Himan Shahabi

Identifying the effective factors in the occurrence of fire and zoning the sensitivity to its occurrence is one of the basic tools to achieve fire control and countermeasures. Forest fire modeling is very important to identify the distribution of forest fires based on scientific methods. In this research, the Information Gain Ratio (IGR) technique and the Average Merit index were used to evaluate the predictive power of factors affecting the occurrence of forest fires in Marivan County. The results of these methods showed that among the 14 effective factors considered at the beginning, 12 factors were involved in the occurrence of fire, which include: annual average wind speed, altitude, relative humidity, precipitation, average maximum temperature , distance from the road, land use, road density, distance from residential areas, NDVI, solar radiation and slope. Also, the results showed that the two factors of slope direction and topographic humidity index were removed from the final modeling due to the mean value of merit equal to zero. Meanwhile, the variables of average wind speed, altitude and relative humidity compared to other variables had the greatest impact on the occurrence of fire. Also, after training all three applied machine learning models, including random forest models, support vector machine and logistic regression, their performance in the field of finding the potential of fire occurrence was measured using statistical criteria. Therefore, in terms of training samples, the random forest model (0.98) had higher accuracy than the support vector machine model (0.931). The value of sensitivity index in random forest and support vector machine models was 0.982 and 0.934, respectively. This means that the random forest model is able to correctly classify 1.98% of fire pixels as fire-dominated areas, which has a higher predictive power than the support vector machine model. The prepared maps were classified into five classes of very low sensitivity, low sensitivity, medium sensitivity, high sensitivity and very high sensitivity based on the Natural Breaks classification method. Also, the area and the percentage of the area of the fire potential floors were extracted for all three models. The results of all three models for the potential of fire showed that the western and southwestern parts of Marivan have a higher fire risk potential than other parts of Marivan. ROC curve method was used to validate all three models. The results showed that among the random forest model, support vector machine and logistic regression, the highest accuracy was assigned to the support vector machine model (0.997).

Arsenic is one of the heavy metals that can directly and indirectly pose serious threats to the environment of a region in various ways, including soil and water pollution. Bijar county is one of the geographical areas located in Kurdistan province, whose environment is in an unfavorable condition in terms of arsenic pollution. Considering the importance of resilience in dealing with all kinds of hazards, measuring the resilience of residents exposed to pollution and predicting the factors affecting resilience can play an important role in reducing the risks caused by arsenic. Therefore, the main goal of the current research is to measure and predict the resilience of communities exposed to arsenic pollution in Bijar county. The statistical population of the research consists of residents of six villages of the county (Najaf Abad, Bashuki, Ibrahim Abad, Baba Nazar, Gundok, Ali Abad), which are exposed to more arsenic pollution than other villages and among them, 150 people are considered as a statistical sample. The main research tool for data collection is a researcher-made questionnaire, whose validity and reliability have been confirmed by following the principles of field research. SPSS software and machine learning algorithms (NBTree, Bayesian network, Naïve Bayes and Random Forest) have been used for data analysis. The results of the research showed that the state of resilience in the study area of the majority of respondents (78%) is at high and very high levels. The results of examining the importance of factors affecting arsenic resistance with the IGR method showed that the most important factors affecting resistance in order of importance are: Age (0.343), education (0.271), monthly household expenses (0.232), number of unemployed (0.226), knowledge (0.181), household size (0.171), ownership of capital resources ( 0.17), contingent events (0.116) and main job (0.108). The results of comparing the performance of machine learning algorithms for predicting resilience against arsenic showed that among the investigated algorithms, the NBTree algorithm had the best performance in predicting resilience against arsenic.

Gully erosion is one of the most important and advanced hazards in the environmental hazard basin. This is a growing trend the type of erosion causes the intensification of runoff, flooding and the unusability of agricultural lands, also in areas where exploitation of water and soil resources more than the natural resources causes irreparable and harmful consequences in the basin.different economic and social and even increasing the earth's heat through organic carbon. For this reason, identifying important factors The expansion of this type of erosion as well as the correct location of high-risk areas are of particular importance. The purpose of this study is susceptibility mapping to gully erosion in Muradqoli basin using two models based on definitive evidence and weighted evidence. be In the studied area of Muradqoli basin, 45 gully erosion points were identified, as well as 11 important and influential factors inThe occurrence and expansion of gully erosion has been used. These factors include: slope, slope direction, waterway density, distance from Watercourse, lithology, land use, distance from the fault, density of the fault, height, topographic humidity index and rainfall. All these factors in The environment of the geographic information system was digitized and the map of each factor was prepared. In this study, two methods of evidence weighted (WOE) and definite evidence function (EBF) were used, then the amount of information value and weights assigned to each of Factors were calculated using statistical calculation skills in EXCEL software.Then by summarizing all raster layers The final sensitivity map to gully erosion was prepared in both methods and divided into five sensitivity classes (very low risk, low risk, medium risk, high, very high) are divided. Finally, the ROC curve has been used to evaluate and validate the model which shows that both methods used have high accuracy for predicting the location of gully erosion. EBF model with 86.2 percent and WOE model with 85.8 percent have acceptable accuracy, and both models can be reliably predicted location and planning in order to control the risk of gully erosion in research and practical tasks.

Forecasting the occurrence of gully erosion using different models and preparing risk zonation maps is the most suitable solution for land management planning in watersheds. The aim of this study is too zonate the risk of ditch erosion in Qara Toureh village of Bijar city in Kurdistan province, which has been achieved using frequency ratio methods, logistic regression and random forest algorithm, and a comparison between these methods Was performed. The village of Qara Toureh has shown great sensitivity to the danger of ditch erosion and damage has been done to this area and it has led to the production of sediment and its threats in the future. In order to reduce the damages of this phenomenon, scientific evaluation of these areas sensitive to the occurrence of Gully erosion is necessary. The location of the ditches around the studied village with an area of 353.61 hectares was recorded with the help of satellite images and control and visit of these points during field operations. Fourteen conditional factors in the occurrence of gully erosion including layers: geology, Aspect, degree of slope, Land use, Stream density, Stream Distance, Stream power index, topographic Witness index, soil depth and permeability, fault density, Fault Distance, the height above the sea level and the annual rainfall have been identified as effective factors in the occurrence of gully erosion in the study area and were used to prepare a sensitivity map to gully erosion in the study area. The spatial coordinates of 157 ditch points were recorded in the studied village, and about 30% of the recorded ditches (42 ditch points) were completely randomly isolated as experimental ditches, and the remaining 115 Gully erosion points were designated as ditches. Education was included in the analysis. In the method, the frequency ratio of assigned weights and values to each of the factors was done using statistical calculations in Excel software, and after algebraic summing of all layers with the help of raster calculations; The susceptibility map to gully erosion was prepared using the abundance ratio method. In the logistic regression method, after performing progressive step-by-step regression analysis, five effective factors in the occurrence of Gully Erosion among fourteen factors include: Land use, Aspect, Stream Distance, Stream density and soil hydrology group due to its meaning. The presence was statistically selected. The program related to the random forest algorithm was written under a main program in the R software environment, and after the execution of the obtained weights model, it was entered into the Arc GS 10.8 environment and a trench erosion risk zonation map was prepared. The decreasing average of precision and the average of Gini reduction were used to determine the priority of the influence of each effective factor and it was found that it includes the following factors: lithology, slope, Land use, Stream density and soil hydrology group in the order of greatest influence and the factors of soil depth, rainfall, The Fault Distance and the Fault density had the least effect on the erosion of the ditch in the studied area. The prediction accuracy of the different models used in this study was measured using the ROC curve. The area under the ROC curve in the frequency ratio (FR) method was equal to 0.91 percent and obtained the highest value. And the logistic regression method with the area under the ROC curve equal to 0.87 Percent showed very acceptable estimates in the zonation of ditches in the studied area. The area under the curve for the random forest algorithm model was also equal to 0.84 percent and it shows acceptable accuracy. The models used in this research in combination with GIS for the zonation of trench erosion areas are simple, fast and correct and will greatly help the planners and decision makers of issues related to environmental hazards.

Among the natural hazards, landslide is considered as one of the complex hazards and at the same time harmful, as a result of their appearance, slope masses such as mud and pieces of rocks are moved from the sloped surfaces and cause problems on the slopes. puts Every year, this phenomenon causes a lot of damage to residential areas, roads, etc., both financially and personally. The purpose of this research is to identify and zonate the risk of landslides in Baneh-Marivan mountain road in Kurdistan province using satellite images and advanced data mining algorithms. Factors affecting the occurrence of landslides that were considered in this study include slope, slope direction, slope curvature, height, distance from waterway, distance from road, distance from fault, density of fault, density of waterway, lithology, rainfall, land use, Topographic humidity index, current power index and vegetation density index. After collecting the required information and layers, 126 slip points were identified using satellite images. Landslide situations were randomly divided into two groups of 70% (88) and 30% (38) for modeling and validation, respectively. Landslide zoning map of Baneh-Marivan road was prepared with the help of EBF and Random Forest (RF) models. To evaluate the performance of the models, the area under the AUC graph obtained from the ROC curve was used. According to the evaluation criteria used in this study (ROC) and according to the validation data, the random forest (RF) model with AUC (0.907) had the best performance in landslide detection in the target area and after The EBF model had the lowest performance in identifying landslides (0.881) in the study area. Finally, the results of the study showed that the landslides that occurred on the Baneh-Marivan road are caused by environmental factors. It can also be acknowledged that the landslide risk prediction map provided by advanced data mining algorithms can help managers of natural hazards in different organizations as a suitable scientific solution.

