我国西南地区山地环境分布广泛,地质环境条件和水文气候条件复杂多变,是我国滑坡灾害最严重的地区。滑坡具有致灾因素繁多、耦合成灾机理复杂的特点,导致难以提出有效的预测模型。滑坡易发性区划模型为提出比较有效防灾思路提供了良好基础,但预测模型的性能通常受到评价单元和评价因子的影响,并且评价结果因为“黑箱模型”的存在导致说服力不够。因此研究评价单元优选、因子筛选方法优选和构建可解释模型来提高模型的准确性和可解释性对治灾防灾具有重要意义。本文以渝东北典型山地地区城口县、巫溪县、巫山县、云阳县和奉节县为研究区,从评价单元优选、因子筛选方法优选和建立可解释模型三个方面进行滑坡易发性机器学习优化模型及可解释性研究。论文主要工作与成果如下:（1）通过收集历史滑坡资料,统计2000～2020年间发生在研究区的3594起滑坡,构建研究区历史滑坡编目,并分析研究区滑坡的时空分布特征和主要诱发类型。研究区受亚热带季风气候影响,研究区滑坡主要在7月～9月之间,降雨是研究区内滑坡的最主要诱因。（2）通过总结滑坡易发性研究中常用的5种评价单元,比较不同评价单元的优缺点和适用条件,选取栅格单元和斜坡单元作为本研究使用的评价单元。通过设置不同的参数,使用r.slopeunits工具划分30组不同的评价单元。评价单元优选的结果表明,斜坡单元中的SU16和SU21的评价结果最好。（3）基于对研究区自然地理概况、地理环境特征和滑坡发育特征的分析,选取地形地貌条件、地质条件、环境条件、和人类工程活动条件4大方面影响下的22个影响因子构建滑坡易发性评价指标系统。使用地理探测器、递归特征消除和多重共线性测试进行因子筛选方法优选,优选结果表明基于斜坡单元SU21使用递归特征消除方法的模型性能最好。使用因子筛选方法不仅可以降低模型的计算成本,也可以有效提高模型的性能。（4）使用SHAP算法建立研究区滑坡易发性区划的可解释模型,通过汇总图、依赖图和瀑布图对对区划模型进行全局和局部两个水平的解释。汇总图分析结果表明剖面曲率、高程和水流动力指数这三个地形地貌因子对研究区滑坡灾害的影响最大。使用瀑布图对双土老厂镇滑坡和铁炉墱滑坡的易发性进行分析,并将分析结果和现场的实地勘察报告进行对比。分析结果表明,水流动力指数、降雨条件以及高程是这两个滑坡的主要影响因素,分析结果和现场勘察报告基本一致。可解释模型为易发性区划结果提供丰富的补充,使区划结果更具有说服力。