El análisis y modelado de los cambios espaciales y temporales en el uso del suelo puede revelar patrones y tendencias urbanas cambiantes. En este artículo, introducimos un modelo de optimización de transformación lineal de Markov (LTOM) que puede ser utilizado para estimar la matriz de probabilidad de transición de estado del uso del suelo, construyendo un modelo ANN-CA-LTOM acoplado de manera flexible para simular y predecir cambios en el uso del suelo. Las ventajas de este modelo son que es flexible y de alta expansibilidad; puede mantener el acoplamiento semántico entre las Redes Neuronales Artificiales (ANN), los Autómatas Celulares (CA) y el modelo LTOM y mejorar sus funciones; y puede romper la limitación de requerir dos períodos de datos de uso del suelo al calcular la matriz de probabilidad de transición. También construimos un atlas de idoneidad del uso del suelo como las reglas de transición en el modelo CA-LTOM, teniendo en cuenta los factores impulsores naturales y socioeconómicos regionales, aprovechando el modelo ANN. El modelo ANN-CA-LTOM se emplea para simular la distribución de los tres tipos principales de uso del suelo, es decir, suelo de construcción, suelo agrícola y suelo no utilizado, en el Distrito de Nansha, China, en 2018 y 2020. Los resultados muestran que el modelo funciona bien y la precisión general de la simulación del uso del suelo fue del 97.72%, con un coeficiente kappa de 0.962761. Además, los resultados simulados y predichos de los cambios en el uso del suelo de 2021 a 2023 en el Distrito de Nansha muestran tendencias cambiantes en el uso del suelo de construcción, agrícola y no utilizado. Este estudio proporciona un enfoque para estimar una matriz de probabilidad de transición de Markov y un modo acoplado de los modelos para simular y predecir cambios en el uso del suelo.