The aim of this study was to zoning the landslide risk along the Divandereh-Sanandaj mountain communication road in Kurdistan province.. The road from Divandere to Sanandaj is very sensitive to landslides and damages the road, leading to sedimentation and its threats continue in the future. In order to reduce the damage of this phenomenon, scientific evaluation of these landslide sensitive areas is necessary. The location of landslides around the road with an area of one kilometer from the center of the road and an area of 17,461 hectares was recorded with the help of satellite images and control and visit of these points during field operations. Fourteen factors influencing the occurrence of landslides include layers: petrology, slope degree, slope direction, land use, distance from the waterway, waterway density, normal slope curvature shape, slope transverse curvature shape, slope longitudinal curvature shape, distance from Fault, fault density, distance from the road, annual rainfall and altitude were identified as effective factors in the occurrence of landslides in the study area and were used to prepare a landslide sensitivity map of the study area. The spatial coordinates of 32 landslide points were recorded in the study city. About 30% of the recorded landslides (9 landslides) as experimental landslides were isolated completely randomly and the remaining 23 landslides were entered as analyzes as educational landslides. In the method of frequency ratio of values and weights assigned to each factor was done using statistical calculations in Excell software and after algebraic addition of all layers using raster calculations; Landslide susceptibility map was prepared by frequency ratio method. In logistic regression method, after conducting step-by-step regression analyzes, five effective factors in landslide occurrence among fourteen factors including: normal slope curvature shape, height, land use, slope longitudinal curvature shape and waterway density due to mean Ownership was statistically selected. The program related to the random forest algorithm was written under a main program in R software environment and after running the weights model, it entered ArcGS 10.3 environment and a landslide hazard zoning map was prepared. The mean reduction of accuracy and the mean Gini reduction were used to determine the priority of the effect of each of the effective factors and the factors: distance from road, waterway density, land use and lithology were the most effective and factors for slope, fault density, vertical curvature, density, respectively. Fault, rainfall and slope had the least effect on landslides in the study area. The prediction accuracy of different models used in this study was measured using the ROC subscript level. The area under the ROC curve in the frequency ratio (FR) method was equal to 0.975 and obtained the highest value. And the random forest method with the amount of area under the ROC curve equal to 0.938 showed very acceptable estimates in landslide zoning of the study area. The area under the curve for the logistic regression model was 0.802 and shows acceptable accuracy. The models used in this research in combination with GIS for landslide zoning are simple, accurate and fast and will greatly help designers and decision makers in crisis management issues.

The aim of this study is to zoning the landslide risk along the Buchan-Sardasht mountain road of West Azerbaijan province that by using Geographic information system (GIS) and remote sensing techniques were performed. The road connecting Bukan to Sardasht is very sensitive to landslides and so far the road has been damaged, leading to sedimentation and its threats will continue in the future. In order to reduce the damage of this phenomenon, scientific evaluation of these landslide sensitive areas is necessary. The location of landslides around the road with an area of one kilometer from the center of the road and with an area of 25,465 hectares was recorded with the help of satellite images and control and visit of these points during field operations. Twelve factors influencing the occurrence of landslides include layers: litology, slope degree, slope aspect, NDVI, distance from stream, normal slope curvature shape, plan curvature, profile curvature, distance from fault, Distance from the road, annual rainfall and elevation were identified as effective factors in the occurrence of landslides in the study area and were used to prepare a landslide sensitivity map of the study area. The spatial coordinates of 109 landslide points were recorded in the study area. About 30% of the recorded landslides (32 landslides) as test landslides were isolated completely randomly and the remaining 77 landslides were entered as analyzes as training landslides. In the Evidence Weighting (WOE) method, the values of information value and weights assigned to each factor were performed using statistical calculations in Excell software, and after algebraically adding all the layers using raster calculations; Landslide susceptibility map was prepared by WOE method. In the definitive evidence function method, first the Bel or degree of confidence, Dis degree of uncertainty, Unc degree of uncertainty and Pls degree of reasonableness were prepared. The data extracted from the EBF predict the spatial correlation between the effective factors and the landslide occurrence and the spatial correlation between the classes of each of the effective factors. The model relationship parameters were used by the equations to integrate the Bel (Disbelief), Dis (Belief), Pls (Probability) and Unc (Uncertainty) layers. The prediction accuracy of different models used in this study was measured using the ROC subscript level. The area under the ROC curve in the definitive evidence weight (EBF) method was equal to 0.910 and obtained the highest value. And the weighted evidence method with the value of the area under the ROC curve equal to 0.893 showed very acceptable estimates in the landslide zoning of the study area. Considering the experimental landslides located in the landslide susceptibility classes, it reveals the fact that with the increase of landslide susceptibility classes in both methods, the density of landslides in these areas has increased significantly. This is despite the fact that experimental landslides have not played a role in the modeling and confirm the accuracy of the zoning map. The data mining models used in this research in combination with GIS to zoning landslide areas are simple, accurate and fast and will greatly help designers and decision makers in crisis management issues.

In most cities, due to population growth and unprincipled increase in urban growth on the one hand and on the other hand the lack of appropriate allocation of space and optimal location of service and physical elements of the city, especially the need for quick access to hospitals and the number of factors in locating these centers. Increasingly, there are problems for the city and the citizens. The appropriate and optimal location of the new hospital increases the quick and easy access and the proximity to the population distribution centers reduces the number of casualties. In this research, using a decision-making method FUZZY and AHP, the optimal location of the hospital in Sanandaj in 16 parameters of urban traffic, distance from residential centers, distance from main roads, distance from green space, distance from business centers, distance from training Distance from industrial centers, Distance from fire centers, Distance from hospital and emergency centers, Distance from military centers, Urban facilities, Distance from fault, River, Land slope, Cemetery. This research is based on the studies and surveys done, firstly, to identify the most important criteria affecting the location of hospital centers, secondly, by using the hierarchical analysis method of AHP and FUZZY , by using the geographic information system, identifies the suitable locations of the hospital centers, taking into account the risk perspective in the studied area, and further, a suitable location for the construction of a city hospital, finally, combining the results with the information layers of the city. Sanandaj was divided into 9 categories from excellent to poor in order to choose the optimal location for the construction of the hospital . The obtained results show that the location of the hospital in the study area is not suitable with the distribution of the population and the way and time of access and because most of the hospitals are concentrated in the outskirts of the city and on the other hand with the method FUZZY location of the existing hospital in Sanandaj has a better efficiency than the AHP method .

The aim of this study is to investigate the geomorphological hazards of Kamyaran city with emphasis on slope movements (landslides) and to investigate and identify the factors affecting the creation of landslide and their effectiveness. Kamyaran city is located in mountainous areas with many structural elements and high lithological diversity and is very sensitive to landslides. In order to reduce the damage of this phenomenon, scientific evaluation of these landslide sensitive areas is necessary. The location of landslides in Kamyaran city in Kurdistan province with an area of 2055 square kilometers was recorded with the help of satellite images and controlling and visiting these points during field operations. Fifteen factors influencing the occurrence of landslides include layers: litology, slope degree, Aspect, land use, distance from stream, stream density, normal slope curvature shape, plan curvature shape, profile curvature shape, Fault distance, fault density, road distance, road density, annual rainfall and elevation have been identified as effective factors in the occurrence of landslides in the study area and to prepare a landslide susceptibility map. The study area was used. The spatial coordinates of 103 landslide points were recorded in the study city. About 30% of the recorded landslides (31 landslides) as test landslides were completely randomly isolated and the remaining 72 landslides as training landslides were entered into the analyzes. The relationship between different factors influencing the occurrence of landslides with educational landslides was determined using the frequency of landslides in each class. Landslide susceptibility map was prepared by two methods of logistic regression and network analysis. After performing advanced step-by-step logistic regression analyzes, four effective factors in landslide occurrence were selected from fifteen factors including: rainfall, waterway density, slope direction and fault density due to their statistically significant significance. In ANP method, a two-layer network model consisting of target layer and criteria layer was designed and organized. Then, the pairwise comparison of the clusters using the relationships obtained from the questionnaire and Dimatel technique, which was prepared by experts and experts in the field of landslides, was performed in the Super Decision software environment. The coefficients of each of the effective elements in the landslide were obtained. The two factors of rainfall and land use with 0.791 and 0.648, respectively, had the highest weight. The lowest assigned weight was related to the factor for slope slope with a weight of 0.038. Landslide susceptibility map was prepared by two methods of logistic regression (LR) and network analysis (ANP) and were classified into different classes of sensitivity. In order to validate and compare the results of these two methods, the amount of experimental landslide density in the occurrence sensitivity classes (SCAI method) and the surface area method under the relative factor properties curve (ROC) were used. The area under the ROC curve in the logistic regression method was equal to 0.938 and obtained the highest value and the network analysis method with the area under the ROC curve equal to 0.783 acceptable predictions in landslide sensitivity The study showed itself. Considering the experimental landslides located in the landslide susceptibility classes, it reveals the fact that with the increase of landslide susceptibility classes in both methods, the density of landslides in these areas has increased significantly. The probabilistic and statistical models used in this research in combination with GIS to sensitize landslide areas are simple, accurate and fast and will greatly help designers and decision makers in crisis management issues.

