粤港澳大湾区的快速发展引发了土地利用模式的显著变革，对区域生态、经济及社会结构产生了深远影响。为深入理解这些变化并制定科学合理的土地管理政策，文章基于1990—2020年共31期土地利用数据，采用K-means与卷积神经网络（Convolutional Neural Network，CNN）相结合的方法，首先利用K-means对土地利用数据进行初步分类，提供准确的训练标签；其次通过CNN进行特征提取和分类，实现高精度的土地利用识别；最后综合分类结果以及土地利用动态度定量分析研究区土地利用变化特征。研究结果表明：（1）将土地利用数据划分为4类时取得了最优效果，K-means分类轮廓系数为0.73，CNN模型分类准确率达到89.71%，充分验证了该方法的有效性。（2）近30年来研究区土地利用变化可划分为4个典型阶段，分别为快速城市化初期（1990—1997年）、城市化加速期（1998—2004年）、稳定发展期（2005—2009年）及优化与可持续发展期（2010—2020年），各阶段土地利用模式显著不同。（3）研究区土地利用变化特征主要表现为农田面积持续缩减，城市及建设用地快速扩张，而森林、水体等生态用地在保持相对稳定的同时，也面临着一定的压力和挑战。文章强调了机器学习技术在土地利用研究中的创新应用，指出该方法能在有限标记数据条件下有效识别土地利用模式变化，展现了其在复杂分类研究中的重要价值。文章的研究成果不仅深化了对粤港澳大湾区土地利用变化的理解，更为区域土地利用规划、管理及可持续发展提供了科学依据和实践指导，对于推动区域协调发展具有重要意义。

考虑到构建中国式城镇化发展广东新格局的迫切需求，文章以广东省122个区（县）在2000—2020年间的城镇用地数据与统计面板数据为基础，建立了城镇用地扩张分析时空分异特征的定量模型，同时结合了最优地理探测器（OPGD）与地理收敛交叉映射模型（GCCM）进一步探究广东省各区（县）城镇用地扩张的驱动机制与对应优化路径。研究结果表明：（1）2000—2020年，广东省整体城镇用地面积不断扩张，上升了7.53%，珠三角地区增幅较大并呈现出以该区域为中心，外围区域城镇用地面积增幅逐渐变弱趋势。（2）广东省城镇用地扩张强度变化是多因子交互作用的结果，双因子共同驱动解释力为64.2%~85.7%，要明显高于单因子作用下的解释力。（3）2000—2020年，广东省人均GDP与城镇用地扩张强度存在明显的双向因果关系，表明二者之间存在相互驱动作用，并且模型反映出人均GDP对城镇用地扩张强度预测能力最强。此外，根据模型对城镇用地扩张强度与人口城镇化、路网密度、遥感生态指数（RSEI）之间因果关系的分析表明城镇用地扩张是推动人口城镇化的原因，交通网络和生态环境也是推动城镇用地扩张的原因。因此，在未来发展过程中，如何同步提升城镇化质量并推动城乡融合成为一个关键课题。

交通流是区域要素流通的核心载体，与经济发展联系紧密。当前广东省区域发展失衡问题仍长期存在，文章旨在测度交通流要素与经济发展的耦合协调水平、揭示空间分异规律，为区域协调发展提供理论与实践支撑。文章以广东省57个县域为研究对象，采用流网络分析和系统协调耦合度研究方法，测算交通系统与经济系统耦合度，探索要素流动与经济发展间的协调关系。研究结果发现：（1）惠州市、河源市、揭阳市所围合的内部县域，湛江市内部县域形成2个相对独立的高强度交通流子群，对周边县域交通流辐射作用较强。（2）交通流与经济发展较为协调的县域有15个，濒临失调与轻度失调县域共33个，严重失调县域共8个。（3）交通流与经济发展的耦合协调度呈现空间异质性。珠三角县域的耦合协调度较好，经济发展与交通流发展相互促进；粤东、粤西、粤北县域耦合协调度较低，经济发展与交通系统的发展存在一定的无序性。文章提出差异化的交通优化策略、健全县域财政长效保证机制等建议推动县域经济高质量发展。