En la advertencia de desastres por deslizamientos de tierra, se suelen adoptar una variedad de métodos de monitoreo y advertencia. Sin embargo, la mayoría de los métodos de monitoreo y advertencia no pueden proporcionar información con anticipación, y a menudo se producen graves pérdidas cuando ocurren deslizamientos de tierra. Para adelantar el tiempo de advertencia antes de un deslizamiento de tierra, en este documento se propone un innovador modelo de predicción y advertencia avanzada de deslizamientos de tierra basado en un algoritmo de fusión de apilamiento utilizando datos de deslizamientos de tierra de Baishuihe. El área de deslizamientos de tierra de Baishuihe se caracteriza por un suelo único y se encuentra en la región de las Tres Gargantas de China, con un clima monzónico subtropical. Basándose en los datos históricos de Baishuihe y en el monitoreo en tiempo real del estado del deslizamiento de tierra, se establecen cuatro umbrales de nivel de advertencia y condiciones de activación para cada nivel de advertencia. El modelo integra de manera efectiva los resultados de múltiples submodelos de predicción y advertencia para proporcionar predicciones y advertencias anticipadas a través de la fusión de dos capas de aprendizaje por apilamiento. También se discute la posibilidad de que una estrategia de prioridad de riesgo se pueda utilizar como sustituto del modelo de apilamiento. Finalmente, una simulación experimental verifica que el modelo mejorado propuesto no solo puede proporcionar una advertencia anticipada de deslizamientos de tierra, sino que también puede reducir de manera efectiva la frecuencia de falsas alarmas y mitigar los problemas de los modelos individuales tradicionales. El modelo de apilamiento puede apoyar de manera efectiva la prevención y reducción de desastres y proporcionar una base científica para la gestión del uso de la tierra.