Nghiên cứu biến động lớp phủ/sử dụng đất là một trong những nội dung quan trọng phục vụ giám sát, quản lý và quy hoạch sử dụng tài nguyên, đặc biệt đối với khu vực đô thị. Biến động lớp phủ/sử dụng đất là kết quả của mối quan hệ tổng hợp giữa các yếu tố tự nhiên - xã hội. Trong nghiên cứu này, dữ liệu ảnh vệ tinh Landsat năm 2010, 2015 và các lớp thông tin bổ sung được sử dụng để dự báo biến động lớp phủ/sử dụng đất khu vực thành phố Hồ Chí Minh cho năm 2020, sau đó so sánh với kết quả phân loại lớp phủ/sử dụng đất năm 2020 để đánh giá độ chính xác và hiệu chỉnh mô hình. Các kỹ thuật học máy bao gồm Random Forest (RF), Support Vector Machine (SVM), Classification And Regression Tree (CART) và phương pháp phân loại xác suất cực đại được thử nghiệm để phân loại lớp phủ/sử dụng đất từ ảnh vệ tinh Landsat, sau đó lựa chọn phương pháp có độ chính xác cao nhất. Để dự báo xu hướng phát triển lớp phủ/sử dụng đất trong tương lai, trong nghiên cứu kết hợp sử dụng mô hình toán học Cellular Automata (CA) và các mô hình trí tuệ nhân tạo, bao gồm: Hồi quy logistic (LR) và mạng neural nhân tạo (ANN), sau đó lựa chọn phương pháp có độ chính xác cao hơn để tiến hành dự báo xu hướng phát triển lớp phủ/sử dụng đất năm 2025 và 2030.Research on Land use/Land cover (LULC) change is one of the important contents serving the monitoring, management, and planning of natural resources, especially for urban areas. LULC change is the result of the synthetic relationship between natural and social factors. In this study, Landsat satellite image data in 2010, 2015 and additional information layers are used to predict LULC change in the Ho Chi Minh City area for 2020, then compared with the LULC classification results in 2020 to evaluate the accuracy and calibrate the model. Machine learning techniques including Random Forest (RF), Support Vector Machine (SVM), Classification and Regression Tree (CART), and maximum likelihood classification method are tested to classify LULC from Landsat satellite images, then select the method with the highest accuracy. To predict the future development trend of LULC, the study combines the use of the Cellular Automata (CA) mathematical model and artificial intelligence models, including logistic regression (LR) and artificial neural network (ANN), then selects the method with higher accuracy to predict the development trend of LULC in 2025 and 2030.