En la modelización de autómatas celulares (CA), la heterogeneidad espacial puede ser delineada mediante la partición del área geográfica. El método de agrupamiento de espacio dualmente restringido es un enfoque prevalente para proporcionar una representación objetiva y efectiva de las diferencias dentro de las regiones urbanas. Sin embargo, estudios anteriores enfrentaron problemas al ignorar la heterogeneidad espacial, lo que podría llevar a una sobreestimación o subestimación de los resultados de la simulación. En consecuencia, este estudio intenta incorporar la partición de áreas espacialmente heterogéneas en autómatas celulares basados en vectores (VCA), produciendo simulaciones más precisas y confiables del cambio en el uso del suelo urbano. Primero, se empleó una estrategia de partición de área con el algoritmo DSC para generar múltiples subregiones relativamente homogéneas, que pueden capturar efectivamente la heterogeneidad espacial en la distribución de los factores de cambio en el uso del suelo. En segundo lugar, se utilizó UrbanVCA, un nuevo marco basado en VCA, para simular cambios en el uso del suelo en distintas particiones urbanas. Finalmente, se aplicó el modelo VCA particionado construido para simular el rápido desarrollo urbano en la ciudad de Jiangyin desde 2012 hasta 2017. Los resultados indicaron que la combinación del agrupamiento DSC y el modelo UrbanVCA podría obtener resultados satisfactorios, ya que los valores promedio de FoM para las particiones y el área de estudio en su totalidad superaron 0.22. Además, un análisis comparativo de los resultados de modelos CA tradicionales con partición de área reveló que el enfoque de partición de área propuesto tenía el potencial de generar resultados de simulación más precisos, ya que los valores de FoM eran más altos y las métricas SHDI y LSI estaban más cerca de las observaciones del mundo real, lo que indica su buen desempeño en la simulación de paisajes urbanos fragmentados.