滑坡发生时对人民的生命与财产安全伤害极大,对其进行风险评价可在一定程度上防患于未然。目前已有的滑坡风险评价方法以物理模型和知识驱动模型为主,其评价结果依赖于模型本身,而依赖于数据的评价模型研究较少。为了对甘肃省滑坡灾害的风险等级进行划分,本文以甘肃省为例,运用GIS技术、统计学方法和机器学习算法对甘肃省滑坡的易发性、易损性和风险进行评价,评价方法可充实滑坡风险评价理论体系,同时可为政府部门和社会团体进行灾害管理和风险管控提供参考,为甘肃省的防灾减灾工作提供依据。研究内容包括:（1）滑坡灾害数据特征统计分析。通过对已有的地理因子进行相关性分析以及利用相对点数和面积公式对各地理因子的贡献度进行定量分析来得到最终参与滑坡风险评价的地理因子。（2）基于机器学习算法的滑坡易发性评价。在各地理因子支持下使用决策树模型、随机森林模型、Ada Boost模型和XGBoost模型对甘肃省滑坡易发性进行评价。最后在不同机器学习模型和不同空间分辨率下对滑坡易发性评价的不确定性进行研究。（3）甘肃省滑坡灾害易损性评价。在人口密度、建筑物密度、公路网密度、GDP密度和耕地密度地理因子支持下使用层次分析法和变异系数法结合的综合指数方法对甘肃省滑坡灾害的易损性等级进行划分。（4）甘肃省滑坡灾害风险评价模型及防治措施。文章结合滑坡易发性评价和易损性评价结果得到了甘肃省滑坡灾害风险区划,同时还对滑坡灾害的防治给出了部分措施和建议,为滑坡灾害的风险防范和风险管理工作提供参考。研究结论:（1）滑坡灾害数据特征分析表明距断层距离、距水系距离、距公路距离等地理因子是决定甘肃省滑坡灾害发生的主要因素;由各地理因子不同分类段的D指数值分析可见,土壤侵蚀类型为水力侵蚀和工程侵蚀、植被类型为栽培植被和阔叶林、地层岩性为混合沉积岩和硅质碎屑沉积岩的区域滑坡灾害频发;滑坡灾害更易发生于黄土梁卯、黄土塬、山地和湖泊区域;年平均降水量大于600mm、高程小于1km、距公路距离在2km以内、距水系距离在3km以内、距地质断层距离越近的阳坡滑坡灾害更易发生。（2）易发性等级高的历史单体滑坡有庆阳市合水县的吕子山滑坡、段卯滑坡、倒钟寺滑坡等;滑坡灾害易发性高和极高的区域分布在酒泉市南部、祁连山脉、兰州市、庆阳市、甘南藏族自治州以及陇南市;不同机器学习模型预测结果的分级范围大致相同,细节存在显著差异,XGBoost模型的预测精度高于其他机器学习模型,达96.66%;在同一机器学习模型下不同空间分辨率栅格数据评价得到的结果差异不大。（3）甘肃省滑坡易损性评价得到了滑坡易损性高的区域;滑坡灾害易损性低的区域主要分布于祁连山脉、祁连山脉以北以及陇南和甘南藏族自治州的高海拔区域。（4）甘肃省滑坡灾害风险高的省级行政区划为庆阳市、白银市和平凉市;风险性高的区县有西峰区、宁县、庆城县、靖远县等;滑坡灾害风险性高的乡镇街道有庆城镇、南街街道、彭原乡等。