我国陆域山地面积占比近2/3,山地区域地形地质条件复杂,加上西部大开发人类工程活动较频繁,导致区内地质灾害频发,严重威胁人民的生命财产安全和区域生态环境安全。地质灾害风险评估是重要的灾害防控与安全保障的手段,对山区防灾减灾和社会经济发展具有重要指导意义。本文以典型山地县域纳雍县为研究区,通过厘清地质灾害风险评估流程与目标,在多源数据收集分析的基础上,构建风险评估指标体系,采用机器学习、数值模拟等核心技术方法,对研究区采取面～点结合的方式进行地质灾害风险评估。研究的主要内容及成果如下:（1）综合前人的文献、研究区地质灾害发育特征和所收集到的资料,初选了地形地貌、地质构造、水文条件和环境条件4大类下24个易发性因子构建易发性因子库。考虑研究区内人类工程活动及降雨条件等诱发因素,选定了距道路距离、矿区分布和多年平均降雨因子构建危险性因子库。考虑研究区内承灾体社会经济易损性与人员易损性两方面,选定POI核密度、人口密度、GDP和道路造价因子构建易损性因子库。采用Lasso算法、递归消除算法和遗传算法对易发性因子库进行因子优化,筛选出的重要因子用作构建机器学习易发性模型。（2）对比了经过Lasso算法、递归消除算法和遗传算法进行因子优化及NSGAII算法进行超参数优化的XGBoost模型与Light GBM模型。采用ROC曲线（AUC值）和混淆矩阵作为评价指标。经过了因子优化及超参数优化的XGBoost模型和Light GBM模型精度都有明显提升,其中经过遗传算法与NSGAII算法混合优化的Light GBM模型精度最高（AUC=0.8747）。在因子优化算法中,遗传算法表现最好,因子优化能消除冗余因子的影响,提升模型预测精度。超参数优化在机器学习模型对比中是十分必要的,并且也能提升模型的预测精度。（3）采用预测精度最高的Light GBM-NSGAII-DS4模型作为易发性评估模型,对研究区面域进行易发性评估,结合降雨、人类工程活动等诱发因素进行危险性评估,最后叠加易损性因子图层进行了面域风险性评估。采用自然断点法对研究区易发性、危险性、易损性及风险性划分为极高、高、中、低和极低五个等级。（4）采用了SHAP模型对面域进行了全局解释,明确了土地利用类型和距河流距离因子对地质灾害贡献最大,其次是距道路距离,地形起伏度,微地貌,NDVI等。通过对因子交互和依赖作用的分析,总结出土地为建设用地或距离河流、道路较近（大约200m内）的区域地质灾害发生的可能性较大。通过SHAP模型对单体地质灾害（田坝组不稳定斜坡）进行局部解释的结果发现该单体斜坡危险指数较高主要是因为距河流和人类工程建设场所较近,受河流冲蚀作用和人类工程活动的影响较大,分析结果与现场勘察报告基本一致。（5）采用数值模拟与理论模型相结合的方法对田坝组不稳定斜坡分别在天然状态和以降雨强度63.5mm/d两种工况下进行人员与财产两方面的风险评估。首先,采用Geo-studio软件对进行两种工况下稳定性及失效概率分析,然后,使用r.avaflow软件对单体灾害运动过程模拟,生成影响范围。结合影响范围内承灾体的人员与财产的易损性,分别在两种工况下对该单体斜坡进行风险评估。结果表明,该单体斜坡的风险等级在这两种工况下都属于不可接受范围。