叶斯分类器，通过对模拟城市系统的主要特征变量进行数据变换，借助高斯密度函数和离散模型，获取城市元胞自动机的非线性转换规则，建立NBC-CA模型。模型中高斯密度函数的x参数可解释在空间变量作用下，新发展城市集中的区域，σ参数可解释空间变量对城市发展的影响范围。对比不同空间变量的σ、x参数，可体现不同时期城市发展的主要模式和特征。运用非线性支持向量分类机，通过结构风险最小化和最大距离间隔原理从训练数据中获取支持向量，依靠核函数，构造最优分割超平面，采用构造最优超平面的决策函数定义CA的非线性转换规则，与传统的基于经验风险最小原理优化训练参数的神经网络方法相比，该超平面可以达到全局最优结果。非线性转换规则的CA运用在深圳市城市模拟的研究结果表明，非线性转换规则CA模拟精度比传统的MCE方法模拟精度高，能反映城市系统的非线性特征。利用遗传算法、粗集、时空约束条件分别研究了CA模型空间非统一转换规则。将整个研究区按行政区分为广州市、深圳市、东莞市、中山市、增城市、从化市六个子区，在每个子区内，用遗传算法获取模型参数，形成分区的空间非统一转换规则，不同子区的模型参数可以反映不同的城市发展模式和特征。利用粗集定义的转换规则对CA模型的变量参数进行了特征选择，生成的决策规则用分类比例表达规则的不确定性程度，而且转换规则是可理解的和随地理环境的变化而变化的；基于粗集的CA模型通过特征选择反映城市系统的不确定性，不同空间位置规则的差异性反映了空间的复杂关系，体现了转换规则的空间非统一性。时空约束的城市CA模型引入了城市用地总量作为子区城市发展的约束条件，约束条件参数可以表示城市用地增长的时空变化特征，反映转换规则的空间差异性；分析时空子区城市发展的特点，有助于掌握研究区城市发展的时空差异性，可以为城市发展的调控和政策的制定提供科学的决策依据。 通过动态调整模型参数，研究了节约土地资源的紧凑城市形态CA模型。在分区的非统一转换规则模型的基础上，以城市用地“紧凑度”为标准，对不同区域模拟的结果进行评价，改进紧凑度低的转换规则参数，模拟节约土地资源的紧凑城市形态，并以珠江三角洲的城市群发展为例，模拟了优化的区域城市空间演变。 最后，总结了研究的主要结论及论文的创新之处，分析了论文的不足和需要进一步深入研究的主要问题。