The purpose of this study is spatial analysis of geomorphological hazards with emphasis on slope movements (landslides) in Sanandaj city, Kurdistan province. This was done using Weight of Evidence (WOE) and Evidential Belief Function (EBF) methods using GIS and remote sensing techniques. The city of Sanandaj is very sensitive to landslides and has caused numerous damages so far and its threats will continue in the future. In order to reduce the damage of this phenomenon, scientific evaluation of these landslide sensitive areas is necessary. Landslide location of Sanandaj city in Kurdistan province with an area of 3637 square kilometers was recorded with the help of satellite images and control and visit of these points during field operations, in addition to fifteen factors affecting the occurrence of landslides including layers : Litology, slope degree, Aspect, land use, distance from stream, stream density, normal slope curvature shape, plan curvature shape, profile curvature shape, distance from fault, fault density, distance from road Road density, annual rainfall and altitude were identified as effective factors in the occurrence of landslides in the study area and were used to prepare a landslide susceptibility map of the study area. The spatial coordinates of 144 landslide points were recorded in the study city. About 30% of the recorded landslides (44 landslides) as experimental landslides were completely randomly isolated and the remaining 100 landslides as training landslides were entered into the analyzes. In the Evidence Weighting (WOE) method, the values of information value and weights assigned to each factor were performed using statistical calculations in Excell software, and after algebraically adding all the layers using raster calculations; Landslide susceptibility map was prepared by WOE method. In the method of definitive evidence function, first the indices of Bel or degree of confidence, Dis degree of uncertainty, Unc degree of uncertainty and Pls degree of reasonableness were prepared in the range of zero to one. The data extracted from the EBF predict the spatial correlation between the effective factors and the landslide occurrence and the spatial correlation between the classes of each of the effective factors. The model relationship parameters were used by the equations to integrate the Bel (Disbelief), Dis (Belief), Pls (Probability) and Unc (Uncertainty) layers. The prediction accuracy of the different models used in this study was measured using the ROC subscript level and the SCAI index. The area under the ROC curve in the definitive evidence weighting (EBF) method was equal to 0.978 and obtained the highest value. And the incident weight method with the area under the ROC curve equal to 0.945 showed very acceptable predictions in landslide sensitivity of the study area. Considering the experimental landslides located in the landslide susceptibility classes, it reveals the fact that with the increase of landslide susceptibility classes in both methods, the density of landslides in these areas has increased significantly. However, experimental landslides did not play a role in the modeling. In both methods, the weight of evidence and the definitive evidence function are based on the results of the SCAI validation model, which shows landslide density in each zone; High and very high risk zones show low SCAI and very low risk zones show higher SCAI and confirm the accuracy of the prepared landslide susceptibility map.

تغییراقلیم، افزایش جمعیت و نیاز روزافزون به منابع آبی موجب اهمیت بیشتر منابع برفی درکره زمین شده است. بررسی وضعیت پوشش برف و تغییرات احتمالی ناشی از تغییرات اقلیمی موضوعی حیاتی و مهم می‌باشد. در این پژوهش با استفاده از دو محصول 8 روزه MOD10A2 و یک ماهه MOD10cm سنجنده MODIS وضعیت پوشش برف حوضه‌سفیدرود و 11 زیرحوضه آن در بازه زمانی 2019 – 2000، ماندگاری پوشش برف، روند تغییرات گستره پوشش برف، تأثیر احتمالی پارامترهای اقلیمی بر این تغییرات و پیش‌بینی آینده پوشش برف بررسی شده ‌است. برای بررسی روند تغییرات پوشش برف در سطح حوضه و زیرحوضه‌ها از آزمون آماری ناپارامتریک من-کندال اصلاح شده و برای برآورد نرخ تغییرات از تخمین‌گر شیب Sen بهره‌ گرفته‌ شد. سپس بر اساس پارامترهای اقلیمی داده‌های دوره پایه 2005 – 2000 مدل CanESM2 از گزارش پنجم تغییر اقلیم (CMIP5) و با بکارگیری مدل ریزمقیاس‌نمایی آماری SDSM، پارامترهای اقلیمی مؤثر بر تغییرات پوشش برف 26 نقطه از سطح حوضه مورد مطالعه تعیین شدند. نهایتا" بر اساس نتایج مدل SDSM، داده‌های مدل CanESM2 و طبق سناریوهای گزارش پنجم تغییر اقلیم، پوشش برف 26 نقطه فوق برای سالهای 2100 – 2006 محاسبه و برای اعتبارسنجی مدل نتایج سالهای 2019 – 2006 با پوشش برف بدست آمده از تصاویر ماهواره‌ای مقایسه شد. طبق نتایج بدست آمده سال آبی 2007 – 2006 دارای بیشترین گستره برف و سال آبی 2010 – 2009 دارای کمترین مقدار پوشش برف در بین سالهای آماری بوده‌ و در بیشتر سالها ماه ژانویه در بین همه ماهها دارای بیشترین پوشش برف بوده است. نتایج آزمون من-کندال اصلاح شده نشان داد که پوشش برف سالانه در طول دوره آماری در بیشتر زیرحوضه‌ها کاهشی بوده است. از نظر فصلی فصل زمستان در بیشتر زیرحوضه‌ها روند کاهشی دیده می‌شود و نرخ کاهش آن از نرخ کاهش سالانه بیشتر است. روند کاهش گستره پوشش برف در فصل بهار و پاییز نسبت به زمستان به مراتب کمتر است. روند تغییرات در ماهها مانند فصلها بوده بدین صورت که ماههای دسامبر، ژانویه و فوریه مشابه فصل زمستان کاهشی بوده است. البته این روند تغیرات در زیرحوضه‌های مختلف حوضه براساس شرایط جغرافیایی و توپوگرافی آنها متفاوت است. از نظر مکانی، تغییرات گستره برف نشان داد که با وجود کاهش برف، تغییرات مکانی در پوشش برف مشاهده نمی‌شود و روابط بین پوشش برف حداکثر با ارتفاع در طول دوره آماری تقریبا" ثابت بوده است. بررسی ماندگاری برف با محاسبه شاخص پوشش برف SCI نشان داد که برف در سطح حوضه در حدود 50 درصد از سال ماندگاری دارد. بررسی تأثیر پارامترهای اقلیمی CanESM2 بر پوشش برف نشان داد که در همه 26 نقطه سطح حوضه، تعدادی از پارامترهای اقلیمی به‌ویژه درجه حرارت و سرعت باد بر روند تغییرات پوشش برف تأثیرگذار بوده‌اند. بنابراین برای پیش‌بینی پوشش برف سالهای آتی از داده‌های اقلیمی براساس سناریوها استفاده شد که طبق سناریوی RCP2.6 روند پوشش برف در آینده افزایشی و براساس دو سناریوی RCP4.5 و RCP8.5 (به‌ویژه RCP8.5) به شدت کاهشی خواهد بود. نتایج حاصل از اعتبارسنجی مدل و مقایسه با داده‌های ماهواره‌ای نشان داد که دقت مدل ریزمقیاس‌نمایی SDSM در پیش‌بینی پوشش برف قابل قبول است.

Landslides are natural disasters that cause a lot of financial and life losses in the country, annually. Identifying high risk areas can reduce the damages and be effective on land development policies. The aim of this study was to maping the landslide hazard of Sanandaj-Marivan road in Kurdistan province. In first step, the technique used in this study was differential artificial valve interferometry. 44 landslides were detected in the study area using radar images. In order to check and validate the final map of landslide distribution points, Google Earth software was used. The location of the landslides detected was also investigated using GPS and field navigation and another 29 landslides were identified according to field studies. In the second step, advanced data mining algorithms including evidential belief function (EBF), weighted evidence (WOE) and support vector machine (SVM) were used to landslide risk mapping. Firstly, 73 locations of landslides were categorized into two groups of 70% (51 locations) and 30% (22 locations), randomly, for training and validation processes, respectively. Totally, 14 landslide conditioning factors including slope, aspect, elevation, distance to river, distance to road, river density, distance to fault, rain, normalized difference degetation index, land use, slope curvature, lithology, stream power index (SPI) and topographic wetness index (TWI) were obtained from various data sources to landslide hazard mapping. Subsequently, the resulting three models were validated and compared using some statistical metrics including area under the receiver operating characteristics (AUROC) curve. The AUC results introduced the success rates of 0.538, 0.717 and 0.97 for EBF, WOE and SVM, respectively. Therefore, the SVM model, having the highest AUC, was the most accurate method among the three implemented methods in identifying the regions at risk of future landslides in the study area. In general, it can be said that a rigorous spatial forecasting map can help managers and urban planners in identifying landslide sensitive areas for disaster management.

