地震、极端降雨或人类活动都可能导致滑坡。每年世界各地都会发生数起山体滑坡,常常造成人员伤亡和经济损失。滑坡易发性制图被认为是基于物理环境特征预测事件可能性的主要技术。数字地形模型(DTM)是建模的基础数据之一,用于推导详细尺度滑坡易发性分析的重要条件因素。考虑到这一点,本研究旨在比较分别基于激光雷达(LiDAR)和无人机(UAV)数据的随机森林(RF)机器学习算法生成的滑坡易发性图。为此,基于训练和验证数据集,使用统计评估方法对预测性能进行了评估。所获得的结果表明,两个模型的精度都大于0.70,曲线下面积(AUC)大于0.80,且基于激光雷达数据生成的模型更准确。研究结果还表明,无人机数据具有在市区尺度上进行滑坡易发性制图的潜力,有助于在没有可用数据的风险地区开展研究。