元胞自动机(CA，Cellular Automata)是一种时间、空间、状态都离散，（空间的）相互作用及（时间上）因果关系皆局部的动力学模型。其固有的强大的并行计算能力以及时空动态特征，使得它在模拟空间复杂系统的时间动态演变方面具有自然性、合理性和可行性。它是复杂性科学的重要领域，是复杂系统研究方法之一。在地球系统中存在着大量的复杂系统，因而元胞自动机也是建设“数字地球”的一种重要工具。　　本文正是在秉承“数字地球”理念的基础上，围绕元胞自动机这一复杂性科学领域中的理想化模型而展开。　　首先，利用元胞自动机自身的特点以及图像处理方面的数学理论对图形影像数据建立边缘检测识别模型。该模型不仅适用于普通灰度图像的边缘检测，还能够较完整地提取高分辨率遥感卫星图像中小目标的边缘特征，就此，实现了对遥感卫星地理信息解译的关键一步。为了验证新模型的可行性和有效性，我们对多幅图像进行了实验，并且与Matlab软件中经典的边缘检测算法和前人已有的CA检测模型进行了结果对比。　　本文的另一个创新点在于把数据挖掘手段引入对元胞自动机模型的研究中。主要采用聚类分析的方法对已经建立的用于模拟和预测地球上复杂现象的CA演化模型进行数据分析，从而发现其中隐藏的规律，为现实的规划和决策提供参考性建议。借元胞自动机为数据载体以达到对未来发生的复杂现象作研究，这是一次全新的尝试。