پهنه‌بندی حساسیت‌ زمین‌لغزش با استفاده از روش ترکیبی جدید در محیط GIS

علوم و تکنولوژی محیط زیست، دورهبیست و یکم، شماره دوازدهم، اسفند  ماه 98

پهنه‌بندی حساسیت‌ زمین‌لغزش با استفاده از روش ترکیبی جدید در محیط GIS

مجید محمدی[1]^*

majid.mohammady@semnan.ac.ir

حمزه نور[2]

چکیده

زمینه و هدف: زمین­لغزش از جمله مهم­ترین سوانح طبیعی در مناطق شیب‌دار با خسارات انسانی و اقتصادی زیاد است. ایران به­خاطر شرایط خاص آب و هوایی و فیزیوگرافی همواره در معرض خطر زمین­لغزش قرار دارد. هدف از این تحقیق تهیه نقشه حساسیت زمین‌لغزش با استفاده از مدل تلفیقی فرآیند تحلیل سلسله مراتبی-تراکم سطح در محیط GIS، در بخشی از حوزه آبخیز هراز است.

روش بررسی: ابتدا با مطالعات میدانی نقشه پراکنش زمین­لغزش­های حوزه و سپس نقشه عوامل موثر بر زمین­لغزش تهیه گردید. وزن‌دهی فاکتور­های موثر با استفاده از فرآیند تحلیل سلسله مراتبی و نرم‌افزار Expert Choice انجام شد. وزن کلاسه‌های هر فاکتور با استفاده از مدل تراکم سطح در محیط GIS محاسبه گردید. در نهایت وزن کلاسه‌ها در وزن فاکتور ضرب شد. وزن‌ها در محیط GIS با هم تلفیق شده و نقشه نهایی حساسیت زمین‌لغزش به­دست آمد.

یافته‌ها: بررسی­ها نشان داد که خصوصیات سنگ­شناسی، فاصله از جاده، شیب، فاصله از آبراهه، کاربری اراضی، ارتفاع و جهت شیب عوامل اصلی موثر در وقوع زمین­لغزش در منطقه هستند. نتایج نشان داد که شیب 50-15 درصد، جهت­های شیب شمالی و غربی، ارتفاع 2100-1500، کاربری‌های مسکونی و باغ-کشاورزی، فاصله 500 متری از جاده و 400 متری از آبراهه، سازندهای شمشک و پادگانه­های آبرفتی بیش‌ترین حساسیت را نسبت به زمین­لغزش از خود نشان دادند.

بحث و نتیجه‌گیری: به طور کلی منطقه مورد مطالعه مطالعه به وقوع زمین‌لغزش حساسیت زیادی داشته و تهیه نقشه حساسیت زمین‌لزش در این منطقه بسیار ضروری است. نقشه تهیه شده ابزار مفیدی در برنامه ریزی کاربری اراضی خواهد بود.

واژه‌های کلیدی: زمین­لغزش، پهنه­بندی حساسیت زمین­لغزش، مدل تلفیقی، تراکم سطح، فرآیند تحلیل سلسله مراتبی

Landslide Susceptibility Zoning Using New Synthetic Method in the GIS Environment

Majid Mohammady^[3]*

majid.mohammady@semnan.ac.ir

Hamzeh Noor²

Abstract

Introduction: Landslides are one of the most natural hazards in hilly regions with great human and economic losses in the worldwide. Iran is always exposed to landslide susceptibility because of climatic and physiographic conditions. The purpose of this research is landslide susceptibility mapping using AHP-Density area model in GIS environment in the part of Haraz Watershed.

Methods: Landslide inventory map was created using field surveys, and then conditioning factors were prepared. Using AHP model and Expert Choice software, weight of each factor was calculated. Weight of classes for each factor was calculated using the density area model in the GIS environment. Finally, weight of classes and weight of factors was multiplied. Weighted map was integrated in GIS environment and the final zoning map created.

Results: Results indicated that lithology, distance from road, slope angle, distance from drainage network, land use, elevation, and slope aspect are the main landslide controlling factors in the area. Results showed that slope of 15-50 percent, north and west facing, altitude of 1,500–2,100 m, residential and mixing orchard and agriculture area types of land use, distance of 500 meter from road and 400 meter from drainage network, Shemshak formation and fluvial terraces are very susceptible to landslide.

