土地利用/覆被变化反映了人类活动与自然环境之间的互馈关系,一直是可持续发展研究领域的核心议题。随着城市化进程的快速推进,土地资源不合理开发与生态环境恶化的问题层出不穷,人地矛盾日益凸显。元胞自动机（Cellular Automata,CA）以其模拟复杂系统时空动态变化的能力,已成为城市土地利用变化模拟研究的有力工具之一。因此,利用元胞自动机模型开展城市土地利用变化模拟研究,揭示城市土地利用时空演化的复杂规律,对优化城市土地利用空间结构和实现城市可持续发展等具有重要的理论和实践意义。遥感影像作为获取城市土地利用现状信息的重要数据源,主要用来提取地块内的自然属性信息,如耕地、林地和水域等;但是,相关研究表明利用遥感影像提取土地利用信息的方法存在分类结果尺度过于宏观的问题,难以精细反映地块内复杂的社会功能,如居住功能、商业功能等。随着互联网和社交网络等技术的快速发展,多源地理大数据以其数据量大、获取成本低、种类丰富和更新速度快等优势,已成为城市用地功能识别研究的重要补充数据源。此外,利用元胞自动机进行城市土地利用变化精细化模拟的过程中,元胞大小、邻域大小和邻域类型等模型输入因素的尺度选择差异将对模拟精度产生不确定性影响。因此,如何将多源地理大数据合理运用于城市土地利用变化模拟,并对元胞自动机模型参数进行优化,提高元胞自动机模拟的精细化程度,模拟出反映城市土地利用微观格局演化复杂特征的结果,是当前城市土地利用变化精细化模拟亟需解决的科学问题。基于上述背景,本文围绕城市土地利用变化精细化模拟这一科学问题,在梳理国内外相关研究的基础上,从土地利用信息精细化识别、最优尺度组合选取和元胞自动机精细化模拟三个角度展开研究,主要研究内容如下:（1）遥感影像和POI 协同下的城市土地利用信息精细化识别。以遥感影像为基础数据源,利用监督分类方法提取城市土地利用宏观分类格局;在此基础上引入PO1地理大数据,采用核密度分析方法对街区单元内的城市用地功能进行识别,获取城市土地利用微观分类格局,为城市土地利用变化精细化模拟提供数据基础。（2）面向精细化模拟过程的元胞自动机尺度不确定性定量评价。为合理度量模型不确定性,本文综合考虑元胞自动机模型中的元胞大小、邻域大小和邻域类型等参数对模拟精度产生影响的因素,构建集成总体精度、Kappa系数和FOM指数的耦合评价指标体系,利用响应面法定量评价精细化模拟过程中的元胞自动机模型尺度不确定性,在此基础上科学选取最优的尺度组合方式,提高城市土地利用变化精细化模拟结果的可靠性。（3）基于元胞自动机模型的城市土地利用变化精细化模拟。以精细化的分类数据和优化的模型参数为基础,选取影响城市土地利用变化的驱动因子制作适宜性图集,构建基于元胞自动机模型的城市土地利用变化模拟模型,开展城市土地利用变化精细化模拟研究,揭示城市土地利用微观格局演化的复杂规律。以武汉市快速发展区为例展开应用研究和模型验证,结果表明,2020年城市土地利用精细化分类格局与实际分类现状图建立混淆矩阵的总体精度为76.33%,Kappa系数为0.7396,可见本文采用的核密度分析方法可用于城市用地功能识别,且识别结果更加精细化。利用响应面法对精细化模拟过程中的元胞自动机模型不确定性进行定量评价,求得最优尺度组合方式为:元胞大小为60m,邻域大小为5×5,邻域类型为冯诺依曼。2020年城市土地利用变化精细化模拟结果与分类结果进行精度验证,标准Kappa、位置Kappa、分区Kappa、随机Kappa分别为0.7973、0.8625、0.8625和0.8188,总体精度和FOM指数分别为0.8331和0.3207,表明利用CA-Markov模型开展武汉市快速发展区的城市土地利用变化精细化模拟是可行的,且模拟精度较高。2025年模拟结果表明武汉市快速发展区的土地利用格局整体上将呈现从中心向外围斑块破碎化减小、空间异质性降低和形状一致性增强的变化趋势。本文利用遥感影像和POI数据,结合定量和定性研究方法,提出了一套遥感影像和POI协同下的城市土地利用变化元胞自动机精细化模拟的技术方法体系,该方法体系从数据源和模型参数两个方面,对元胞自动机模拟结果的准确性和可靠性进行了有效控制,提高了城市土地利用变化模拟的精细化程度,研究结果可为辅助国土空间规划编制和城市可持续发展等工作提供一定科学参考依据。