شهرها مانند موجودات زنده از لحاظ کالبد بزرگتر و از لحاظ ساخت پیچیده تر می شوند و به دنبال این رشد فیزیکی، توسعه اقتصادی، اجتماعی و فرهنگی آنها نیز بتدریج دگرگون می شود. همواره فضای کالبدی شهرها تحت تأثیر مکانیزم ها وعواملی قرار دارد که در طی زمان با پیشرفت ها و تحولات اقتصادی، اجتماعی، فرهنگی، سیاسی، زیست محیطی و ... متحول می شوند و در ضمن این تأثیرات، تغییرات جدیدی نیز برچهره و منظر کالبدی شهر تحمیل می کنند. در این میان جلوگیری از رشد بی رویه و نامتوازن شهرها به دلیل ارزش بالای زمین از اهمیت بسزایی برخوردار است و به همین دلیل جایگاه مدلسازی و پیش بینی تغییرات کاربری اراضی برای مدیریت شهری، بیش از پیش اهمیت پیدا کرده است. مدل اتوماسیون سلولی به سبب ساختاری ساده و پویا و نیز برخورداری از ویژگی های قدرتمند مکانی، به طور گسترده در شبیه سازی تغییرات مکانی- زمانی از جمله گسترش شهرها مورد استفاده قرار گرفته است. در مقاله حاضر از اتوماسیون سلولی برای محاسبه فاکتور اثر همسایگی در مدلسازی توسعه شهری استفاده شده و با در نظر گرفتن محدودیت های موجود در الگوهای رایج سلولی، به ارائه مدل اتوماسیون ترکیبی به صورت آمیزه ای از ساختار محاسباتی سلولی و روش تصمیم گیری چند معیاره Majority OWAپرداخته شده است. روش اتوماسیون سلولی برای ترکیب نقشه های تناسب کاربری و محاسبه تناسب کلی از روش میانگین گیری استفاده می کند که در بیشتر کاربردها روش مناسبی نیست؛ اما روش Majority OWA برای ترکیب معیارهای مختلف ارزیابی یک گزینه نظر اکثریت را درنظر می گیرد؛ بنابراین، تلفیق دو روش ذکر شده می تواند یکی از ضعف های مهم روش اتوماسیون سلولی را پوشش دهد. در این مقاله ابتدا با به کارگیری داده های مورد نیاز، مدل پیشنهادی برای شبیه سازی گسترش شهر شیراز بین سال های 1383 تا 1388 هجری خورشیدی، پیاده سازی شده و سپس نتایج به دست آمده مورد ارزیابی قرار گرفته است. مقایسه نتایج مدلسازی این تحقیق برای سال 1388 با داده های به دست آمده از تصاویر ماهواره ای در این سال نشان می دهد، استفاده از روش Majority OWA می تواند با دقت 60% فرایند توسعه شهری را مدلسازی نماید که در مقایسه با دقت حدود 53% روش CAنتایج بهتری حاصل می شود. نتایج تحقیق، گامی به سمت جلو است؛ زیرا مدل پیشنهادی با افزایش قابلیت اتوماسیون سلولی در مدلسازی پروسه های پیچیده مکانی به دقت مطلوبتری نیز دست پیدا کرده است. نتایج حاصل از این مدلسازی می تواند به عنوان ابزاری مناسب جهت اخذ تصمیم های بهینه در اختیار برنامه ریزان شهری قرار گیرد.