Discussion and conclusion: In general, study area is very susceptible to landslide occurrence and landslide susceptibility mapping is very essential in this region. The resultant map would be useful for general land use planning.

Key­ words: Landslide, Landslide susceptibility zoning, Synthetic method, Density area, AHP

مقدمه

بلایای طبیعی به­عنوان بزرگ­ترین دشمن طبیعی انسان، باعث کشته و مجروح شدن سالانه صدها هزار تن و بی‌خانمان شدن میلیون­ها نفر در سراسر جهان می­شود. از این رهگذر حرکات توده­ای[4] و زمین­لغزش[5] به­عنوان یکی از معضلات جهانی پیش روی انسان است.

این پدیده همه ساله زیان­های جانی و مالی بسیاری را در کشورهای مختلف به­دنبال دارد. زمین‌لغزش باعث تخریب انواع سازه‌های مهندسی ازجمله مناطق مسکونی، راه‌ها، خطوط انتقال نیرو و همچنین منابع طبیعی و کشاورزی می‌گردد (1، 2). بر اساس یک برآورد اولیه، سالانه 500 میلیارد ریال خسارت مالی از طریق حرکات توده­ای و زمین‌لغزش بر کشور تحمیل می­شود و این در صورتی است که از بین رفتن منابع ­طبیعی غیرقابل بازگشت به­حساب آورده نشوند (3).

با توجه به خسارت‌هایی که زمین‌لغزش به اراضی کشاورزی و منابع طبیعی و اقتصادی وارد می‌سازند، ضرورت تحقیق و برنامه‌ریزی برای جلوگیری از وقوع و یا کاهش خسارت ناشی از آن اهمیت می‌یابد. این برنامه‌ریزی ها نیز در صورتی ثمربخش خواهد بود که زمین‌لغزش‌ها و عوامل ایجادکننده آن­ها به موقع شناسایی شود (4). با توجه به مشکلات زیاد ناشی از این پدیده امروزه شناسایی راه‌حل‌های مناسب جهت کنترل و کاهش خسارت ناشی از آن مورد توجه مراکز تحقیقاتی، دانشگاه‌ها و
دستگاه‌های اجرایی است (5). منطقه مورد مطالعه در این تحقیق بخشی از حوزه آبخیز رودخانه هراز است که به­خاطر شرایط آب و هوایی و فیزیوگرافی و هم­چنین تغییر کاربری همواره با مشکل زمین­لغزش مواجه است.

مواد و روش‌ها

منطقه مورد مطالعه

منطقه مورد مطالعه واقع در استان مازندران و بخشی از زیرحوزه رودخانه هراز است. با توجه به این­که قسمت­های زیادی از منطقه برای نمونه­گیری قابل دسترس نیست انتخاب حوزه یا زیر حوزه آبخیز به­عنوان منطقه مطالعاتی امکان­پذیر نبود. با توجه به لغزش­های رخ­داده در منطقه و هم­چنین تحقیقات محلی، بخشی از حاشیه جاده هراز، حد فاصل روستای وانا تا امام­زاده علی به طول تقریبی 20 کیلومتر و عرض 3 تا 4 کیلومتر از هر طرف جاده به­عنوان منطقه مطالعاتی انتخاب شد. این منطقه با مساحتی در حدود 114 کیلومتر مربع بین طول­های جغرافیایی 38 ΄06 ْ52 تا 24 ΄17 ْ52 شرقی و عرض­های جغرافیایی ً39΄49  ْ35 تا 11΄57  ْ35 شمالی قرار دارد. ارتفاع بیشینه و کمینه در منطقه به ترتیب 3290 و 1200 متر از سطح دریا می­باشد (شکل 1).

