土地资源是自然界以及人类生活中最为基本也最为重要的资源之一,土地利用/土地覆盖(Land Use and Land Cover Change)的研究在很早以前就成为了全球环境变化和气候变化领域的重要组成部分,也是当前研究中的热点。与此同时,土地利用的规划和决策对土地资源的动态演变也起着极大的引导和约束作用。新世纪以来,我国的综合实力不断增强,成为了世界第二大经济体,国际地位也日益上升,城市的数量和规模也迅速增加。而土地利用结构的改变会引起许多生态过程的变化,并且我国人口基数大,土地资源缺乏,“绿水青山就是金山银山”的宗旨指引着我国城市化的进程,因而对土地资源的动态变化研究更加具有现实意义。探索土地利用变化的时空规律并对未来用地情景进行预测,这不仅有利于土地资源的合理利用与优化调整,也有助于制定区域土地利用规划,更是对我国社会经济和生态环境的高质量、可持续发展具有重要的影响。本文以滇池流域的土地利用模拟预测为例,首先,通过分类分层的方法对研究区内2000-2016年的五期遥感影像进行信息提取分类,获取2000年、2006年、2009年、2013年和2016年的土地利用现状,分析了土地利用以及不透水表面的扩张与驱动因子;其次,结合智能体和人工神经网络算法构建基于分区、异步演化规则的元胞自动机模型探索土地利用变化的规律,采用Kappa系数验证模型模拟结果和遥感技术信息提取的精度,讨论了影响模型精度的元胞尺度和异步速率格网尺度,以及分区异步较传统元胞自动机模型的优点;最后,在蚁群算法规则和土地利用规划决策下,基于已验证的元胞自动机模型预测未来土地利用的情景。本研究可为调整土地利用结构、协调城镇建设与环境保护提供科学合理的依据,土地利用的规划决策也可以此作为参考。在通过查阅收集大量国内外关于土地资源与环境关系、元胞自动机模型和生物智能算法的基础上,借助于ArcGIS、ENVI、Matlab和Visual Studio软件,结合滇池流域用地实际情况,综合运用人工神经网络和元胞自动机模型构建了适用于滇池流域用地变化过程的ANN-CA模型,在模型验证通过的基础上,通过蚁群智能算法和区域规划决策规则,对滇池流域2000年至2016年的土地利用情况分为四个阶段进行了模拟,并预测了不同情景下的用地情况。根据本文的实验结果获得了以下四点结论:(1)在2000年至2016年期间内,滇池流域内不透水表面面积逐年增加,增长速率先快后慢,耕地则逐年减少,减少的幅度先大后小;不透水表面主要分布在滇池北部的五华区和西山区,向滇池的的周围扩张,呈辐射式发展,尤为官渡区和呈贡区扩张最为明显,晋宁县和嵩明县的扩张速度较缓,有“南延北拓”、“一湖四片”之势,土地变化较快的地方集中在地势偏低、坡度较小的区域,这些区域也是人口、经济、交通相对发达的区域。土地间的转移主要集中于耕地、林地和不透水表面,转出面积最多的是耕地,转入最多的土地类型是不透水表面,其次为林地。(2)基于神经网络的传统元胞自动机模型能较好的模拟滇池流域的土地利用变化,而基于空间域和非空域的聚类分区、异步元胞自动模型对滇池流域的土地利用模拟精度有显著的提升。相对于传统的空间聚类算法对元胞空间分区,综合考虑了空间域和非空间域的聚类分区方法既保证了元胞在空间域上的紧凑性,也不失在非空间域上的相似性。此外,用异步速率替代同步速率,对不同的元胞区别对待,也突出了元胞的空间分异规律。因此,该模型在模拟土地利用中具有更高的可靠性和适用性。(3)元胞尺度和异步速率格网的空间尺度对模型有较明显的影响。对于元胞的来说,其尺度越大模型模拟的结果越差,这是由于元胞尺度的大小,体现了对用地类型描述的精确程度,也意味着规则挖掘的准确程度。当元胞尺度越小,神经网络算法对规则的挖掘也就越能表达出实际的规律,但是元胞尺度越小,元胞数量越多,呈幂函数增加,致使模型运行效率降低。而对于速率格网来说,其空间尺度增加,模型模拟的结果也同样地变差,但是速率格网的影响程度小于元胞尺度的影响程度。因此,对于元胞尺度和速率格网的空间尺度的选择应视具体的情况定,应在保证精度的前提下提高模型模拟的效率。(4)蚁群算法规则能较好模拟智能体的行为规则,在土地规划约束的条件下,结合分区异步元胞自动机模型基于2016年的土地利用数据,对未来的用地进行了情景预测,其结果可对未来的土地利用规划和决策提供相应的科学依据。