اصغری سراسکانرود، ص.، پالیزبان، د.، امامی، ه، و قلعه، ا.، 1399. تحلیل مدلهای تحلیل شبکه و منطق فازی برای تهیه نقشه پهنهبندی حساسیت وقوع زمین لغزش مطالعه موردی: جاده سراب - نیر، نشریه علمی جغرافیا و برنامه ریزی، سال 24 ، شماره 37، صص 22-1.
بابلی موخر، ح.، تقیان، ع.ا.، و شیرانی، ک.، 1397. ارزیابی نقشه پهنهبندی حساسیت زمین لغزش با استفاده از روش تلفیقی فاکتور اطمینان و رگرسیون لجستیک با بکارگیری شاخصهای ژئومورفومتریک، پژوهشهای ژئومورفولوژی کمی، سال 7، شماره 3، صص 91-116.
حجازی، س.ا.، نجف وند، س.، 1399. پتانسیل سنجی مناطق مستعد وقوع زمین لغزش در شهرستان پاوه با استفاده از روش منطق Fuzzy، جغرافیا و روابط انسانی، دوره 2، شماره 4، صص 377-385.
حلاجی، م.، زنگنه اسدی، م.ع.، و امیراحمدی، ا.، 1399. ارزیابی کارآیی مدلهای پیشبینی حساسیت وقوع زمین لغزش در آبخیز بار نیشابور، پژوهشهای آبخیز داری، دوره 33، شماره 2، شماره پیاپی 127، صص 20-30.
حمزه، س.، امیری، ا.، 1399. پهنه بندی خطر رانش زمین با استفاده از روشهای همپوشانی وزنی و تحلیل شبکه مطالعه موردی: منطقه نصرآباد استان گلستان، فصلنامه علمی - پژوهشی اطاعات جغرافیایی(سپهر) ، دوره 29، شماره 114، صص 117-132.
حیدری، ن.، حبیب نژاد، م.،کاویان، ع.ا.، و پورقاسمی، ح.ر.، 1399. مدلسازی حساسیت زمین لغزش با الگوریتم یادگیری ماشین جنگل تصادفی در آبخیز سد رئیسعلی دلواری، پژوهشهای آبخیز داری، دوره 33، شماره 1، شماره پیاپی 126، صص 2-13.
شاهکوئی، ا.، سارلی ، ر.، درویشی، ی.، امان پور قرائی، س، 1398. پهنهبندی عرصههای آسیب پذیر در برابر مخاطرات طبیعی با تأکید بر زمین لغزش (مطالعه موردی: زیر حوضه گرگان رود شهرستان گرگان)، پژوهشهای ژئومورفولوژی کمّی، سال 8، شماره 2، صص 52-70.
شرفی، س.،صادقی راد، م.، و جوادی نیا، ز.، 1399. بازسازی پالئوژئومورفولوژی زمین لغزش دلا و شکلگیری دریاچه سدی شیمبار شهرستان اندیکا- استان خوزستان، نشریه تحقیقات کاربردی علوم جغرافیایی، سال 20، شماره 56، صص 177-192.
صفاری، ا.، هاشمی، م.، 1396. پهنهبندی حساسیت وقوع زمین لغزش با مدلهای آنتروپی و منطق فازی(مطالعه موردی: شهرستان کرمانشاه)، فصلنامه جغرافیای طبیعی، سال 9، شماره 34، صص 43-62.
غلامی کلاته؛ غ.ر.، کردوانی، پ.، رنجبر، م.، 1399. پهنهبندی خطر زمین لغزش در حوضه آبخیز اوغان استان گلستان با استفاده از مدل فازی، مجله آمایش جغرافیایی فضا، فصلنامه علمی- پژوهشی دانشگاه گلستان، سال 10، شماره 36، صص1-14.
قاسمیان، ب.، عابدینی، م.، و روستایی، ش.، 1396. ارزیابی حساسیت زمین لغزش با استفاده از الگوریتم ماشین پشتیبان بردار(مطالعه موردی: شهرستان کامیاران، استان کردستان)، پژوهشهای ژئومورفولوژی کمی، سال 6، شماره 3، صص 15-36.
قنواتی ، ع.ا.، احمدآبادی، ع.، غلامی، م.، 1398. ارزیابی حساسیت زمین لغزش با استفاده از شاخص آنتروپی و الگوریتم ماشینهای پشتیبان بردار(مطالعه موردی: حوضه آبخیز کن)، پژوهشهای ژئومورفولوژی کمّی، سال 8، شماره1، صص 16-33.
کرمی ، ف.، بیاتی خطبیبی، م.، خیری زاده، م.، مختاری اصل، ا.، .1398 ارزیابی الگوریتم ماشین بردار پشتیبان در پهنهبندی حساسیت زمین لغزش اهر چای، جغرافیا و مخاطرات محیطی، شماره 32، صص 1-17.
محرمی، م.، ارگانی، م.، 1399. پتانسیلیابی مناطق مستعد زمین لغزش با استفاده از مدل FBWM(مطالعه موردی: شهر تبریز)، آمایش سرزمین، دوره12، شماره 2، صص 571-593.
ملکی، ا.، میلادی، ب.، و احمدی، م.، 1391. شبیه سازی مناطق مستعد خندق زایی با استفاده از روش SPI در حوضه رودخانه مرگ، پژوهشهای ژئومورفولوژی کمی، سال 1، شماره 3، صص 38-23.
