Los modelos de cambio de uso del suelo comúnmente modelan la cantidad esperada de cambio como una cadena de Markov. Las probabilidades de transición de Markov se pueden estimar tabulando la frecuencia relativa de cambio para todas las transiciones entre dos fechas. Para estimar la matriz de probabilidad de transición apropiada para cualquier fecha futura, se requiere la determinación de una matriz anualizada a través de la descomposición en valores propios seguida de la potenciación de matrices. Sin embargo, la técnica produce múltiples soluciones, comúnmente con partes imaginarias y transiciones negativas, y posiblemente sin una solución de matriz estocástica real no negativa. Además, la carga computacional del procedimiento lo hace inviable para su uso práctico en problemas grandes. Este documento describe una técnica de aproximación basada en regresión de Markov (RBM) basada en la regresión cuadrática de transiciones individuales que se ha demostrado que siempre produce matrices estocásticas, con características de error muy bajas. Utilizando datos de cobertura del suelo para los 48 estados contiguos de EE. UU., se encontró que los errores medianos en probabilidad para los cinco estados con las tasas de transición más altas eran inferiores a 0.00001 y el error máximo de 0.006 estaba en el mismo orden de magnitud que el experimentado por el compromiso común de forzar pequeñas transiciones negativas estimadas por descomposición en valores propios a 0. Además, la técnica puede resolver problemas de modelado de cambio de uso del suelo de cualquier tamaño con una eficiencia computacional extremadamente alta.