تهیه داده­های مورد نیاز    

در بازدید­های میدانی، موقعیت زمین­لغزش­ها با استفاده از GPS[6] ثبت و نقشه پراکنش زمین­لغزش­ تهیه گردید. نقشه‌های توپوگرافی با مقیاس 1:25000 از سازمان جغرافیایی، زمین­شناسی 1:100000 از سازمان زمین­شناسی کشور، کاربری اراضی از سازمان جنگل­ها و مراتع و نقشه‌های گسل، جاده و شبکه آبراهه­ها از روی نقشه­های زمین­شناسی و توپوگرافی تهیه شد. فاصله از عوارض خطی در

محیطGIS محاسبه و طبقه‌بندی گردید. نقشه مدل رقومی ارتفاع[7] (DEM) از روی نقشه توپوگرافی و نقشه‌های شیب، جهت شیب و طبقات ارتفاع با استفاده از نقشه DEM تهیه شد. نقشه بارش منطقه نیز از میان­یابی ایستگاه­های داخل و مجاور حوزه به دست آمد. به‌منظور تحلیل آسان­تر سازندهای مشابه بر اساس حساسیت به لغزش طبق تقسیم­بندی حایری و سمیعی (6) در یک گروه قرار گرفتند (شکل2).

هم­پوشانی نقشه­های عامل با  نقشه پراکنش زمین­لغزشها

کلیه نقشه­های عوامل با نقشه پراکنش زمین­لغزش در محیط GIS تلفیق و سپس مساحت لغزش­ها در هر طبقه از عوامل محاسبه شد.

به این ترتیب نقش طبقات مختلف هر یک از نقشه‌ها در وقوع زمین‌لغزش مشخص می‌گردد.

پهنه‌بندی حساسیت زمین لغزش

مدل تراکم سطح^[8] از جمله روش‌های مورد استفاده در پهنه‌بندی زمین‌لغزش بوده که اساس آن تراکم زمین‌لغزش‌ها در طبقات مختلف نقشه‌های عامل است. در این مدل پس از تعیین درصد زمین­لغزش در طبقات مختلف عوامل، کمی کردن عوامل موثر و وزن­دهی به طبقات بر اساس روابط 1 و 2 انجام شد (7، 8 و 9).

رابطه 1                 

رابطه 2                             

که در آن:

D_area: تراکم سطح، W_area: وزن تراکم سطح، A: مساحت زمین لغزش هر واحدکاری، B: مساحت هر واحد کاری، C: مساحت کل زمین لغزش­ها و D: مساحت کل منطقه است.

نکته مورد توجه در این مدل عدم توجه به اولویت عوامل موثر نسبت به یکدیگر است. در این مدل طبقات مختلف عوامل موثر بر اساس تراکم لغزش‌ها وزن‌دهی شده ولی به اولویت و وزن نسبی عوامل نسبت به یکدیگر توجهی نمی‌شود. برای حل این مشکل از روش تحلیل سلسله مراتبی (AHP) برای اولویت‌بندی عوامل مختلف نسبت به یکدیگر استفاده شد. AHP یک روش نیم­کیفی در مطالعه زمین­لغزش است که شامل یک ماتریس وزن­دهی بر مبنای مقایسات زوجی بین عوامل بوده و میزان مشارکت هر یک از عوامل را در وقوع زمین­لغزش مشخص می‌کند (10). اولین اقدام در استفاده از این روش انجام مقایسات زوجی عوامل نسبت به یکدیگر بر اساس جدول استاندارد ارایه شده برای این روش است (جدول 1). با استفاده از جدول 1 بر اساس نظر و دید کارشناس نسبت به منطقه فاکتور­ها به­صورت دو به دو باهم مقایسه و یکی از وزن­های جدول 1 انتخاب می­شود. به این ترتیب کلیه فاکتورها نسبت به یکدیگر مقایسه شدند. این ماتریس درنهایت به نرم افزار Expert Choice وارد و در آنجا وزن نهایی برای هر فاکتور محاسبه و تمامی عوامل نسبت به هم اولویت‌بندی شد. این نرم­افزار همچنین ضریب ناسازگاری [9]را به ما می­دهد که اگر کم­تر از 1/0 باشد قابل قبول و در غیر این­صورت دوباره مقایسات انجام می شود (11). سپس وزن‌های حاصل از AHP در وزن طبقات که با استفاده از مدل تراکم سطح طبق روابط 1 و 2  محاسبه شده بود ضرب و وزن نهایی هر طبقه به­دست آمد. با اعمال معادله در نقشه، نقشه پهنه­بندی حساسیت زمین­لغزش در منطقه به­دست آمد.

