发生灾害的环境背景就是孕灾环境,由自然因素和社会因素作用而成。孕灾环境的改善,能够有效减轻灾害的发生与危害程度。因此,对区域灾害孕灾环境进行有效的监测成为灾害预警与防护的重要课题。本文将时下热门的机器学习算法与遥感技术相结合应用到环境监测中,并融合多元遥感数据,提高监测的范围与准确性。本文以日喀则地区为主要研究区,以历史灾害数据和卫星遥感数据为主,辅以地面气象数据建立滑坡泥石流孕灾环境敏感性分析模型,完成对滑坡泥石流孕灾环境的监测研究。通过对灾害数据的影响因素研究,重点分析研究区的土地覆盖时空变化,为滑坡泥石流孕灾环境的遥感监测提供支撑,为该地区防灾减灾提供科学依据。首先,完成对灾害数据的数据清洗工作,得出滑坡泥石流灾害空间分布,并基于Xgboost算法的特征重要度计算得到特征重要性排序,从中提取出相关程度最高的8个致灾因子,建立致灾因子与孕灾环境评估模型,定量分析致灾因子时空分布特征与灾害数据的相关性。然后,完成对MODIS数据MOD09A1的图像预处理工作,得到2001至2017年多时相遥感数据,应用集成学习的代表算法随机森林进行遥感图像土地覆盖分类,并通过高分辨率数据和MCD12Q1产品进行精度验证。结果表明,分类总精度和Kappa系数均能满足土地覆盖变化分析的要求,可以作为环境监测的可靠数据来源。最后,采用GIS软件和无监督学习的典型算法聚类分析,完成对研究区各项环境因子的变化分析。包括地面气象数据长时间变化的分析、地形因子坡度坡向与灾害数据分布关系的分析、土地覆盖分类数据时空变化的分析、滑坡泥石流灾害数据危险程度的分析以及滑坡泥石流孕灾环境敏感性的分析,结合这些环境因子的变化分析,完成对滑坡泥石流孕灾环境的变化监测。研究结果表明,日喀则地区的孕灾环境需要引起极大的重视,当地政府应当制定合理的土地利用规划和防灾减灾政策,并切实采取相应的措施改善研究区孕灾环境。