随着城市化进程的不断加快,城市空间格局日新月异,其格局演化模拟成为研究热点。受区域经济、社会、自然、政治等多方面因素影响,城市地类分布及其演化日趋复杂,传统的城市扩张模拟方法具有很大局限,无法满足精度要求。近年来,元胞自动机(CA)模型与多智能体(MAS)模型的广泛应用,为地学模型的研究注入新的能量。采用自下而上和自上而下相结合的建模思想,综合利用CA模型和MAS模型,能够取长补短,充分发挥两者优势,构建由环境制约进而引导主体自发调节交互的城市用地动态模拟系统,从而起到综合利用多种因素研究城市格局演化的效果,有助于模拟精度的提高。本文以哈尔滨市辖区为研究对象,通过构建基于多特征的面向对象的分类方法,对区域2000年、2010年、2015年三期Landsat遥感数据进行解译,将土地利用类型结合分辨率特性划分为居民用地、水体湿地、林草用地、农田和未利用地五个类别。建模时,利用构建的坡度、坡向、交通、服务设施、河流水域、人口等多个因子,通过Markov模型计算旋转面积矩阵和转化概率矩阵,采用ACO(蚁群优化算法)结合类型转化概率矩阵构建CA模型土地利用类型转化规则。然后利用土地规划纲要,采用Matlab平台对CA-MAS模型进行集成,完成对CA模型的修正,最终得到模拟结果,实现模型耦合。最后以2015年影像作为基准数据,对2020年城市空间格局进行模拟分析。主要结论如下:(1)通过构建NDVI(植被指数)、BI(亮度)、GVI(绿度)、WI(湿度)、Slope(坡度)、ICA(立成分分析分量)和MNDWI(改进的归一化差异水体指数)等多个特征因子,采用面向对象的分类方法,遥感数据解译总体精度84.47%,比最大似然法、人工神经网络和支持向量机分别提高了 9.69%、10.85%和10.80%。说明该方法具有相对理想的分类效果,满足后续研究的精度要求。(2)将ACO(蚁群优化算法)与土地转化概率矩阵相结合,构建土地类型转化规则,有效的将DEM(数字高程)、Slop(坡度)、Aspect(坡向)、Dis-river(河流水域距离)、Dis_service(服务设施距离)、Dis_trif(道路距离)和Pop(人口分布)进行集成和利用。同时,使用Matlab平台编程完成模型构建,实现模型运算的智能化,从而提高模型的运算速度及模型运行效率。(3)耦合模型总体精度90.88%,kappa系数0.887,一致性良好,各个地类的也达到较好模拟精度。模型总体精度、各个用户类别精度、模型的一致性和模型具体参量的模拟上均表现突出,表明CA-MAS耦合模型在城市空间格局演化模拟中效果良好,具有一定的应用潜力。