جدول 1- مقادیر ترجیحات و قضاوت کارشناسی

Table1– Preferences of AHP model

ارزیابی روش پهنه­بندی

حدود دو سوم نقاط لغزشی (55 نقطه) برای پهنه بندی و یک سوم نقاط لغزشی (23 نقطه) برای ارزیابی مدل مورد استفاده قرار گرفت (12). برای مقایسه رده­های مختلف حساسیت از تراکم زمین‌لغزش­ها یا نسبت تراکمی[10](Dr) در هر یک از رده­های حساسیت استفاده شد. نسبت تراکم با تقسیم نمودن تراکم زمین­لغزش در رده حساسیت خاص به تراکم متوسط زمین­لغزش­ها محاسبه گردید. ارزیابی نهایی بااستفاده از مقدار جمع کیفی[11] (Qs) مشخص می‌شود و Qs بالاتر نمایان­گر جدایش بهتر بین رده­های حساسیت مختلف است. جمع کیفی به­صورت رابطه 3 تعریف می­گردد (13 و 14):

 رابطه 3                                                                                                  

که در آن: n: تعداد رده­های حساسیت و s: مساحت رده

حساسیت به درصد در منطقه است. از نظر تئوری حد فوقانی خاصی برای Qs نمی‌توان در نظر گرفت ولی معمولاً مقدار آن بین صفر تا هفت است. (8 و14).

نتایج

اولویت­بندی عوامل موثر بر وقوع زمین‌لغزش

نتایج حاصل از اولویت‌بندی عوامل موثر بر وقوع زمین‌لغزش در شکل 3 نشان داده شده است. فاصله از گسل و میزان بارش به‌دلیل تاثیر کم در وقوع لغزش، وزن کمی به­خود اختصاص داده و در پهنه­بندی منطقه استفاده نشدند (شکل 2). هم­چنین ضریب ناسازگاری، 05/0 به­دست آمد که قابل قبول است (11).

تراکم زمین‌لغزش‌ها

طبقه‌ای که بیش­ترین تراکم زمین‌لغزش را داشته باشد حساسیت بیش­تری دارد. بررسی‌ها نشان داد سازندهای گروه C (شیل، ماسه‌سنگ و سیلتستون) و H (پادگانه‌های آبرفتی)، فاصله 500 متری از جاده، فاصله 400 متری از جاده، شیب 15 تا 50 درصد، کاربری مسکونی، ارتفاع 1800-1500 متر و
جهت شیب غربی بیش­ترین تراکم زمین‌لغزش را دارند.

پهنه­بندی زمین­لغزش و ارزیابی مدل

وزن نهایی در نقشه حاصل از تلفیق 7 عامل تاثیرگذار بر زمین­لغزش اعمال شده و نقشه پهنه­بندی به­دست آمد (شکل 4). نتایج ارزیابی مدل نیز در جدول 2 نشان داده شده است.

شکل -4 نقشه پهنه­بندی حساسیت زمین لغزش با استفاده از مدل تلفیقی AHP و تراکم سطح

Figure 4- Landslide susceptibility map using synthetic method of AHP and Density Area