Landslides are among the most complex and at the same time harmful phenomena that due to their occurrence and emergence, masses of slopes are displaced from sloping surfaces and leave effects on the surface of slopes. Occurrence of such phenomena near tolls such as residential areas, roads, etc. causes a lot of financial and human losses. The purpose of this study is to identify and zoning landslide hazard on the mountainous road Tahm-Chorzeq in Zanjan province using satellite images and advanced data mining algorithms. Factors influencing landslide occurrence considered in this study include precipitation, slope curvature, slope direction, slope, height, distance from road, distance from river, distance from fault, waterway density, lithology, soil texture, land use, TWI, SPI, and NDVI. After collecting the required information and layers, 38 landslide points were identified using satellite images, then by land survey of these 38 points, 25 The point was confirmed and the rest of the points were removed and in the same survey new points were collected and the total points were identified to 150 points. Landslide positions were randomly divided into two groups of 70% (105) and 30% (45), respectively. Divided for modeling and validation. Using the models of definitive evidence functions (EBF), statistical index (SI) and weighted evidence (WOE), the landslide map of Tham-Chorzeq road was prepared. In order to evaluate the performance of the models, the area below the AUC diagram obtained from the ROC curve was used. According to the evaluation criteria used in this study (ROC) and according to the validation data, the conclusive evidence model EBF (0.850) had the best performance in landslide potential in the area and then to The SI statistical index model (0.740) and the WOE weighted evidence model (0.704) had the lowest performance in landslide potential detection in the study area, respectively. Finally, the results of the study showed that landslides on the Tham-Chorzeq road due to environmental factors include land use change and distance from the road. It can also be acknowledged that landslide risk prediction maps provided by advanced data mining algorithms can be a great scientific solution to help natural disaster managers in various organizations.

Qorveh dehgolan plain is one of the largest plains in Kurdistan province. Which is due to the suitable material of geological formations and the amount of adegute nutrition due to rainfall, the formation of groundwater resources with appropriate quantitative and agriculture in this plain. Over time and through the development of operation groundwater especially in the agricaltural sector, the groundwater level in this plain has dropped and has caused an increase in heavy metals, especially arsenic. Therefore, the purpose of this study is to evaluate and perform models of evidential belief function, weights of evidenc and logistic regression, in order to spatially predict heavy metals in groundwater in the study area. Also 10 factors slope, aspect, elevaition, distance to river, river density, flow Accumulation, landuse, slope curvature, lithology and rainfall heavy metals in groundwater were considered for spatial prediction. Finally, the validation of the models used to investigate the spatial distribution of arsenic using the ovelap of arsenic concentration in observation wells with spatial distribution maps of arsenic were evaluated. the results showed that the map of the spatial distribution of arsenic in groundwater using the mode logistic regression due to showing a higher amount of arsenic concentration (ppm 2869/53) in high and very high sencitivity classes has better predictive power and performance than the two models weighte of evidenc and evidential belief fanction.Finally,it can be concluded that achieving a precise spatial prediction map of arsenic in the study area can help local managers and planners in identifying arsenic sensitive areas to manage the crisis of susceptible areas.

Depressions due to sinkhole formation cause significant structural damages to buildings and civil infrastructure. The main purpose of this study was evaluation the performance of the weights-of-evidence (WOE) and the evidential belief function (EBF) to Sinkholes hazard mapping in the Famenin – Kabudrahang Plain of Hamadan. This study maps the sensitivity of the Famenin – Kabudrahang Plain to Sinkholes hazard using Weighted Factors or Weighted of Evidence (WOE) and evidential belief function (EBF) based on Geographic Information System (GIS), that in which the geographical location of the 34 Sinkholes identified in the study area was randomly divided into one group (70%) for calibration and another group (30%) for validation. Both models have paid attention to 11 factors influencing sinkhole which include: Slope, slope direction, digital elevation model, fdistance to river, land use, lithology, distance to fault, distance to road, sediment thickness, alkalinity and groundwater level decline in the area. According to the EBF model, %79 of the area is in the medium to high-risk class and according to the WOE model, about %78.7 of the area is in the medium to high-risk class. ROC curve was used to validation of Sinkholes hazard prediction maps. Between the two models of WOE and EBF, the highest accuracy was for the EBF model (0.91). Therefore, in terms of Sinkholes hazard potential mapping, the EBF model performs better than the WOE model.

Landslide susceptibility mapping is a prerequisite for preventing and mitigating hazardous risks, especially inlandslide-prone mountainous areas. As one of the devastating natural disasters, landslide may induce significant losses of propertiesand lives area-wide, and generate dramatic damages to transportation network infrastructure. Therefore, the main aim of the present study is Spatial prediction of landslide risk on Saqez-Marivan road using spatial forecasting models including Fuzzy Network Analysis (FANP) and Fuzzy TOPSIS (FTOPSIS). Firstly, 64 locations of landslides were obtained from field surveys. Totally, 11 landslide conditioning factors including Slope, slope direction, digital elevation map (DEM), lithology, land use, distance from fault, distance from waterway or river, distance from road, soil type, slope curvature and rainfall were obtained from various data sources to landslide hazard mapping. Subsequently, the resulting two models were validated and compared using some statistical metrics including area under the receiver operating characteristics (AUROC) curve. The AUC results introduced the success rates of 0.918 and 0.882 for FTOPSIS and FANP, respectively. Therefore, the FTOPSIS model, having the highest AUC, was the most accurate method among the two implemented methods in identifying the regions at risk of future landslides in the study area. In general, it can be said that a rigorous spatial forecasting map can help managers and urban planners in identifying landslide sensitive areas for disaster management.

Flood is a natural phenomenon that causes heavy human and financial losses every year and human societies have accepted it as an inevitable event. In addition, awareness of the situation and knowledge of flood areas, assisstance to planning to optimize the use of natural resources and reduce financial losses to various sectors. The present study was conducted in Saqqz city to flood hazard mapping. After selecting the most important criteria and factors, the conditioning factors were classified based on different sources. Then the flood points of the city were identified by GPS from the city level. In the current study, 93 flood points were selected, of which 65 points were determined for test and 31 points for validation. Accordingly, two methods of Weights of Evidence (WoE) and evidence belief function (EBF) were used for flood mapping. To validation ov these methods, ROC diagram and level criterion below this diagram were used. The results showed that the WOE method had the best performance with the area below the curve of 0.922. After this model, EBF is in the next rank with AUC 0.901. Both models with an AUC above 0.9 had excellent performance in flood mapping. The results also showed that one factor alone does not indicate in floodin of region.

وقوع رخداد زمین لغزش در مناطق کوهستانی ممکن است به زیرساخت ها جاده ها آسیب جدی وارد می کند ، همچنین ممکن است به مرگ و میر انسان ها منجر شود. بنابراین هدف از انجام این مطالعه، ارزیابی و مقایسه سه الگوریتم پیشرفته داده کاوی شامل جنگل تصادفی (RF)، درخت تصمیم (DT) و ماشین بردار پشتیبان (SVM) به منظور پهنه بندی خطر زمین لغزش در مسیر کامیاران-سروآباد در استان کردستان می باشد. ابتدا، 64 زمین لغزش با استفاده از پیمایش میدانی شناسایی شدند. سپس، این نقاط به طور تصادفی به منظور تهیه مدل و اعتبار سنجی به ترتیب به دو گروه آموزش (70 درصد، 45 نقطه) و اعتبارسنجی (30 درصد، 19 نقطه) تقسیم شدند. در مجموع 14 پارامتر شامل شیب، جهت شیب، ارتفاع، فاصله از آبراهه، فاصله از جاده،تراکم رودخانه، فاصله از گسل، تراکم گسل، تراکم جاده، کاربری اراضی، انحنای شیب، لیتولوژی ، شاخص توان آبراهه (SPI) و شاخص رطوبت توپوگرافی (TWI) به منظور پهنه بندی خطر زمین لغزش استفاده شدند. در نهایت، عملکرد مدل ها با استفاده از منحنی ROC مورد بررسی قرار گرفت. نتایج تحلیل منحنی ویژگی عملگر نسبی نشان داد که مدل های درخت تصمیم، جنگل تصادفی و ماشین بردار پشتیبان به ترتیب دارای مقدار AUC برابر 94/0، 82/0 و 75/0 می باشند؛ بنابراین مدل درخت تصمیم نسبت به جنگل تصادفی و ماشین بردار پشتیبان دارای بالاترین مقدار AUC بوده و بهترین مدل برای پیش بینی خطر زمین لغزش در آینده در منطقه مورد مطالعه می باشد. در پایان، می توان نتیجه گرفت که دستیابی به یک نقشه پیش بینی مکانی دقیق و معقول می تواند به مدیران و برنامه ریزان شهری در شناسایی مناطق حساس به وقوع زمین لغزش جهت مدیریت بحران نواحی مستعد کمک شایانی بنماید.

زمین لغزش ها از جمله بلایای طبیعی هستند که سالانه خسارت های مالی و جانی زیادی را در کشور ایجاد می کنند. شناخت مناطق پرخطر می تواند در کاهش خسارت ها و تصمیم گیری در سیاست های توسعه اراضی مؤثر باشد. هدف این مطالعه، پهنه بندی خطر زمین لغزش محدوده جاده ارتباطی سنندج-کامیاران در استان کردستان بود. تکنیک مورد استفاده در این پژوهش، تداخل سنجی دریچه مصنوعی تفاضلی بود. در این مطالعه با استفاده از دو تصویر SAR و یک تصویر DEM، تداخل نگارها ایجاد شدند. تصاویر رادار مورد استفاده به صورت SLC سفارش داده شدند. با ارسال پروپوزال به سازمان فضایی اروپا و موافقت این سازمان، داده های راداری فراهم شد. 25 زمین لغزش در منطقه مورد مطالعه با استفاده از تصاویر راداری شناسایی شدند. به منظور بررسی و صحت سنجی نقشه نهایی نقاط پراکنش زمین لغزش از نرم افزار گوگل ارث استفاده شد. همچنین موقعیت زمین لغزش های شناسایی شده با استفاده از GPS و پیمایش میدانی مورد بررسی قرار گرفتند. 25 زمین لغزش در منطقه مورد مطالعه با استفاده از تصاویر راداری شناسایی شدند. در نهایت، روایی و صحت دقیق مکانی نقاط زمین لغزش اتفاق افتاده در طول جاده مورد مطالعه با استفاده از تصاویر گوگل ارث تایید شد. تهیه نقشه زمین لغزش های اتفاق افتاده با استفاده از روش پیمایش میدان به ویژه در مناطق مرتفع، دشوار می باشد. زمین لغزش هایی که در مناطق مرتفع اتفاق می افتند به دلیل شناسایی نشدن، از بین می روند؛ بنابراین توصیه می شود، شناسایی زمین لغزش های اتفاق افتاده با استفاده از تصاویر ماهواره ای با وضوح بالا انجام شود.

