Los deslizamientos de tierra siguen siendo un peligro geológico crítico en regiones montañosas, donde las intensas lluvias extremas y los rápidos cambios en el uso del suelo agravan la inestabilidad de las pendientes, desafiando la fiabilidad de las evaluaciones de susceptibilidad tradicionales de un solo sensor. Para superar las limitaciones de la heterogeneidad de los datos y el ruido, este estudio presenta una estrategia de fusión a nivel de decisión que integra la dinámica de deformación del Scatterer Permanente InSAR (PS-InSAR) con indicadores de teledetección óptica de múltiples fuentes a través de un Modelo Aditivo de Múltiples Fuentes Mejorado por Transformada Wavelet (MAMBA) basado en Análisis Bayesiano. San Martín del Castañar (España), una región caracterizada por un terreno accidentado y deformación activa, sirvió como área de estudio. Utilizamos conjuntos de datos de Sentinel-1A en banda C (enero de 2020-febrero de 2025) como la fuente principal para el monitoreo continuo, complementados por observaciones de ALOS-2 en banda L para asegurar la coherencia en zonas vegetadas, obteniendo 24,102 dispersores persistentes de alta calidad. La mejora multi-escala basada en WT aumentó la relación señal-ruido en un 23.5% y aumentó la detección de anomalías de deformación en un 18.7% en 24,102 dispersores persistentes validados. La fusión bayesiana dentro de MAMBA produjo mapas de susceptibilidad de alta resolución, indicando que las zonas de muy alta y alta susceptibilidad ocupan el 24.0% del área de estudio mientras capturan el 84.5% de los deslizamientos de tierra inventariados. La validación cuantitativa contra 1247 eventos de deslizamientos de tierra (2020-2025) logró un AUC de 0.912, una precisión general del 87.3% y un recall del 84.5%, superando a los modelos de Bosque Aleatorio, Regresión Logística y Ratio de Frecuencia en un 6.8%, 10.8% y 14.3%, respectivamente (p < 0.001). El análisis estadístico demuestra además un fuerte acoplamiento geo-ecológico, con la susceptibilidad a deslizamientos de tierra correlacionada significativamente con la vulnerabilidad ecológica (r = 0.72, p < 0.01), mientras que las Explicaciones Aditivas de SHapley identifican el tipo de uso del suelo, la lluvia y la pendiente como los factores de control dominantes.