امروزه رشد سریع شهرهای جهان بخصوص در کشورهای در حال توسعه مشکلات فراوانی را در حوزه های زیست محیطی، اقتصادی، اجتماعی، فرهنگی و ... ایجاد کرده است. به همین دلیل جایگاه مدلسازی و پیش بینی تغییرات کاربری اراضی در آینده برای مدیریت شهری و محیط زیست و مسئولین و محققان ذیربط بیش از پیش اهمیت پیدا کرده است. مدل اتوماتای سلولی یا به اختصار ca بدلیل داشتن ماهیت دینامیک و همچنین ساختاری ساده، کاربرد نسبتا وسیعی در مدلسازی تغییرات کاربری اراضی و همچنین توسعه اراضی شهری یافته است. این روش با وجود قابلیت هایی که در زمینه مدلسازی فرآیند های مکانی دارد، در لحاظ کردن پیچیدگی های موجود در پدیده های طبیعی با مشکلات اساسی مواجه است، بنابراین برای بهبود عملکرد مدل نیاز است این روش با روش های دیگر تلفیق شود. هدف و نوآوری این تحقیق، بکارگیری تلفیقی مدل اتوماتای سلولی(ca)، استنتاج فازی و روش میانگین وزنی مرتب (owa) بر مبنای سیستم اطلاعات مکانی و ارائه مدلی ساده ودر عین حال قدرتمند جهت مدلسازی و پیش بینی توسعه شهری می باشد. استفاده از روش های فازی در مدل پیشنهادی این تحقیق، در راستای پوشش ضعف های اتوماتای سلولی بکار گرفته شده و سعی می شود مراحل مختلف مدل ca از جمله قوانین انتقال به صورت فازی بیان شوند. همچنین روش owa برای مدلسازی عدم قطعیت موجود در پدیده های طبیعی، سناریوهای مختلف برای شرایط مختلف تولید می کند. مدل پیشنهادی این پایان نامه روند توسعه شهر شیراز را از سال 1383 تا 1388 مورد بررسی و ارزیابی قرار داده است. دراین راستا مدل از چهار بخش اصلی تناسب فیزیکی، سطح دسترسی، اثر همسایگی و محاسبه تناسب کلی تشکیل شده است. در دو بخش تناسب فیزیکی و سطح دسترسی با تعریف سیستم فازی و بکارگیری داده های مورد نیاز نقشه های مربوط به هر بخش تهیه می شوند. اما برای محاسبه اثر همسایگی از دو روش فاکتور غنی سازی و روش ترکیبی فاکتور غنی سازی با owa استفاده می شود. ازمقایسه نتایج مدلسازی با تصاویر ماهواره ای و تشکیل ماتریس خطا، دقت کلی و شاخص سازگاری برای روش majority owa به ترتیب 9781/0 و 449/0 محاسبه شدند که نسبت به چهار روش دیگر دقت بالاتری می باشد. در این روش، هم تعداد پیکسل هایی که درست تخصیص شده اند بالا می باشد و هم تعداد پیکسل های اشتباه کم هستند. با توجه به دقت های حاصل برای روش سیستم های فازی، می توان نتیجه گرفت که روش تلفیقی اتوماتای سلولی با فازی و owa دقت بهتری نسبت به روش fuzzy-ca دارد.