Аннотация. Рост городов усложняет планирование землепользования, благоприятного для окружающей среды. В этом исследовании рассматриваются изменения землепользования с 2020 по 2040 годы с использованием комбинированного подхода, включающего агентное моделирование и методы машинного обучения. Мы моделируем изменения трёх основных типов земель: жилых, лесных и сельскохозяйственных. В анализ также включены важные факторы, влияющие на принятие решений: близость к дорогам, индекс продуктивности, предыдущее использование земель и изменения в соседних участках. Анализ значимости признаков показал, что главным фактором в решениях по землепользованию является близость к автомагистралям, за которым следует продуктивность участка. Среди протестированных моделей машинного обучения наилучшие результаты показал метод случайного леса, обеспечивший точность 89,3%, precision 0,91 и recall 0,88, превзойдя модели на основе дерева решений и нейронных сетей. Результаты показывают, что использование земель под жилую застройку будет расти за счёт лесных территорий, тогда как рост сельскохозяйственных земель будет незначительным. Эти результаты подчёркивают эффективность гибридных подходов моделирования для прогнозирования пространственных изменений и поддержки политических решений, обеспечивающих баланс между урбанизацией и защитой окружающей среды. Интеграция географических данных и исторических тенденций в прогнозные модели создаёт надёжную основу для стратегий управления землями и городского планирования.

Ключевые слова: агентное моделирование, машинное обучение, оценка политики, сельскохозяйственные решения, устойчивое развитие.