滑坡灾害具有点多面广、成灾速度快的特点。其散状堆积物易造成泥石流等次生灾害,严重威胁当地居民生命财产安全。滑坡应急求援和易发评价需要快速获取精确的滑坡边界信息。而传统滑坡提取与分析在数据获取和滑坡解译两个方面存在不足:数据层面,传统通过卫星难以穿透多云多雨地区获取滑坡影像;方法层面,现有以遥感影像目视判别和外业核查为主的滑坡提取方法因低效率、高成本难以实现滑坡灾情快速响应;如何快速、精准地提取滑坡,并服务于滑坡风险分析成为国际上的研究热点。1)针对卫星影像获取滑坡“难”,且滑坡有效数据密度低,本文使用高时效性、低空、超高分辨率无人机获取滑坡影像,建立滑坡灾害样本库,设计数据扩增方法;2)提出多尺度深度注意力滑坡提取方法,解决无人机影像因其超高分辨率带来滑坡尺度差异大和滑坡与裸地光谱特征混淆的新问题;3)建立了滑坡灾害提取系统,将模型训练和提取方法进行封装,实现深度学习滑坡范围提取的实用化;4)综合利用上述提取的滑坡范围信息、地质地形、地震及降雨数据,分析滑坡的空间分布特征,提出基于逻辑回归-加权信息量模型,解决滑坡数据不足或知识依赖性过强的问题。为了验证滑坡范围提取、滑坡易发性评价方法的有效性,本文以四川地区芦山(2013)、九寨沟(2017)地震区作为研究区域,以无人机航拍获取灾后滑坡影像为数据源。实验结果表明,1)本文提出的滑坡提取方法在IOU、F1指数、时间性能方面均优于FCN-16s、U-Net、ResNet50网络模型;2)本文提出的滑坡易发性评价模型AUC值为0.95达到最优、有85%滑坡落入了极高易发性区域,表明评价结果较为合理。