جدول -2 نتایج ارزیابی نقشه حساسیت لغزش

Table2- accuracy assessment of landslide susceptibility map

بحث و نتیجه‌گیری

نتایج نشان داد سازند شمشک (متشکل از ماسه‌سنگ، سیلتستون، شیل و رس سنگ) و پادگانه­های آبرفتی بیش­ترین حساسیت به وقوع زمین‌لغزش را دارند. این نتایج با مطالعات شادفر و همکاران (7) و Ohlmacher و Davis (15) مطابقت دارد. این سازندها بسیار حساس بوده و با جذب آب حالت ارتجاعی یافته و باعث سر خوردن لایه­های بالایی به­صورت پدیده زمین­لغزش می­گردد. بیش­ترین میزان لغزش در کلاسه­های شیب 30-15 و 50-30 درصد رخ داده است. در شیب­های کم معمولاً نیرو­های مقاوم مانند اصطکاک خاک و دیگر مواد دامنه­ای بیش­تر از نیرو­های محرک مانند نیروی ثقل است. در شیب­های خیلی­زیاد نیز خاک در حدی تجمع نمی­یابد که منجر به وقوع زمین­لغزش گردد، در نتیجه در شیب­های متوسط بیش­ترین میزان زمین­لغزش مشاهده شده است که با نتایج یمانی و همکاران (16)؛ Chau و Chan  (17)؛ Lee و Abdul Talib (18) و Dymond و همکاران (19) مطابقت دارد. در اطراف جاده­ها و آبراهه‌ها نیز میزان لغزش‌ها خیلی زیاد است به­طوری که تا فاصله 500 متری از جاده و 400 متری از آبراهه­ها بیش­ترین میزان لغزش مشاهده می‌شود. شادفر و همکاران (7)؛ Duman و همکاران (20)؛ Lee (21)؛ Yalcin (9)؛ Mohammady و همکاران (22) نیز به نتایج مشابهی دست یافتند.

بررسی‌ها نشان داد که بیش­تر لغزش­های منطقه در کاربری مسکونی و مخلوط باغ-کشاورزی رخ داده است. این نتایج با تحقیقات احمدی و همکاران (23)؛ شادفر و همکاران (7) و Ercanoglu و Gockeoglu (24) مطابقت دارد. دخالت­های بیش از حد در طبیعت، افزایش ساخت و ساز و در نتیجه ایجاد تغییر در تعادل شیب دامنه، افزایش بار اضافی بر دامنه، آبیاری غرقابی و نفوذ بیش از حد آب در کاربری­ کشاورزی می­تواند دلیل افزایش زمین­لغزش در این کاربری­ها­ باشد. بررسی طبقات ارتفاع نشان داد که طبقات 1800-1500 و 2100-1800 متر بیش‌ترین حساسیت را نسبت به زمین­لغزش داشته و در ارتفاعات خیلی زیاد زمین‌لغزش کم­تر است. شیب­های­ غربی و شمالی دارای بیش‌ترین میزان زمین لغزش است. در منطقه مورد مطالعه جهت باد­های باران­آور غربی تا شمال غربی است که باعث می­شود تا بیش‌ترین رطوبت در جهت غربی دامنه­ها دریافت شود. به این ترتیب، حضور رطوبت  افزایش پدیده خاک­زایی و ضخامت خاک و درنتیجه افزایش زمین­لغزش را در این جهت­ها به دنبال دارد که با مطالعه عابدینی و همکاران (25) هم‌خوانی دارد. اولویت­بندی عوامل با استفاده از AHP مراتبی نشان داد که خصوصیات زمین‌شناسی بیش­ترین تاثیر را بر وقوع زمین­لغزش دارد. به­خاطر وجود سازند­های حساس به فرسایش مانند سازندهای رسی، مارن و پادگانه­های آبرفتی وقوع زمین لغزش به­شدت به خصوصیات زمین­شناسی وابسته است و در بسیاری از بخش­های منطقه تاثیر عوامل دیگر را پوشش داده­اند و در برخی مناطق با وجود عوامل مستعد بودن دیگر عوامل برای وقوع زمین­لغزش به­خاطر وجود سازندهای مقاوم، منطقه فاقد لغزش بوده است. Neuhauser و Terhorst (26) نیز به اهمیت زمین‌شناسی در وقوع زمین‌لغزش اشاره نموده‌اند. در تحقیقات گذشته مدل‌های تراکم سطح و AHP به­صورت جداگانه استفاده شده‌اند. شادفر و همکاران (7) و محمدی و همکاران (27) کارایی مدل تراکم سطح را تایید نموده‌اند. هم­چنین محمدی و همکاران (28) حجازی (29)، سوری و همکاران (1)، میرنظری و همکاران (13)، Ayalew و Yamagishi  (30)، Komac (12)، Kayastha و همکاران (31)، Feizizadeh  و همکاران (32) مدل AHP را استفاده نموده و دقت آن را خوب ارزیابی نمودند. تلفیق این دو مدل که برای اولین بار انجام شده نیز حاکی از دقت بالای مدل تلفیقی داشته و در شرایط مشابه می‌توان از آن استفاده نمود.