زمین لغزش ها از جمله بلایای طبیعی هستند که سالانه خسارت های مالی و جانی زیادی را در کشور ایجاد می کنند. شناخت مناطق پرخطر می تواند در کاهش خسارت ها و تصمیم گیری در سیاست های توسعه اراضی مؤثر باشد. هدف این مطالعه، پهنه بندی خطر زمین لغزش محدوده جاده ارتباطی سنندج-کامیاران در استان کردستان می باشد. در این پژوهش، پهنه بندی خطر زمین لغزش با استفاده از دو مدل تابع شواهد قطعی (EBF) و شواهد وزنی (WOE) انجام شد. ابتدا، 79 زمین لغزش با استفاده از پیمایش میدانی شناسایی شد. سپس، این نقاط به طور تصادفی به منظور تهیه مدل و اعتبار سنجی به ترتیب به دو گروه، گروه آموزش (70 درصد، 55 نقطه) و گروه اعتبارسنجی (30 درصد، 24 نقطه) تقسیم شدند. در این مطالعه با توجه به مطالعات قبلی و شرایط منطقه، فاکتورهای درصد شیب، جهت شیب، ارتفاع، فاصله از رودخانه، تراکم رودخانه، فاصله از گسل، فاصله از جاده، کاربری اراضی، جنس خاک، انحنای شیب، لیتولوژی، شاخص تفرق پوشش گیاهی ((NDVI، شاخص توان آبراهه (SPI) و شاخص رطوبت توپوگرافی (TWI) برای پهنه بندی پتانسیل خطر زمین لغزش در نظر گرفته شدند. همچنین، با استفاده از منحنی ویژگی عملگر نسبی (ROC)، عملکرد هر دو مدل بررسی شد. نتایج تحلیل منحنی ویژگی عملگر نسبی نشان داد که مدل های WoE و EBF به ترتیب دارای مقدار AUC برابر 89/0 و 79/0 می باشند؛ بنابراین مدل WoE نسبت به EBF دارای بالاترین مقدار AUC بوده و بهترین مدل برای پهنه بندی پتانسیل خطر زمین لغزش در آینده در منطقه مورد مطالعه می باشد. در نهایت نتایج مطالعه نشان داد که الگوریتم های پیشرفته داده کاوی بنا به ساختاری که دارند از دقت کافی در پیش بینی مکانی حرکات دامنه ای در منطقه مورد مطالعه برخوردار هستند. همچنین می تواند گفت که دستیابی به یک نقشه پیش بینی مکانی دقیق و معقول می تواند به مدیران و برنامه ریزان شهری در شناسایی مناطق حساس به وقوع زمین لغزش جهت مدیریت بحران نواحی مستعد کمک شایانی بنماید

مخاطرات سیلاب، یکی از وقایع فاجعه آفرین دنیا می باشد که منشأ آب و هوایی هیدرولوژیکی داشته است و به وضعیتی گفته می شود که در آن جریان رودخانه و سطح آب به-صورت ناگهانی افزایش پیدا می کند و باعث خسارت های جانی و مالی می گردد. ایران، همه ساله شاهد وقوع مخاطره ی سیلاب با شدت مختلف است، این کشور دارای اقلیم خشک و نیمه-خشک بوده و بارش اندک و غالباً رگباری سالیانه آن از لحاظ زمانی و مکانی توزیع یکنواختی ندارد. هدف از این مطالعه، پهنه بندی خطر سیلاب در شهر ایلام با استفاده از مدل های پیش-بینی کننده ی مکانی می باشد. فاکتورهای مؤثر بر وقوع سیل که در این مطالعه در نظر گرفته شدند، شامل شیب، جهت شیب، ارتفاع، فاصله از رودخانه، تراکم آبراهه، شاخص رطوبت توپوگرافی، شاخص قدرت توان جریان، انحنای شیب، لیتولوژی، خاک شناسی، کاربری اراضی و میزان بارندگی است. پس از جمع آوری اطلاعات و لایه های مورد نیاز، نقاط سیل گیر که 126 نقطه بودند شناسایی شدند. موقعیت های سیل گیر به صورت تصادفی به دو گروه 70 درصد (89) و 30 درصد (37) به ترتیب برای مدل سازی و اعتبار سنجی تقسیم شدند. به کمک مدل های تابع شواهد قطعی (EBF)، شواهد وزنی (WOE) و لجستیک رگرسیون (LR)، نقشه ی پهنه بندی خطر سیلاب شهر ایلام تهیه شد. نقشه های حساسیت به وقوع سیل تهیه شده، به 5 کلاس خیلی کم، کم، متوسط، زیاد و خیلی زیاد طبقه بندی شدند. برای ارزیابی عملکرد مدل-ها، از سطح زیر نمودار AUC به دست آمده از منحنی ROC استفاده گردید. با توجه به معیار ارزیابی مورد استفاده در این مطالعه (ROC) و با توجه به داده های اعتبارسنجی، مدل تابع شواهد قطعی EBF (914/0) در پتانسیل یابی سیل خیزی در منطقه ی مورد نظر دارای بهترین عملکرد بود و بعد از آن به ترتیب مدل لجستیک رگرسیون LR(896/0) و شواهد وزنی WOE (874/0) دارای کمترین عملکرد در پتانسیل یابی سیل خیزی در منطقه ی مورد مطالعه بودند. در نهایت، نتایج مطالعه نشان داد که سیل خیزی شهر ایلام ناشی از عوامل محیطی شامل شیب زیاد و تغییر کاربری اراضی است که بر اساس نقشه ی پیش بینی خطر سیل ارائه شده، می توان در آینده اقدامات مدیریتی مناسبی را جهت کاهش خسارت ها و تلفات ناشی از سیل انجام داد.

رواناب و سیلاب یکی از مهم ترین و پرحادثه ترین مخاطرات طبیعی هستند که در سال های اخیر تکرار و شدت وقوع آن بیشتر نیز شده است. رواناب هایی که منجر به سیلاب می شوند بالاترین تلفات جانی را به همراه دارند. هدف از انجام این پژوهش مقایسه سه روش Composite-CN ، SARA-CN و روش جدولی شماره منحنی سازمان منابع طبیعی حفاظت خاک، جهت تخمین مقدار CN در دو زیرحوضه شاهد و نمونه از حوضه معرف زوجی خامسان در استان کردستان می باشد .در این مطالعه از تصاویر ماهواره ای لندست 7 و 8 در سال های 2010، 2011، 2012، 2013 و 2016 برای حوضه های زوجی شاهد و نمونه در سال های مذکور استفاده شد. در این خصوص جهت دستیابی به نقشه های شماره منحنی دو زیرحوضه از داده-های سنجش از دور و سامانه اطلاعات جغرافیایی نقشه های کاربری اراضی و شاخص تفاوت تراکم پوشش گیاهی (NDVI) و نقشه خاک استفاده گردید. دقت روش های مذکور با استفاده از شاخص های انحراف مطلق میانگین (MAD)، خطای میانگین مربعات (MSE)، خطای جذر میانگین مربعات (RMSE) و درصد میانگین مطلق خطا (MAPE) تعیین شدند. نتایج نشان داد که در حوضه شاهد، روش کامپوزیت به ترتیب با مقادیر خطای 02/16، 208/305، 47/17 و 09/19 و نیز در حوضه نمونه این روش به ترتیب با مقادیر خطای 48/16، 35/363، 06/19 و 95/18 از دقت بالاتری نسبت به سایر روش ها برخوردار شد. با این حال، نتایج نشان داد در سطح 95 درصد آماری شواهدی مبنی بر پذیرفتن فرض صفر وجود نداشته و روش های استفاده شده برای برآورد شماره منحنی در منطقه مورد مطالعه قابل اعتماد نیستند.. در نهایت، نتایج بیانگر این مطلب است که قبل از استفاده از روش های مطالعه شده، شماره منحنی باید به منظور برآورد رواناب با دقت بیشتر کالیبره شود.

