岷江上游位于我国西南地区,处于川西北高原向四川盆地的过渡地带,地质环境脆弱。区内地质活动强烈,断裂带集中发育,岩体破碎,滑坡灾害频发,公众的生命财产安全受到严重威胁。有效选取滑坡评价因子,构建滑坡灾害预测模型,对滑坡灾害隐患点采取科学有效的方法进行监测预警,是实现“被动避灾救灾”转变为“主动防灾减灾”,减少灾难性滑坡灾害事件发生,避免其影响的主要途径与新方法。然而现有的滑坡灾害隐患识别与危险性评价方法存在评价指标不统一,建模方法与数据源单一等问题,难以满足大范围长时间序列滑坡灾害形变的危险性评价需求。随着机器学习在地质灾害领域的深入应用,以及合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar,In SAR）技术对于地表变形与滑坡监测的特有优势。本文聚焦岷江上游区域,联合机器学习与时序In SAR技术,开展滑坡灾害危险性评价关键技术研究。主要研究工作与成果如下:（1）基于研究区概况和历史滑坡数据,选取地形（高程、坡度、坡向、坡形、地形起伏度）、地质水文（地层岩性、断层、水系）以及人文环境（植被指数、道路距离）等因子作为滑坡评价指标,分析滑坡灾害的空间分布。通过数学模型分析确定各评价因子的重要性及是否存在多重共线性,构建滑坡敏感性评价指标体系。（2）利用逻辑回归、随机森林与BP神经网络模型对研究区的滑坡灾害易发性评价进行建模研究,将评价结果划分为极低、低、中、高、极高风险区五类。并对三个滑坡易发性评价模型结果与精度进行分析,其中逻辑回归模型精度为82.4%,随机森林模型精度为83.64%,BP神经网络模型精度为81.85%。因此选择随机森林模型作为研究区滑坡灾害预测的最优模型。（3）基于Sentinel-1A和地形数据,探讨研究区SAR数据的可视性及适用性,利用时序In SAR技术对地表形变进行监测,得到该区域2017年4月-2019年4月毫米级地表形变结果,将其与随机森林模型预测结果融合,获得该区域内滑坡危险性评价结果。其中极高风险区域约为498.45km~2,占总面积的7.57%。评价结果可为该区域的滑坡灾害预测提供重要参考。