近年来湖北秭归县滑坡灾害频发，给当地人民生产生活造成重大威胁，对潜在滑坡进行识别和形变特征分析，有助于快速响应并减少灾害损失。本文利用Landslide4Sense数据集进行深度学习，识别湖北秭归县境内滑坡，并结合时序InSAR技术对坡体进行形变监测。结果表明：（1）U-Net神经网络训练结果中识别精度为80%，召回率达到60%，F1值达70%，模型训练效果较好。（2）基于Landslide4Sense数据集和特征集构建，能更加精准识别滑坡，对大规模滑坡识别提供技术支撑。（3）秭归县北部、东部识别滑坡相对较多，滑坡多沿长江两侧分布，右岸多于左岸，三峡大坝周边存在滑坡聚集，当距大坝距离增加时，滑坡个数呈现先增加后减少趋势，在距大坝20～30 km范围内，滑坡个数最多。（4）高程、坡度、归一化植被指数、归一化差异水分指数、归一化亮温指数、裸土指数等因子，随因子值增加，滑坡数先增加后降低。（5）秭归县形变速率范围为-20 ～ +20 cm/yr，局部沉降区主要分布在秭归县南部，沉降速度为-5 ～ -15 cm/yr；长江及支流区域沉降速度为-5 ～ -10 cm/yr，且形变梯度较大，交汇处沉降显著。（6）滑坡形变曲线为滑动趋势，识别滑坡效果可靠；滑坡滑动存在阶段性特征，3—8月处于滑动趋势，其中4—5月滑动加剧，需重点防范，9月至次年2月相对稳定。