滑坡是一种全球广布的地质灾害，严重威胁国家的经济发展和人们的生命安全。我国是一个滑坡灾害频发国家，因此研究滑坡空间预测的方法，准确地圈定滑坡易发区域，规避滑坡灾害对保障人民的生命财产安全和指导经济建设有着重大的现实意义。　　 随着遥感、地理信息系统(Geographical Information System，GIS)等新的数据获取、管理及可视化技术的诞生，传统的滑坡空间预测方式也发生了改变，利用遥感技术可以获取多个时相数据，提取滑坡区域地表的动态信息；利用GIS技术强大的数据管理、空间分析及制图功能，可以在GIS平台支持下实现空间数据管理、稳定性预测及结果输出的一体化。　　 元胞自动机(Cellular Automaton，CA)是一门多学科综合与交叉的新兴学科，属于系统科学和复杂科学的范畴，它能通过简单的规则表现出紊动、混沌、非对称、分形等复杂行为，为研究复杂系统的整体特征，模拟系统演化过程提供了一种有效的模型工具。地理元胞自动机(GeoCA)是一种扩展的元胞自动机模型，以元胞自动机为核心，有机结合了群体智能、机器学习、模糊逻辑等方法，同时与地理信息系统相融合，成为一种描述、分析、模拟地理复杂系统有效工具。它保持了元胞自动机时空离散、并行运算的特点，同时模型构建过程更加灵活，已经被广泛应用到交通模拟、城市用地预测、森林火灾等研究领域。　　 本文利用GIS、RS技术与地理元胞自动机相结合建立滑坡空间预测模型，并对三峡库区秭归一巴东段进行斜坡稳定性评价，圈定滑坡灾害易发区。主要研究内容及结论如下：　　 1、研究区资料的搜集及预处理。　　 收集研究区的基础地质资料、遥感影像数据、野外调查数据等，根据预测的需求整理数据，利用遥感、GIS软件对数据进行坐标配准、矢量化等预处理，在GIS软件中统计分析数据与已知滑坡的关系，划分影响因子等级，分析因子之间的相关性，保留相关性低的影响因子，利用信息熵公式量化各个因子，实现因子的去量纲化。　　 2、建立数据分类模型。　　 引入了一种元胞自动机与群体智能相结合的数据聚类算法-ASM模型，并根据滑坡空间预测的需求对模型进行改进，使模型具备了数据识别能力，利用测试数据对改进的模型进行数字实验，发现改进后的模型能够有效区分数据的类别。　　 3、基于地理元胞自动机的滑坡易发性预测。　　 在地理元胞自动机框架下利用改进的分类方法建立评价模型，将已知的滑坡区域作为样本区，按照一定的窗口大小随机选择训练样本，利用选择的样本训练模型，并评价整个研究区的滑坡易发性。　　 4、预测结果验证。　　 通过对研究区滑坡易发性预测结果进行统计分析，本文将预测结果划分为不稳定、潜在不稳定、基本稳定、稳定四类，得到研究区滑坡灾害易发性等级图，其中不稳定区占12.1％，主要分布在巴东旧城-黄土坡、王家咀-青干河口、老秭归-香溪村、新滩-屈原镇及童庄河、青干河、归州河两岸及香溪河右岸；潜在不稳定区占25.0％，主要分布在牛口-泄滩老镇段及归州老镇-香溪村段；基本稳定区占42.9％，主要分布在红石梁-王家咀段、郭家坝镇东-黄金包段及香溪河左岸地带；稳定区占20.0％，主要分布于巴东旧城、郭家坝-马铃包段以及远离长江地带以及高植被覆盖的区域。通过将预测结果进行统计分析发现预测精度能够达到80.1％，选取典型区域的野外调查结果与预测结果进行比对，斜坡稳定性预测结果与实际稳定情况基本相符合。