针对常规CNN在滑坡易发性评估中因数据通道叠加导致过度关注特定因子的问题，本研究提出了一种伪孪生数据融合的滑坡易发性评估模型，该模型通过伪孪生网络和自适应定权机制实现多源遥感数据的特征融合，进而借助DCNN充分提取评价因子的语义信息以准确评估滑坡易发性。实验选取青藏高原东南部典型研究区，与RF、SVM、浅层CNN及ResNet101模型的对比分析和消融实验表明，本研究提出的模型在广域滑坡易发性评估方面更具优势，其准确率、精确率、召回率、F1分数、AUC和频率比精度均优于现有模型(分别达到0.88、0.8853、0.9171、0.8853、0.92和0.969)。在此基础上，结合连续五年的滑坡易发性评估结果，进一步探讨植被、降雨等环境因子与滑坡易发性指数变化间的内在关联，并通过变异系数掲示滑坡易发性指数时空变化规律。本研究所提出的模型与方法可为同类区域滑坡风险预测提供参考和借鉴。
 

滑坡易发性评估；伪孪生数据融合；卷积神经网络；多源遥感；动态变化