به­طور کلی منطقه مورد مطالعه دارای پتانسیل زیادی برای وقوع زمین­لغزش است و این لغزش­ها هر ساله خسارات زیادی به جاده، مناطق مسکونی، زمین­های کشاورزی و دیگر منابع موجود در منطقه وارد می­کند. عوامل زمین­شناسی، خصوصیات ژئومورفولوژیکی، شبکه آبراهه­ها غیر قابل تغییر بوده و تنها راه جلوگیری از خسارات آن­ها دوری از این مناطق و عدم تحریک این مناطق است. با جلوگیری از احداث جاده­های غیر اصولی و کاربری مناسب در این مناطق، می­توان از تحریک و افزایش حرکات در این گونه مناطق جلوگیری کرد.

منابع

1. Souri, S., Baharvand, S., Ahmadian moghadam, R., Dehban, M., 2013.Landslide hazard zoning using analytical hierarchy process. Journal of applied geology, 9, 101-110. (In Persian)
2. Feizizadeh, B.,Blaschke,T., 2013. GIS-multicriteria decision analysis for landslide susceptibility mapping: comparing three methods for the Urmia Lake basin Iran. Natural Hazard, 65, 2105–2128.
3. Komak Panah, A., Montazerolghaem S., and Chodani, A., 1992. Landslide and a Review on Landslide in Iran. Published by International Institute of Earthquake Engineering and Seismology, Tehran, Iran. (In Persian).
4. Sarvati, M.R., Nosrati, K., Hasanvandi, S., Mirbagheri, B., 2014. Prediction of Landslide Hazard in Sikan River Basin Using Logistic Regression Model, 67(1), 17-29 (In Persian).
5. Sangchini Karimi, E., Ownegh, M., Sadoddin, A., 2013. Assessment of landslide hazard, risk in Chehel - Chay Watershed, Golestan Province, Iran. Watershed management research, 98, 74-84. (In Persian).
6. Haeri, S.M., Samiei, A.H., 1996. New zoning approach of slope areas against the landslide risk with emphasis on zoning of Mazandaran province, Earth Sciences, 6, 2-15. (In Persian).
7. Shadfar, P., Yamani, M., Namaki, M., 2005. Landslide hazard zonation using information value models, surface density, and LNRE in the Chalker field. Journal of Water and Watershed, 3, 62-68. (In Persian).
8. Feiznia, S., Kalarstaghi, A., Ahmadi, H., Safaei, M., 2002. Investigating the factors affecting the occurrence of landslides and zoning of the land slide risk of Shirin-rood-Dam Tajan watershed. Journal of Natural Resources of Iran, 57 (1), 3-20. (In Persian).

9. Yalcin, A., .2008. GIS-based landslide susceptibility mapping using analytical hierarchy process and bivariate statistics in Ardesen (Turkey): Comparisons of results and confirmations. Catena, 72, 1-12.

