本小组成员查阅大量文献，最终确定四篇主要参考文章，分别是《地理信息系统在滑坡灾害研究中的应用》、《Repeated UAV Campaigns, GNSS Measurements, GIS, and Petrographic Analyses for Landslide Mapping and Monitoring》、《尼泊尔高山滑坡敏感性GIS测绘四种方法比较》和《基于GIS的北京市房山区地质灾害风险性评价》。
九个影响因素：坡度、方面、海拔、地质形成、土地覆盖、靠近河流、接近道路、土壤类型和总曲率。
——《尼泊尔高山滑坡敏感性GIS测绘四种方法比较》
GIS 支持下的区域滑坡风险评价，目的是圈划不同危险性等级区域，通过危险性制图来反映。 预测理论依据是工程地质类比法。评价模型一般采用统计模型，主要是对现有滑坡的地质环境条件和作用因素之间的统计规律进行研究，在此基础上采用各种数学方法将各影响因素叠加来区划危险等级。
——《地理信息系统在滑坡灾害研究中的应用》
——《基于GIS的北京市房山区地质灾害风险性评价》
采用逻辑回归形式的多元统计分析绘制日本中部羽田彦山滑坡易感性图。利用预测概率图，研究区域将滑坡敏感性分为五种：极低、极低、低、中、高。
——《尼泊尔高山滑坡敏感性GIS测绘四种方法比较》
以此为参考，根据以上思路和上方山数据、地质资料水文资料等文献，确定易滑坡条件，最终确定下来灾点密度、地形坡度、植被覆盖度、降水量、工程活动、河流密度等6个影响因子并适当修改了各影响因子的权重。
（通过对历史文献及相关科研报告的阅读，我们将数据应用在房山区地质灾害预测模型上，并通过历史滑坡记录的地理信息对模型进行矫正和补充，以获得更好的精度。）
通过北京气象局、国家地理信息数据平台等各个公开资料及来自指导老师的数据支持，我们对上方山地区的部分DEM及遥感基本数据有了基本掌握 ，在实习过程中，通过实地测量及观测，对路线、景点等具体信息进行了完善和补充。
滑坡易发性绘图可以有效预测滑坡发生的地点，从而提早布置防护措施，减少人身财产损失。
我们通过上方山地区的北京二号80cm遥感影像以及20mDEM，对上方山地区的植被覆盖率NDVI、高程、坡度、坡向、水文进行了提取。
通过对上方山地区以橡树林综合观测站和瓣香庵观测站为代表的气象观测站所取得的降雨量、土壤湿度、温度进行插值分析，得到了上方山地区的降雨和大气湿度等气象数据图。
通过对网页数据的爬取获得了上方山各景点热度，之后对景点和景区路线进行缓冲区分析，得到了人类活动的影响图。
根据《基于GIS的北京市房山区地质灾害风险评价·2020·河北工大徐晨阳》，对上述地形坡度、降水量、河流、人类活动、灾点密度、植被覆盖六个影响因子进行分析，根据AHP层次分析法和逻辑回归法算出权重，然后基于Arcmap栅格计算器给出最后的滑坡易发性图。
我们设置了四个按钮用来交互，分别是滑坡点，民宿位置，缆车位置，实时监控滑坡点。滑坡点参考之前的数据得出的位置数据，并对滑坡点进行艺术加工，可以有效与背景产生区分，更加适合用户用以区分滑坡点和非滑坡点。实事监控点与后端服务器相连接，点击需求浏览就可以进行实时监控浏览。左右两侧是当前实时数据进行的汇总，最大化利用空间进行数据的观看。