براساس مستندات 90 درصد از تلفات جانی بلایا، درسطح جهانی مربوط به بلایای طبیعی است. بیشتر این تلفات، فقرا را در بر می گیرد. در کشورهای توسعه یافته و درحال توسعه، فقر منجر به زندگی مردم در مکان هایی می شود که احتمال رویداد بلایای طبیعی بیشتر است. مکان هایی مانند سکونتگاه های حاشیه ای و نامتعارف شهری که پایگاهی مسکونی برای فقرا هستند. این سکونتگاه ها در شهر سنندج، متشکل از روستاها و نواحی منفصل شهری است که باتوجه به مسائل و مشکلات بسیار، پذیرای مهاجران و افرادی است که به دلایل مختلف از جمله توان اقتصادی ضعیف، توان جذب شدن در نظام رسمی شهری را ندارند و در کنار هم هلال فقری را شکل داده اند که در وضع موجود و با فرض پیشروی با شرایط کنونی تهدیدی جدی برای شهر و ساکنان این سکونتگاه ها محسوب می شود. این مناطق به لحاظ ماهیت سکونتگاهی و محل تمرکز انسانی، بیشترین ریسک و احتمال خسارت فیزیکی ناشی از وقوع بلایا را داراست. از میان این بلایای طبیعی، سیل دومین بلای طبیعی است که سالانه خسارات زیادی را به جوامع انسانی وارد می کند و به دلیل تغییرات اقلیمی در سال های اخیر نمود بیشتری یافته است. هدف از این مطالعه پیش بینی میزان حساسیت سکونتگاه به مخاطره سیلاب در نواحی منفصل شهری سنندج با استفاده از مدل های مخاطراتی در محیط GIS است. فاکتورهای موثر بر وقوع سیل در این مطالعه شامل ارتفاع، جهت شیب، درصد شیب، انحنای شیب، جنس خاک، زمین شناسی، کاربری اراضی، فاصله از معابر و تراکم آن ها، فاصله از ساختمان و تراکم ساخت، میانگین بارش باران، فاصله از رودخانه، تراکم آن ها و جریان تجمعی هستند که پس از جمع آوری لایه های مربوطه، به کمک الگوریتم های تابع شواهد قطعی(EBF)، شواهد وزنی(WOE) و رگرسیون لجستیک (LR)، نقشه پیش بینی مکانی وقوع سیلاب در محدوده مطالعاتی تهیه شد. به منظور ارزیابی عملکرد مدل، از سطح زیر نمودار AUC) در منحنی ROC برای داده های اعتبار سنجی استفاده شد که در نتیجه آن، مدل رگرسیون لجستیک (0.93- همبستگی عالی) دارای بهترین عملکرد و تابع شواهد قطعی(0.81- همبستگی خیلی خوب) دارای کمترین عملکرد بود. نتایج مطالعه نشان داد که سیل خیزی نواحی منفصل و شهر سنندج ناشی از برآیند عوامل طبیعی و انسانی است که بر اساس نقشه پیش بینی حساسیت به وقوع سیل ، حدود 36 درصد از سطح محدوده مطالعاتی و 38 درصد از جمعیت ساکن آن در خطر زیاد و خیلی زیاد قرار گرفته است که می توان اقدامات مدیریتی مناسب جهت کاهش خسارات احتمالی انجام داد.

Whether they occur due to natural triggers or human activities, landslides lead to loss of life and damages to properties which impact infrastructures, road networks and buildings. Landslide Susceptibility Map (LSM) provides the policy and decision makers with some valuable information. This study aims to detect landslide locations by using Sentinel-1 data, the only freely available online Radar imagery, and to map areas prone to landslide using a novel algorithm of AB-ADTree in Cameron Highlands, Pahang, Malaysia. A total of 152 landslide locations were detected by using integration of Interferometry Synthetic Aperture RADAR (InSAR) technique, Google Earth (GE) images and extensive field survey. However, 80% of the data were employed for training the machine learning algorithms and the remaining 20% for validation purposes. Seventeen triggering and conditioning factors, namely slope, aspect, elevation, distance to road, distance to river, proximity to fault, road density, river density, Normalized Difference Vegetation Index (NDVI), rainfall, land cover, lithology, soil types, curvature, profile curvature, Stream Power Index (SPI) and Topographic Wetness Index (TWI), were extracted from satellite imageries, digital elevation model (DEM), geological and soil maps. These factors were utilized to generate landslide susceptibility maps using Logistic Regression (LR) model, Logistic Model Tree (LMT), Random Forest (RF), Alternating Decision Tree (ADTree), Adaptive Boosting (AdaBoost) and a novel hybrid model from ADTree and AdaBoost models, namely AB-ADTree model. The validation was based on area under the ROC curve (AUC) and statistical measurements of Positive Predictive Value (PPV), Negative Predictive Value (NPV), sensitivity, specificity, accuracy and Root Mean Square Error (RMSE). The results showed that AUC was 90%, 92%, 88%, 59%, 96% and 94% for LR, LMT, RF, ADTree, AdaBoost and AB-ADTree algorithms, respectively. Non-parametric evaluations of the Friedman and Wilcoxon were also applied to assess the models’ performance: the findings revealed that ADTree is inferior to the other models used in this study. Using a handheld Global Positioning System (GPS), field study and validation were performed for almost 20% (30 locations) of the detected landslide locations and the results revealed that the landslide locations were correctly detected. In conclusion, this study can be applicable for hazard mitigation purposes and regional planning.

One of the valuable sources to supply water especially drinkable water is Karstic aquifer which has been perfect planned widely to extraction about. This karstic sources are so capable to pollution because of its structure; and assessment of vulnerability rate of aquifer is one of the ways to protection entering pollution and reducing its quality. Studied zone is Karstic aquifer of Sardash town which is one of the main sources of population's drinkable water. Research methods include library studies, field observation and laboratory methods. Microsoft Office and GIS have been used to made data, analyses them and apply the model. The quality of the water checked in adjectives of the water (Electrical conductivity, acidity and alkalinity, total soluble solids, water temperature), presence of chemical elements (Sodium, Arsenic, Nitrate, Potassium and Chrome) and pathogenic element (Coliforms) by experimenting of underground water's samples. The result of water experiments reveals that some of the points do have higher chemical elements than standards and some of them contain bacterial elements. The priority of the research is assessment vulnerability rate of Karstic aquifer which checked by applying EPIK model. Four informational layers brought include E layer: Epi-Karst, P layer: surface cover, I layer: infiltration condition and K layer: Karstification to applying this model. Summary of these layers puts a protective factor (F) for each of the points in the research zone. Finally, layers overlay in GIS dashboard leads to make relative vulnerability map that shows the high sensitive points and the places to be protected. Based on the final map, the zone divided to five classes includes very high risk, high risk, average risk, low risk and very low risk. The highest rate of defined sensibility is about Sink hole areas and the other points where surface water soaks to aquifer directly and without crossing to solid layers.

سیل دومین بلای طبیعی است که سالانه خسارات زیادی را به جوامع انسانی وارد می آورد. در این میان شهرها و مراکز جمعیتی، بیشترین ریسک و احتمال خسارت فیزیکی قابل لمس ناشی از وقوع سیل را دارا می باشند. بنابراین هدف از این مطالعه پیش بینی مکانی مخاطره سیلاب در شهر سنندج در استان کردستان با استفاده از مدل های ترکیبی در محیط GIS بود. فاکتورهای مؤثر بر وقوع سیل که در این مطالعه در نظر گرفته شدند شامل درصد شیب، جهت شیب، ارتفاع، فاصله از رودخانه، تراکم رودخانه، تجمع جریان،کاربری اراضی، انحنای شیب، لیتولوژی، فاصله از معابر، تراکم معابر، فاصله از ساختمان، تراکم ساختمان و میزان بارندگی بود. پس از جمع آوری اطلاعات و لایه های مورد نیاز، به کمک الگوریتم های چهارگانه شامل مدل تابع شواهد قطعی (EBF)، شواهد وزنی (WOE)، شاخص آماری (SI) و لجستیک رگرسیون (LR) هم به صورت منفرد و هم به صورت ترکیبی، نقشه پیش بینی مکانی حساسیت سیلاب در شهر سنندج تهیه شد. به منظور ارزیابی عملکرد مدل از سطح زیر نمودار AUC به دست آمده از منحنی ROC استفاده گردید. با توجه به معیار ارزیابی مورد استفاده در این مطالعه (ROC) و با توجه به داده های اعتبارسنجی، مدل تابع شواهد قطعی و رگرسیون لجستیک در پتانسیل یابی سیلخیزی در منطقه مورد نظر دارای بهترین عملکرد بودند و شواهد وزنی دارای کمترین عملکرد بود. در روش های ترکیبی مدل های ترکیب شده با رویکرد رگرسیون لجستیک از جمله مدل های SI-LR (904/0)، WOE-LR (904/0)، EBF-LR (873/0) دارای بهترین عملکرد بوده و مدل ترکیبی WOE-EBF دارای کمترین عملکرد بود. اما به طور کلی مدل های ترکیب شده با مدل رگرسیون لجستیک نسبت به دیگر مدل های ترکیبی و منفرد دارای عملکرد بهتری بودند. نتایج مطالعه نشان داد که سیل خیزی شهر سنندج ناشی از برآیند عوامل مختلف محیطی و انسانی است که بر اساس نقشه پیش بینی خطر سیل ارائه شده می توان اقدامات مدیریتی مناسبی را جهت کاهش خسارت ها و تلفات ناشی از سیل انجام داد.