نوجوان، م.ر.، شاه زیدی، س.، داودی، م.، و امین الرعایایی، ه.، 1398، پهنهبندی خطر زمین لغزش با استفاده از تلفیق دو مدل فرآیند تحلیل سلسله مراتبی و فازی(مطالعه موردی: حوضه آبخیز کمه، استان اصفهان)، پژوهشهای ژئومورفولوژی کمی، دوره 7، شماره 4، صص 142-159.
وهاب زاده، ق.، میرکی، ش.، و شیرزادی، ع.ا.، 1396. پهنهبندی حساسیت زمین لغزش با سامانه اطلاعات جغرافیایی و مقایسه کارایی روشهای رگرسیون لجستیک و نسبت فراوانی(مطالعه موردی: حوزه آبخیز چشمیدر،کردستان)، مجله کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی، دوره 8، شماره 2، صص 11-21.
یمانی، م.، حسن پور، س.، مصطفایی، ا.، و شادمان رودپشتی، م.، 1391. نقشه پهنهبندی خطر زمین لغزش در حوضه آبخیز کارون بزرگ با استفاده از مدل AHP در محیط GIS، جغرافیا و برنامه ریزی محیطی، سال 23، پیاپی 48، شماره 4، صص 39-56.
Bera, S., Guru, B., & V, Ramesh. (2019). Evaluation of landslide susceptibility models: a comparative study on the part of Western Ghat Region, India, Remote Sensing Applications: Society and Environment, PII: S2352-9385(17)30309-9, 39-52, https://doi.org/10.1016/j.rsase.2018.10.010.
Luo, W, & Liu, C. (2018). Innovative landslide susceptibility mapping supported by geomorphon and geographical detector methods, Landslides, 15(3), 465-474.
Wei Chen , Z.S., Xia Zhao , X.L., Shirzadi, A.L., & Shahabi , H. (202). Performance Evaluation and Comparison of Bivariate Statistical-Based Artificial Intelligence Algorithms for Spatial Prediction of Landslides, International Journal of Geo-Information, 9, 696; doi:10.3390/ijgi9120696, 2-21.
Zorgati Anis, G., Wissem, V.V., Smida, S., & Essghaier, M. (2019). GIS-based landslide susceptibility mapping using bivariate statistical methods in North western Tunisia, Open Geosciences , 11 (1), Pages 708–726, ISSN 2391 5447,DOI: https://doi.org/10.1515/geo-2019-0056.
Xudong, H., Zhang , H., Mei, H., Xiao, D., Yuanyuan, L., & Li , M. (2020). Landslide Susceptibility Mapping Using the Stacking Ensemble Machine Learning Method in Lushui, Southwest China, Applied Sciences, 10, 4016; doi:10.3390/app10114016, 1-22.
Tien Bui, D., Biswajeet, P., Lofman, O., & Revhaug, I. (2012). Landslide Susceptibility Assessment in Vietnam Using Support Vector Machines, Decision Tree, A Naive Bayes Models, Mathematical Problems in Engineering, 1-26.
Peng Ling, R., Huang, NB., Wua, X., Zhao, Y., & Ye, R .(2014). Landslide susceptibility mapping based on rough set theory and support vector machines: A case of the Three Gorges area, China, Geomorphology, 204 287–301.
Scholkoph, B., Smola, A.J., Williamson, R.C., & Bartlett, P.L. (2000). New support vectoralgorithms, Neural Computation, 12, 1207–1245.
Shafer, G., 1976. A mathematical theory of evidence, 1, Princeton University, Princeton.
Lee, S., Hwang, J., & Park, I. (2013). Application of data-driven evidential belief functions to landslide susceptibility mapping in Jinbu, Korea, Catena, 100, 15-30.
Kavzoglu, T., Kutlug Sahin, E., & Colkesen, I. (2015). An assessment of multivariate and bivariate approaches in landslide susceptibility mapping: a case study of Duzkoy district, Natural Hazards, 76 (1), 471 – 496.
Crosby, D. A. (2006). The effect of DEM resolution on the computation of hydrologically significant topographic attributes, M.S. Thesis Arts, Department of Geography, College of Arts and Sciences, University of South Florida.
Song, K.Y., Oh, J., Choi, J., Park, I., Lee, C., & Lee, S. (2012). Prediction of landslides using ASTER imagery and data mining models, Advances in Space Research, 49, 978-993.
Dai, F.C., Lee, C.f., and Ngai, Y.Y. (2002). Landslide risk assessment and management: an overview, Engineering Geology, 64: 65-87.
Yalcin, A. (2008). GIS-based landslide susceptibility mapping using analytical hierarchy rocess and bivariate statistics in Ardesen (Turkey), Comparisons of results and confirmations, Catena, 72, 1-12.
Das, I., Sahoo, C., Van Westen, A., Stein & Hack, R.(2010). Landslide susceptibility assessment using logistic regression and its comparison with a rock mass classification system, along a road section in the northern Himalayas (India), Geomorphology, 114, 627-637.
Ayalew, L., & Yamagishi, H.(2005). The application of GIS-based logistic regression for landslide susceptibility mapping in the kakuda-yahiko Moun-tains, central Japan, Geomorphology, 65, 15-31.