基于DEM计算得到的坡度坡向等地形属性是滑坡危险性评价的重要输入数据，DEM误差会导致地形属性计算结果不确定性，进而影响滑坡危险性评价模型的结果，但目前对这一问题的研究比较缺乏。近年新提出的基于专家知识的滑坡危险性评价模型被认为比传统的基于多元统计的滑坡危险性评价模型具有更高的可靠性和更好的外推性，本文针对该模型，采用蒙特卡洛模拟方法研究具有不同大小和不同空间自相关程度的DEM误差所导致的基于专家知识滑坡危险性评价结果的不确定性，包括在不同空间分辨率下应用时不确定性的变化，以及在建模区和外推区应用时不确定性的变化。本文在长江中上游地区选择两个具有相似地形条件的研究区分别作为建模区（开县研究区，约250 km²，采用5m、25m分辨率的DEM）和外推区（云阳-巫山研究区，约4600km²，采用25m分辨率的DEM），以序贯高斯模拟方法生成不同大小（误差标准差为1m、7.5m和15m）和空间自相关性（变程为0m、30m、60m和120m）的12类DEM误差场，每次模拟包括100个实现，通过对每次模拟分别计算滑坡危险性评价结果的标准差图层和分类一致性百分比图层，用以评价结果不确定性。逻辑斯第回归模型是目前滑坡危险性评价中常用的多元回归模型之一，本文也将相同的蒙特卡洛模拟应用于基于逻辑斯第回归滑坡危险性评价中，用以与基于专家知识滑坡危险性评价结果作不确定性对比。不确定性评价结果显示，在不同DEM精度条件下，随着DEM误差空间自相关性的增加，基于专家知识滑坡危险性评价结果不确定性呈现不同的变化趋势。在不同空间自相关性程度下，随着DEM误差大小的增加，评价结果不确定性也呈现不同的变化趋势。相比于25m分辨率DEM数据，基于专家知识滑坡危险性评价模型对于5m分辨率DEM数据的误差更加敏感。当基于专家知识滑坡危险性评价模型从建模区移植至外推区时，评价结果不确定性降低。逻辑斯第回归滑坡危险性评价结果不确定性对误差大小更加敏感，与基于专家知识滑坡危险评价不同，逻辑斯第回归对于较低分辨率的DEM数据（25m分辨率）的误差更加敏感。