فرسایش خندقی یکی از شکل های پیشرفته و بحرانی فرسایش آبی است که باعث نابودی حجم بزرگی از خاک زمین ها می شود. شناسایی عوامل مؤثر بر وقوع این نوع فرسایش و پهنه-بندی اراضی نسبت به آن، یکی از ابزارهای اساسی و مهم جهت مدیریت و کنترل این پدیده می باشد. هدف از این مطالعه، پیش بینی مکانی حساسیت فرسایش خندقی در حوضه آبخیز کلوچه بیجار در استان کردستان می باشد. در پژوهش حاضر ابتدا تعدادی از مهم ترین عوامل مؤثر بر توسعه فرسایش خندقی در منطقه شامل شیب، جهت شیب، ارتفاع، انحنای افقی و عمودی شیب، شاخص رطوبت توپوگرافی (TWI)، شاخص توان آبراهه (SPI)، شاخص حمل رسوب (STI)، لیتولوژی، کاربری اراضی، بارندگی، فاصله از جاده، تراکم جاده، فاصله از گسل، تراکم گسل، فاصله از آبراهه، تراکم آبراهه، گروه هیدرولوژیکی خاک، ژئومورفولوژی و نفوذپذیری نسبی در محیط سیستم اطلاعات جغرافیایی تهیه و رقومی شدند. در این مطالعه از چهار روش تحلیل سلسله مراتبی، رگرسیون لجستیک، منطق فازی و سلسله مراتبی دلفی فازی استفاده شد. در نهایت برای تعیین صحت نقشه های نهایی از منحنی ROC استفاده گردید. نتایج بدست آمده از پژوهش حاضر نشان داد که در این مطالعه فاکتورهای فاصله از رودخانه، تراکم رودخانه و شیب به ترتیب دارای بیشترین تأثیر در ایجاد فرسایش خندقی بوده و لیتولوژی، نفوذپذیری و ژئومورفولوژی نیز به ترتیب دارای کمترین تأثیر در ایجاد فرسایش خندقی بودند. همچنین نتایج اعتبارسنجی مدل ها نشان داد که مدل رگرسیون لجستیک نسبت به دیگر مدل ها در زمینه ارزیابی پتانسیل فرسایش خندقی دارای بهترین عملکرد می باشد. به طور کلی نتایج مطالعه نشان داد که مدل رگرسیون لجستیک در زمینه پتانسیل یابی فرسایش خندقی دارای بهترین عملکرد می باشد.

پژوهش حاضر به منظور بررسی روند تغییرات کاربری اراضی و تاثیر آن بر فرسایش با استفاده از GIS و RS انجام شده است. برای انجام تحقیق از تصاویر سال 2000 و 2017 سنجده ASTER، ماهواره TERRA استفاده شد و نقشه کاربری اراضی با استفاده از دو روش شی گرا و پیکسل پایه تهیه شد. د ر هر د و روش از د اد ه های آموزشی یکسان برای طبقه بندی استفاد ه گرد ید ؛ سپس روش های ارزیابی صحت شامل د قت کلی و ضریب کاپای طبقه بندی استخراج شد و مشخص شد که نتیجه طبقه بندی به روش شیءگرا نسبت به روش پیکسل پایه 3% نتایج بهتری ارائه می دهد ، برای ارزیابی صحت نتایج در هر دو روش، از د اد ه های آموزشی استفاد ه گرد ید ؛ سپس مهم ترین روش های ارزیابی صحت شامل د قت کلی و ضریب کاپای طبقه بندی استخراج شد، نقشه پهنه بندی فرسایش با استفاده از نقشه های کاربری اراضی حاصل و عوامل شامل شیب، لیتولوژی، فاصله از جادّه، فاصله از آبراهه، بارش و خاک با استفاده از روش وزن دهی کرتیک و روش WLC انجام شد. نتایج نشان داد، در نقشه کاربری حاصل، بیشترین میزان مساحت در سال 2000 مربوط به کاربری مراتع می باشد که در سال 2017 به طور چشمگیری این کاربری کاهش یافته و به زمین های زراعی تبدیل شده است. با توجه به نقشه پهنه بندی فرسایش سال 2000 به ترتیب 79/8 و 2/28 درصد و با توجه پهنه بندی فرسایش 2017 به ترتیب 04/11 و 08/34 درصد از مساحت شهرستان در دو طبقه بسیار پرخطر و پرخطر قرار دارند. علت افزایش مساحت مربوط به طبقات بسیار پرخطر و پرخطر فرسایشی در حوضه مورد مطالعه را می توان، در تبدیل اراضی با پوشش مرتعی به اراضی زراعت آبی، افزایش مناطق مسکونی در حاشیه رودخانه و رعایت نکردن حریم رودخانه، افزایش خطوط ارتباطی و به تبع دخالت انسان در محیط دانست.

حرکت های دامنه ای یکی از مخاطرات طبیعی می باشد که علاوه بر نابودی ارضی با مسدود نمودن شبکه های ارتباطی ضربه های اقتصادی قابل توجهی را به دنبال خواهد داشت. در نتیجه، شناسائی نقاط مستعد حرکت های دامنه ای از جمله زمین لغزش و سنگ افتان مدل سازی و ارزیابی آن می تواند در حوزه های مانند مدیریت اقتصادی، اجتماعی، سیاسی و فرهنگی به عنوان ابزاری مهم در تصمیمات کلان مدنظر قرار گیرد. در این پژوهش برای پیش بینی و شناسائی نقاط مستعد حرکت های دامنه ای در گردنه صلوات آباد سنندج که اصلی ترین شبکه ارتباطی استان کردستان در غرب کشور محسوب می شود از سه الگوریتم پیشرفته داده کاوی درخت تصمیم، ماشین بردار پشتیبان و بیزین رگرسیون لجستیک استفاده شده است. در مدل سازی انجام شده از اندازه 70 به 30 درصد(آموزش و صحت سنجی)و همچنین قدرت تفکیک مکانی 10 متری مورد استفاده قرار گرفته است. از 18 عامل مؤثر که بر وقوع حرکت-های دامنه ای در منطقه مورد مطالعه گرفته شده است پس از اعمال روش نرخ بهره اطلاعاتی براساس مدل سازی داده های آموزشی 10 عامل برای هر سه مدل انتخاب شده است. برای صحت سنجی الگوریتم های مورد استفاده از معیارهای آماری؛ حساسیت، شفافیت، صحت، کاپا، ریشه مجذور مربعات خطا و درصد مساحت زیر منحنی نرخ موفقیت استفاده شده است. نتایج بدست آمده نشان می دهد که عامل های پوشش گیاهی، فاصله از جاده، ارتفاع، زوایه شیب، شاخص نمناکی توپوگرافیکی به ترتیب 5 فاکتور اثرگذار بر وقوع رخداد حرکت های دامنه ای در منطقه مورد مطالعه بوده است. همچنین نتایج نشان داده است که صحت پیش بینی الگوریتم ماشین بردار پشتیبان براساس شاخص مساحت زیر منحنی نسبت به سایر الگوریتم های استفده شده دقت بالاتری را داشته است. در مطالعه انجام شده منحنی ROC براساس الگوریتم ماشین بردار پشتیبان 976/0 بدست آمده است که از دو الگوریتم دیگر نمایش بهتری و عملکرد بالاتری را داشته است. همچنین نتایج میزان 251/0RMSE= و 769/0Kappa= را برای الگوریتم ماشین بردار پشتیبان نشان داده که به ترتیب کمترین خطا و بالاترین مقدار در میان سایر الگوریتم های مورد استفاده داشته است. در تهیه نقشه های پهنه بندی پس از رسم نمودار هیستوگرام سه روش پرکاربرد Natural Breaks(jenks), Quantile, Geometrical Interval روش Quantile به عنوان روش مناسب در تهیه نقشه پیش بینی مکانی حساسیت به حرکت

راه های مواصلاتی جزء مهم ترین ارکان توسعه هر کشور محسوب می شود. این راه ها در کشور ایران همواره توسط مخاطرات متعددی تهدید می شوند، که یکی از مهم ترین این مخاطرات زمین لغزش می باشند که جزء شاخص ترین ناپایداری های دامنه ای محسوب می شوند. هدف این پژوهش شناسایی، پهنه بندی و تحلیل مخاطرات ژئومورفولوژی شاخص (زمین لغزش) در جاده پیرانشهر- سردشت از توابع استان آذربایجان غربی با استفاده از سه روش تحلیل سلسله مراتبی، لجستیک رگرسیون و تاپسیس میباشد عوامل موثر بر وقوع مخاطرات زمین لغزش در مسیر مورد مطالعه عبارت بودند از: شیب، جهت شیب، لیتولوژی، نوع خاک، بارندگی، فاصله از گسل، فاصله از آبراهه، فاصله از جاده، کاربری اراضی و فاصله از مراکز روستایی و شهری. داده های مربوط به پژوهش از طریق نقشه های توپوگرافی، سنگ شناسی، کاربری اراضی، عکس های هوایی و تصاویر ماهواره ای و داده های هوا شناسی منطقه مورد مطالعه و پرسشنامه از اساتید و صاحب نظران این موضوع جمع آوری شده است. عوامل موثر در سیستم اطلاعات جغرافیایی به لایه های اطلاعاتی تبدیل شده و سپس با استفاده از سه مدل لجستیک رگرسیون (LR)، تحلیل سلسله مراتبی (AHP) و تاپسیس (TOPSIS) همپوشانی انجام گرفت و در نهایت سه لایه نقشه پهنه بندی خطر زمین لغزش در پنج طبقه مخاطره کم خطر تا پرخطر طبقه بندی شده است. در نهایت به بررسی میزان همخوانی و همپوشانی نتیجه لایه های پیش-بینی شده در هر روش با لایه پراکنش زمین لغزش های اتفاق افتاده در منطقه مورد مطالعه پرداختیم. نتایج نشان می دهد که بیشترین رخداد زمین لغزش در یک سوم ابتدایی و انتهایی جاده مورد مطالعه می باشد که دارای بیش ترین آسیب پذیری هستند و همپوشانی لایه های به دست آمده با لایه زمین لغزش های اتفاق افتاده از منطقه مورد مطالعه در روش های مورد استفاده به ترتیب تحلیل سلسله مراتبی دارای بیشترین همپوشانی و روش های لجستیک رگرسیون وتاپسیس دارای همپوشانی کمتری می باشند.از دیگر نتایج به دست آمده این پژوهش میزان تاثیر عوامل موثر مورد مطالعه در وقوع زمین لغزش های رخ داده مورد نظر است که به ترتیب لیتولوژی، کاربری اراضی، شیب، پوشش گیاهی، بارندگی، جهت شیب و فاصله از آبراهه بیشترین نقش را در وقوع زمین لغزش در مسیر مورد مطالعه داشته اند.

