近年来,我国地质灾害多发。这对社会经济和城市发展造成了严重的影响,而滑坡是发生频率最高,危害最大的地质灾害。因此人们也越来越认识到预防和降低滑坡灾害对经济开发和可持续发展的重要性。因此,通过研究滑坡灾害的发育特征,科学评估滑坡灾害风险,可以快速、准确地预测灾害潜在损失,划定风险区范围,为防灾减灾工作提供重要的决策支持和科学依据。本文以巴中市通江县为研究区,开展基于机器学习和GIS技术,从滑坡评价因子处理,滑坡易发性空间预测、PU-B agging模型、Cellular Automata-Markov-元胞自动机-马尔科夫模型(简称CA-Markov)的研究入手,分别采用不同的单元划分方式,以及选择不同的基学习器构建滑坡易发性空间预测模型。开展了基于PU-Bagging 模型的滑坡易发性空间预测研究以及基于 CA-Markov 模型的滑坡易发性动态预测研究。通过多组对比实验,建立精度较高的基于CA-Markov的滑坡易发性动态预测模型。再结合研究区承灾体密度分析得到研究区承灾体易损性分布情况,根据滑坡风险评价计算模型,计算出通江县目前的滑坡灾害风险等级分布情况。通过设计实验,论文得到以下三点结论:(1)以决策树、神经网络和SVM作为基学习器,分别采用规则格网和斜坡单元作为评价单元,构建对比实验,通过实验验证,发现在以格网单元作为评价单元,并以神经网络作为基学习器时,滑坡易发性评价模型预测精度最高。此模型下,以ROC曲线下面积作为验证指标时,2013年和2015年AUC分别为0.770和0.731。(2)基于CA-Markov模型进行易发性动态预测,通过详细讨论CA-Markov模型的迭代次数、领域类型对模型预测结果精度的影响。进行2017年的易发性评价,将预测结果和通过PU-B agging模型得到的预测结果进行对比,根据Kappa系数作为一致性检测指标,可以发现当迭代次数为47次,领域类型为3*3von-Neumann时,具有较高的一致性(Kappa系数0.8121),因此模型对研究区滑坡灾害易发性能较好的进行预测和演化。(3)以承灾体加权密度结果作为衡量研究单元的价值指标,并结合CA-Markov 模型所得到的 2019 年的易发性空间预测结果,通过栅格叠加运算,并将结果进行等级划分,从而可以得到通江县滑坡灾害风险分区情况。将研究结果作为今后的开发建设,以及防灾工作的依据。对高风险区实施治理,如修建挡土墙,抗滑桩等设施,来进行灾害防治,以降低灾害的发生和发生灾害所造成的损失。