我国山区地质灾害频发，其中滑坡占比超过1/3,但传统的、单一的技术手段对于高山地、高植被覆盖的复杂山区滑坡调查来说显得力不从心，这极大影响了滑坡易发性结果的可靠性。本文选取九寨沟部分区域作为研究区，将光学遥感、合成孔径雷达(InSAR)、机载LiDAR等技术融合应用于滑坡的调查，对研究区典型滑坡进行分类，编录了滑坡样本库，筛选了地形地貌、地质条件、水文条件、人类工程活动4类等作为易发性因子，并引入Maxent模型进行滑坡易发性评价研究，它结合了机器学习和统计模型被认为是一种强大的建模方法。应用受试者工作特征曲线下面积(ROC-AUC)对模拟结果进行检验，结果显示平均ROC-AUC值达到0.855,预测效果优秀，Maxent模型适用于滑坡易发性评价。该研究对山区防灾减灾具有支持意义。