本论文是在系统而全面地总结滑坡灾害形成机理的基础上，利用高分辨率遥感影像动态监测滑坡体(以日本广岛地区为例)，并获得其运动变化规律，同时就滑坡灾害各种自然及环境因素建立其动态时空数据库框架，并在此基础之上利用相关回归分析及模式识别的非线性方法对滑坡灾害的发生和发展进行预测等。研究中针对日本广岛地区地质滑坡灾害形成的机理和表象特征，采用高分辨率的遥感影像解译滑坡信息，并通过相关数据分析提取滑坡灾害影响因子，达到利用遥感技术动态监测和预测预报滑坡灾害的目的。数据分析及处理过程主要包括：首先对滑坡研究区域的遥感影像进行几何校正、空间配准、多波段影像数字合成、镶嵌、数据变换等解译预处理，其次利用1：50000地形图以及其它相关的地质资料等，提取滑坡区域初步的表层地质区分图、土地利用区分图、倾斜区分图、土壤区分图、地形区分图等，再通过对滑坡区域遥感影像进行比值运算处理获得其植被指标图(NDVI指标图)，在此基础之上，运用多变量解析的重回归分析处理算法进一步获取其风化度区分图、表层地质区分图、土地利用区分图、饱和度区分图、倾斜区分图、土壤区分图、地形区分图等，最后反演出与滑坡因子有关的各个主题分类图，并准确地就滑坡灾害发生的原因、时间、场所和规模进行了预测预报，达到了判断、分析滑坡成因及表征的目的。另外，在提高遥感动态监测和数据处理及管理自动化程度的同时，构建了滑坡灾害动态时空数据库基础框架。同时，以滑坡形成机制为基础，运用3S空间信息技术以及基于统计学理论的支持向量机方法对滑坡灾害的预测预报分析进行了讨论。论文创新部分如下：(1)提出了面向滑坡灾害对象分类法。这种基于滑坡影像对象的解译算法增加了更多的分类参数，除光谱亮度值外，还充分利用了对象的邻近关系、层次关系等进行分类，并且在滑坡分类过程中还引入了对象形状、尺寸、纹理等几何和结构信息，提高了分类的精度。通过对日本广岛地区遥感影像滑坡对象的分类精度分析，可以看出该分类中参与分类的6种地物类型的平均值几乎都在0.90以上，最大值均为1，而标准差都小于0.10，总体分类精度达到93.83％。(2)首次把多变量解析的重回归处理方法应用在滑坡灾害遥感动态监测和数据处理及预测预报中。通过利用降雨量、数量化分析、风化度指标以及各研究地域纵横断面等，对广岛地区滑坡灾害进行了时间预报、地点预报和灾害规模预报等，实现了滑坡灾害遥感动态特征监测与预测分析的数量化全自动处理。(3)全面而系统地从滑坡灾害形成的内外因要素入手，分析并构建了滑坡动态时空数据库的基本思路和概念框架；数据结构采用混合模式，数据库模型采用图数联合模型，这种思路和方法既保留了目前GIS空间分析对数据的要求，又提出了新的动态时空性要求。(4)利用“3S”空间信息技术同时将滑坡灾害动态监测数据和大尺度区域历史环境信息结合于滑坡预测模型中，建立了基于GIS空间分析功能技术的滑坡灾害预测预报方法，实现了滑坡灾害的全信息化实时预报。(5)首次以日本广岛地区为研究区，利用其丰富的基础数据、地质地貌数据、遥感影像数据，构建了基于支持向量机技术的滑坡灾害遥感影像预测评价模型。与同尺度其他滑坡灾害预报方法相比，应用支持向量机理论进行滑坡灾害预报，其预报精度有显著的提高，并且可以快速实现滑坡灾害的区域评价以及滑坡灾害发生发展的趋势。