1. Ayalew, L., Yamagishi, H., Marui, H., Kanno, T., .2005. Landslides in Sado Island of Japan: Part II. GIS-based susceptibility mapping with comparisons of results from two methods and verifications. Engineering Geology, 81, 432– 445.
2. Ghodsipoor, H., 2003. Analytical Hierarchy Process (AHP). Amirkabir Publication. 4, 220p (In Persian). 
3. Komac, M., 2006. A landslide susceptibility model using the analytical hierarchy process method and multivariate statistics in pri-alpine Slovenia. Geomorphology, 74, 17-28.
4. Mirnazari, J., Khezri, S., Shahabi, H., 2015. Assessment and zoning of landslide hazard sing AHP model and fuzzy logic operation in Posht tang watershed of sar pole zahab (Kermanshah province). Geography and development, 12 (37), 35-70 (In Persian).
5. Gee, M.D., .1991. Classification of landslide hazard zonation methods and a test of predictive capability, Landslides, Bell (ed.), Balkema, Rotterdam. pp. 947- 952.
6. Ohlmacher, G.C. Davis, J.C., .2003. Using multiple logistic regression and GIS technology to predict landslide hazard in Northeast Kansas, USA. Engineering Geology, 69, 331-343.
7. Yamani, M., Shamsipour, A., Goorabi, A., Rahmati, M., 2014. Determining landslide zones in Khoramabad-pole zaal freeway by using hierarchy analysis-fuzzy logic method. Journal of geographical sciences, 14(32), 27-44 (In Persian).
8. Chau, K.T., Chan, J.E., .2005. Regional bias of landslide data in generating susceptibility maps using logistic regression: Case of Hong Kong Island. Landslides, 2, 280-290.
9. Lee, S., Abdul Talib, J., .2005. Probabilistic landslide susceptibility and factor effect analysis. Environmental Geology, 47, 982-990.
10. Dymond, J.R., Ausseeil, A.G., Shepherd, J.D., Buettner, l., .2006. Validation of a Region- Wide Model of Landslide Susceptibility in the Manawatu- Wanganui Region of New Zealand. Geomorphology, 74, 70-79.
11. Duman, T. Y., Can, T., Gokceoglu, C., Nefeslioglu, H. A., Sonmez, H., .2006. Application of logistic regression for landslide susceptibility zoning of Cekmece Area, Istanbul, Turkey. Environmental Geology, 51, 241-256.
12. Lee, S., .2007. Application and verification of fuzzy algebraic operators to landslide susceptibility mapping. Environmental Geology, 52, 615-623.
13. Mohammady, M., Pourghasemi, H.R., Pradhan, B., .2012. Landslide susceptibility mapping at Golestan province, Iran: a comparison between frequency ratio, Dempster–Shafer, and weights-ofevidence models. Journal of Asian Earth Sciences, 61, 221–236.
14. Ahmadi, H., Mohammad Khan, S., Feiznia, S., Ghoddoosi. J., 2006. Landslide hazard zonation by AHP hierarchical analysis method in Taleghan basin, Natural Resources Journal. 58, 3-14 (In Persian).
15. Ercanoglu, M., Gokceoglu, C., .2004. Use of fuzzy relations to produce landslide susceptibility map of a landslide prone area (West Black Sea Region, Turkey). Engineering Geology, 75, 229–250.
16. Abedini, M., Ghasemian, B., Shirzadi, A., 2014. Modelling the Hazard of Landslides by Using Statistical Method of Logistic Regression. Geography and development Iranian journal, 37, 85-120 (In Persian).
17. Neuhauser, B., Terhorst, B., .2006. Landslide Susceptibility Assessment Using Weights-of- Evidence Applied to a Study Area at the Jurassic Escarpment (SW-Germany). Geomorphology, 1-13.
18. Mohammadi, M., Moradi, H. R., Feizenya, S., Pourghasemi, H. R., 2009. Prioritizing the factors affecting the landslide and preparing its hazard map using information value models and AHP in a part of the Haraz watershed. Journal of Geosciences, 19 (74), 27- 32 (In Persian).
19. Mohammadi, M., Moradi, H. R., Feizenya, S., Pourghasemi, H. R., 2009. Comparison of the Efficiency of Certainty Factor, Information Value and AHP Models in Landslide Hazard Zonation (Case study: Part of Haraz Watershed). Journal of Range and Watershed Management, 62(4), 539-551 (In Persian).
20. Hejazi, S.A., 2015. Landslide hazard mapping in Goijabel of Ahar using GIS. Journal of geography and planning, 18(50), 135-152 (In Persian).
21. Ayalew, L., Yamagishi, H., .2005. The Application of GIS – based logistic regression for landslide susceptibility mapping in the Kakuda–Yahiko Mountains, central Japan. Geomorphology, 65, 15-31.
22. Kayastha, P., Dhital, M.R., DeSmedt., .2013. Application of the analytical hierarchy process (AHP) for landslide susceptibility mapping: A case study from the Tinau watershed, west Nepal. Computers & Geosciences 52, 398–408.
23. Feizizadeh, B., Shadman Roodposhti, M., Blaschke, T., .2014. A GIS-based extended fuzzy multi-criteria evaluation for landslide susceptibility mapping. Computers & Geosciences, 73, 208–221.