در قرن بیست ویک، با رشد سرمایه داری جدید مربوط به عصر فرا صنعتی، توسعه جامعه شبکه ای و به دنبال آن گسترش بیش از حد انقلاب تکنولوژیک در حوزه های مختلف، باعث شده است که اوقات فراغت و به تبع آن گردشگری در سطح ملی و بین المللی افزایش پرشتابی پیدا کند. بنابراین با توجه به توسعه توریسم و کارکردهای متعدد آن و به عنوان یکی از نیروهای شکل دهنده جهان ما امروزه در حوزه گردشگری مفاهیم جدیدی ایجاد شده است. از جدیدترین این مفاهیم و حوزه ها ژئوتوریسم است که به معرفی پدیده های زمین شناسی با حفظ هویت مکانی می پردازد و هدف غایی آن نیز مبتنی بر حفظ محیط زیست و چشم اندازهای آن، عدم تغییر و خودداری از دخالت نامتعادل انسان در برهم زدن چهره زمین است. به بیان تخصصی تر، ژئوتوریسم، شناخت ژئومورفوسایت ها و مکان های ویژه ژئومورفولوژیک به عنوان مکان هایی با ارزش های علمی، اکولوژیکی، فرهنگی، اقتصادی و زیبایی شناختی هستند.در این راستا ژئوسایت غار علی صدر به عنوان سایت مطالعاتی انتخاب و در سطح آن ارزیابی و تحلیل ژئوتوریسمی صورت گرفت. با این هدف از میان روش ها و مدل های ارزیابی در زمینه ژئوتوریسم، روش های کومانسکو و پرالونگ انتخاب و بر مبنای آن ژئوسایت علی صدر مورد سنجش قرار گرفت. نتایج حاصل از ارزیابی ژئوسایت با روش کومانسکو در قالب پنج معیار اصلی صورت گرفت. ارزش امتیازی آنها به ترتیب معیار در روش، 5/16، 25/16، 14، 5/17، 11 برآورد گردیدند و در نهایت ارزش کلی ژئوسایت نیز 75/0 محاسبه شد. بررسی مبتنی بر این روش بیانگر ارزش بالای معیارهای علمی، زیبایی شناختی، اقتصادی و نیز ارزش امتیازی پایین معیار مدیریتی بود. نکته قابل توجه در ارتباط با برآوردهای روش کومانسکو قرار گرفتن دو معیار مدیریتی و اقتصادی به لحاظ پایین ترین و بالاترین سطح است که خود به واضحی گویای مخاطره-شناسی در سطح ژئوسایت است. به این صورت که پارادوکس موجود ناشی از مسیر رشدی و توانمندی اقتصادی غار و به تبع آن کاهش سطح تمهیدات حفاظتی و نیز افزایش سطح تخریب و عدم تحقق محور توسعه پایدار است. بررسی غار علی صدر با روش پرالونگ نیز بر مبنای عیار گردشگری و عیار بهره وری صورت گرفت. نتایج ارزش امتیازی آنها به ترتیب معیار در روش، 80/0، 77/0، 45/0، 75/0 و 75/0 و 68/0 برآورد گردیدند. واکاوی نتایج نشان داد که تنوع فرایند و فرم منجر به افزایش ارزش و سطح معیارهای علمی و زیبایی شناختی شده است. نکته قابل توجه از منظر مخاطره شناسی ارزش امتیاز بالای معیار اقتصادی- اجتماعی است که گویای کاربری شدید در سطح ژئوسایت است و در همین راستا آمارهای بازدیدکنندگان و بررسی عیار بهره وری نیز موید این مساله است. به صورتی که در کیفیت بهره وری در سطح ژئوسایت استفاده از ارزش اقتصادی امتیاز کامل را گرفته و در سطح یک قرار دارد. بنابراین در راستای تحقق ژئوتوریسم پایدار موفق باید ژئوسایت را به عنوان یک سیستم در بردارنده لندفرم و جاذبه طبیعی(غار علی صدر)، جوامع محلی و میزبان، گردشگران، متولیان و برنامه ریزی در نظر گرفت و بر مبنای آن عمل کرد.

غار سهولان در جنوب استان آذربایجان غربی و در43 کیلومتری جنوب شرق شهرستان مهاباد قرار دارد. هدف از این پژوهش شناسایی و ارزیابی مخاطرات محیطی غار سهولان با استفاده از روش مطالعات کتابخانه ای، بازدیدهای میدانی، روش آزمایشگاهی و تجزیه و تحلیل های نرم افزاری با استفاده از مدلAHP، نرم افزارهای GIS، EXCEL، EXPERT CHOICE ، جهت تولید داده و تجزیه و تحلیل آنها می باشد. در پژوهش انجام شده، ضمن شناخت ویژگی های غار سهولان به بررسی و تحلیل مخاطرات محیطی تهدیدکننده آن پرداخته شده است. مطالعه آبخوان های موجود در سازندهای سخت، به خصوص آبخوانهای آهکی، به علت آسیب پذیری بسیار بالای آنها در مقابل آلودگی از اهمیت زیادی برخوردارند. آبخوان غار سهولان یکی از آبخوانهای آهکی است که منابع آب زیرزمینی موجود در آن برای مقاصد مختلفی از جمله جذب توریست، شرب، کشاورزی و غیره، مورد استفاده قرار می گیرد. لذا مطالعه آب های زیرزمینی این مناطق از اهمیت بسیاری برخوردار است. برای ارزیابی مخاطره آلودگی آب کارستی غار، کیفیت سنجی 11 فاکتور و پارامتر شامل کاتیون های: As)،Pb،Fe،Mn،Mg،Ca،Na،K) و pH، Ecو TDSدر آزمایشگاه های دانشکده منابع طبیعی دانشگاه کردستان اندازه گیری شد. به این منظور تعداد 5 نمونه آب که 4 نمونه آن از داخل غار و 1 نمونه از چشمه بیرونی غار(چشمه کونه کوتر) در دو فصل پاییز و تابستان( آبان1394 و مرداد 1395) برداشت شده است. بعد از بررسی مقدار غلظت عناصر به مقایسه نتایج نمونه ها با حد مجاز بهداشت جهانی آب آشامیدنی و بررسی و تحلیل اختلاف نمونه های برداشت شده پرداخته شد. با تحلیل نتایج حاصل از دو زمان نمونه برداری نسبت به میزان استاندارد میزان آرسنیک، آهن، منیزیم و منگنز بالا بوده است. برای عناصر دیگر مقدار پایینی را نشان می دهند. ترکیبات زمین-شناسی منطقه، وجود سه گورستان در نزدیکی و بالادست غار، وجود یک چاهک ریزشی در غرب غار که محل تدفین زباله روستا بوده است، وجود درز و شکاف، گسل خوردگی سطحی غار که امکان نفوذ آب آلوده را در فصل های پر باران فراهم می کند، وجود معدن سنگ مرمر در بالادست غار، رفت و آمد زیاد گردشگران و وجود پرندگان در داخل غار و احشام و انسان در بخش خارجی و حوضه آبگیر غار باعث ایجاد آلودگی آب کارستی غار سهولان می شوند. از طرف دیگر یکی از مراحل مدیریت و برنامه ریزی های منطقه ای، پهنه بندی

: The purpose of this study is to compare the landslide susceptibility mapping models of logistic regression (LR), analytical hierarchy process (AHP) and frequency ratio (FR) applied in the central Zab basin (West Azerbaijan—Iran). Eight factors were used for landslide susceptibility mapping including slope, aspect, land cover, precipitation, lithology and the distance to roads, drainage, and faults that affect the occurrence of landslides. To get more precision, speed and facility in our analysis, all descriptive and spatial information was entered into GIS system. Satellite images (Landsat ETM+ and SPOT 5) are also used to prepare for land use and landslide-inventory mapping respectively. Landslide events as used as dependant variable and data layers as independent variable, making use of the correlation between these two variables in landslide susceptibility. The three models are validated using the relative landslide density index (R-index) and the receiver operating characteristic (ROC) curves. The predictive capability of each model was determined from the area under the relative operating characteristic curve and the areas under the curves obtained using the LR, AHP, and FR methods are 0.8941, 0.8115, and 0.8634, respectively. These results indicate that the LR and FR models are relatively good estimators of landslide susceptibility in the study area. The interpretations of the susceptibility map reveal that precipitation, lithology and slope played major roles in landslide occurrence and distribution in the central Zab basin. In general, all three models were reasonably accurate. The resultant maps would be useful for regional spatial planning as well as for land cover planning.