基于物理机制的滑坡易发性分析因其较高的预测能力而被广泛用于滑坡预测,然而,由于坡积物信息有限和空间可变性,这种方法存在不确定性。为了量化这种不确定性,采用了概率分析。为了准确实现概率分析,重要的是要有足够的数据来评估随机变量的统计参数。由于数据有限,区域滑坡概率分析往往存在困难。本研究中采用的自主引导方法(bootstrap)可以有效地处理由于数据不足引起的不确定性。为了克服以往bootstrap方法的局限性(其结果没有提供单一的失效概率值),提出了结合点估计方法(PEM)的bootstrap方法。将所提出的方法应用于一个实际案例,并与蒙特卡罗(MC)模拟的概率方法进行了比较。分析表明,bootstrap–PEM方法的性能优于MC模拟。此外,通过比较有相关变量和没有相关变量的分析结果,本研究发现内聚力和摩擦角之间的相互关系会影响分析结果。因此,基于bootstrap抽样的方法可以很容易地评估和处理相互关系,比概率分析具有优势,因为输入参数之间的相互关系可以用于基于物理的敏感性分析。