Con la puesta en marcha de infraestructuras hidráulicas, muchas laderas ubicadas en zonas de embalses suelen experimentar deformaciones debido a las fluctuaciones del nivel del agua del embalse, lo que afecta gravemente la operación segura de las instalaciones hidráulicas y puede provocar desastres secundarios más graves. Por lo tanto, realizar una evaluación precisa de la susceptibilidad a deslizamientos es crucial para la prevención y control de riesgos de deslizamientos en zonas de embalses. Para ello, este estudio llevó a cabo una evaluación dinámica detallada de la susceptibilidad a deslizamientos en el tramo de la orilla del embalse Ziguí-Badong, en la zona del río de las Tres Gargantas. Primero, se construyó una base de datos detallada de deslizamientos basándose en investigaciones de campo a largo plazo y análisis de datos históricos; luego, se seleccionaron 16 factores influyentes como la altitud, pendiente y litología para construir un sistema de indicadores de evaluación de susceptibilidad y realizar una evaluación estática preliminar con aprendizaje automático integrado. Sobre esta base, se utilizó la tecnología SBAS-InSAR para obtener información de deformación de la superficie a largo plazo en la zona de estudio, y se estableció una matriz de optimización entre los resultados de evaluación de susceptibilidad y las tasas de deformación SBAS para obtener resultados de evaluación que integran predicciones estáticas con información dinámica de deformación. Los resultados muestran que: (1) las zonas de susceptibilidad muy alta y alta se concentran principalmente a lo largo del río Yangtsé y sus afluentes; la altitud, cobertura vegetal, distancia a los ríos y precipitaciones son los factores principales que controlan el desarrollo espacial de los deslizamientos; (2) en comparación con el modelo base, el modelo de aprendizaje integrado puede combinar eficazmente las ventajas de los modelos base para lograr la mejor precisión de modelado (AUC=0.954); (3) los resultados dinámicos de susceptibilidad a deslizamientos acoplados con secuencias temporales InSAR pueden corregir eficazmente los errores de falsos negativos y falsos positivos presentes en la evaluación estática. Este estudio ayuda a mejorar la precisión y oportunidad de la modelación de susceptibilidad a deslizamientos y proporciona nuevas referencias para la gestión dinámica del riesgo de deslizamientos en embalses.

deslizamiento de tierra; susceptibilidad dinámica; aprendizaje automático; aprendizaje integrado; secuencias temporales InSAR; embalse de las Tres Gargantas