Avec la mise en service des infrastructures hydrauliques, de nombreuses pentes situées dans les zones de réservoir subissent souvent des déformations dues aux fluctuations du niveau d'eau du réservoir, ce qui affecte gravement la sécurité de fonctionnement des ouvrages hydrauliques et peut entraîner des catastrophes secondaires plus graves. Par conséquent, une évaluation précise de la susceptibilité aux glissements de terrain est essentielle pour la prévention des risques dans les zones de réservoir. À cet égard, cette étude a mené une évaluation fine de la susceptibilité dynamique aux glissements de terrain dans la section de la rive Ziguï-Badong du réservoir des Trois Gorges. Tout d'abord, une base de données détaillée des glissements de terrain a été établie sur la base d'enquêtes de terrain à long terme et d'analyses de données historiques; ensuite, 16 facteurs influents tels que l'altitude, la pente, la lithologie ont été sélectionnés pour construire un système d'indicateurs d'évaluation de la susceptibilité aux glissements, combiné à un apprentissage automatique intégré pour une évaluation statique préliminaire. Sur cette base, la technique SBAS-InSAR a été utilisée pour obtenir des informations sur la déformation de surface à long terme dans la zone d'étude, et une matrice d'optimisation des résultats d'évaluation des niveaux de susceptibilité et des taux de déformation SBAS a été établie afin d'obtenir des résultats couplant les prévisions statiques et les informations dynamiques de déformation. Les résultats montrent que : (1) les zones de susceptibilité très élevée et élevée sont principalement réparties le long du fleuve Yangtsé et de ses affluents, l'altitude, la couverture végétale, la distance aux rivières et les précipitations étant les facteurs principaux du développement spatial des glissements; (2) comparé au modèle de base, le modèle d'apprentissage intégré peut efficacement combiner les avantages des modèles de base, atteignant la meilleure précision de modélisation (AUC=0.954); (3) les résultats dynamiques de la susceptibilité aux glissements couplant la série temporelle InSAR corrigent efficacement les erreurs fausses négatives et fausses positives présentes dans l'évaluation statique. Cette étude contribue à améliorer la précision et la réactivité de la modélisation de la susceptibilité aux glissements, fournissant de nouvelles références pour la gestion dynamique des risques de glissements dans les réservoirs.

glissement de terrain; susceptibilité dynamique; apprentissage automatique; apprentissage intégré; InSAR temporel; réservoir des Trois Gorges