机器学习的兴起正在深刻改变滑坡易发性评价的研究格局。为了把握这一领域的发展脉络，本文基于Web of Science数据库收录的817篇相关论文，利用文献计量学方法，对2009—2024年间机器学习在滑坡易发性评价中的应用进行了系统梳理。研究发现，近十五年来该领域呈现持续升温态势，整体发展历程大致可分为起步探索期、逐步发展期和快速增长期三个阶段。2021年之后，发文量迅速增长并集中于少数核心作者和多国合作网络，中国在数量和合作范围上均处于领先地位。研究主题也发生了明显转变：早期以传统统计与单一机器学习模型为主，近年来逐渐向深度学习和集成学习拓展，并开始关注模型的可解释性问题。在知识传播方面，Engineering Geology、Computers & Geosciences和Landslides等期刊发挥了重要作用。总体来看，滑坡易发性评价进入快速发展阶段，复杂模型的应用和跨学科融合成为突出趋势，但研究仍面临关键词依赖和数据库覆盖不足等局限。
 

文献计量学,滑坡易发性,机器学习