[1]. رجایی، عبدالحمید (1373). کاربرد ژئومورفولوژی در آمایش سرزمین و مدیریت محیط، تهران: قومس.
[2]. روستایی، شهرام؛ مختاری، داوود؛ و خدایی، فاطمه (1394). «کاربرد روش رگرسیون لجستیک در پهنه‌بندی خطر وقوع ناپایداری‌های دامنه‌ای در جاده‌های کوهستانی (محدودۀ مورد مطالعه: تنگۀ دره دیز)»، مخاطرات محیط طبیعی، دورۀ 4، ش 6، ص 103-89.
[3]. ریاضی، برهان؛ کرمی، نعمت‌الله؛ کرمی، محمود؛ و هوشیاردل، بنفشه (1385). «بررسی اثرات حمل‌ونقل جاده‌ای و ریلی بر حیات وحش جانوری و ارائۀ رهنمودهای لازم»، علوم و تکنولوژی محیط زیست، دورۀ 8، ش 3، ص 60-53.
[4]. زندی، دانش؛ شهابی، هیمن؛ چپی، کامران؛ و شیرزادی، عطالله (1397). پیش‌بینی مکانی حرکت‌های دامنه‌ای جاده‌ای با استفاده از الگوریتم‌های پیشرفته داده‌کاوی (گردنۀ صلوات‌آباد سنندج). پایان‌نامۀ کارشناسی ارشد مخاطرات طبیعی، دانشگاه کردستان.
[5]. شادفر، صمد؛ نوروزی، علی‌اکبر؛ قدوسی، جمال؛ و غیومیان، جعفر (1384). «پهنه‌بندی خطر زمین‌لغزش در حوزۀ لاکتراشان»، حفاظت خاک و آب، دورۀ 1، ش 3، ص 10-1.
[6]. شیرزادی، عطالله؛ سلیمانی، کریم؛ حبیب‌نژاد روشن، محمود؛ و چپی، کامران (1396). «معرفی یک مدل جدید ترکیبی الگوریتم مبنا به‌منظور پیش‌بینی حاسیت زمین‌لغزش‌های سطحی اطراف شهر بیجار»، جغرافیا و توسعه، دورۀ 14، ش 46، ص 246-225.
[7]. شیرزادی، عطالله؛ سلیمانی، کریم؛ حبیب‌نژاد روشن، محمود؛ کاویان، علی؛ و قاسمیان، بهاره (1394). «مقایسۀ روش‌های رگرسیون لجستیک، نسبت فراوانی و تحلیل سلسلهمراتبی در تهیۀ نقشۀ حساسیت ریزش سنگ (مطالعۀ موردی: استان کردستان، گردنۀ صلوات‌آباد)»، پژوهشنامۀ مدیریت حوزۀ آبخیز، دورۀ 12، ش 5، ص 203-193.
[8]. صفاری، امیر؛ و اخدر، آرش (1391). «مقایسۀ مدل نسبت فراوانی و توابع عضویت فازی در پهنه‌بندی خطر زمین‌لغزش (مطالعۀ موردی: جادۀ ارتباطی مریوان-سنندج)»، جغرافیا و مخاطرات محیطی، دوره 1، ش 4، ص 96-79.
[9]. عرب عامری، علیرضا؛ شیرانی، کورش؛ و رضایی، خلیل (1396). «ارزیابی مقایسه‌ای روش‌های احتمالاتی وزن واقعه و نسبت فراوانی در پهنه‌بندی خطر زمین‌لغزش (مطالعۀ موردی: حوزۀ آبخیز ونک، اصفهان)»، پژوهشنامۀ مدیریت حوزۀ آبخیز، دورۀ 8، ش 15، ص 163-147.
[10]. فلاح‌تبار، نصراله (1379)، «تأثیر برخی عوامل جغرافیایی بر راه‌های کشور»، پژوهش‌های جغرافیایی، دورۀ 32، ش 38، ص 55-47.
[11]. قاسمیان، بهاره؛ عابدینی، موسی؛ روستایی، شهرام؛ و شیرزادی، عطالله (1396). «ارزیابی حساسیت زمین‌لغزش با استفاده از الگوریتم ماشین پشتیبان بردار (مطالعۀ موردی: شهرستان کامیاران، استان کردستان)»، پژوهش‌های ژئومورفولوژی کمّی، دورۀ 6، ش 3، ص 36-15.
[12]. متولی، صدرالدین؛ حسین‌زاده، محمد؛ اسماعیلی، رضا؛ و درفشی، خه‌بات (1394). «ارزیابی دقت روش‌های رگرسیون چندمتغیره (MR)، رگرسیون لجستیک (LR)، تحلیل سلسلهمراتبی (AHP) و منطق فازی (FL) در پهنه‌بندی خطر زمین‌لغزش حوضۀ آبخیز طالقان»، پژوهش‌های ژئومورفولوژی کمّی، دورۀ 1، ش 13، ص 20-1.
[13]. موسوی، معصومه؛ و عابدینی، موسی (1392). «پهنه‌بندی خطر وقوع زمین‌لغزش در حوضه‌های آبخیز شهری با استفاده از مدل (WLC) مطالعۀ موردی: حوضۀ آبخیز شهر ایذه خوزستان»، دومین کنفرانس بین‌المللی مخاطرات محیطی، تهران، دانشگاه خوارزمی.
[14]. Bonham-Carter, G.F. (1994). Geographic Information Systems for Geoscientists: Modeling with GIS. Pergamon Press, Canada, p: 398.
[15]. Carrara, A.; G.B. Crosta.; & P. Frattini. (2003). “Geomorphologic and historical data in assessing andslide hazard”, Earth Surface Processes and Landforms, 28, pp: 1125-1142.
[16]. Chen, W.; Hong, H.; Panahi, M.; Shahabi, H.; Wang, Y.; Shirzadi, A.; & Rezaie, F. (2019). “Spatial Prediction of Landslide Susceptibility Using GIS-Based Data Mining Techniques of ANFIS with Whale Optimization Algorithm (WOA) and Grey Wolf Optimizer (GWO)”, Applied Sciences, 9(18), p: 3755.
[17]. Chen, W.; Shahabi, H.; Zhang, S.; Khosravi, K.; Shirzadi, A.; Chapi, K.; Pham, B.; Zhang, T.; Zhang, L.; Chai, H.; & Ma, J. (2018). “Landslide Susceptibility Modeling Based on GIS and Novel Bagging-Based Kernel Logistic Regression”, Applied Sciences, 8(12), p: 2540.
[18]. Chen, W.; Xie, X.; Peng, J.; Wang, J.; Duan, Z.; & Hong, H. (2017). “GIS-based landslide susceptibility modelling: a comparative assessment of kernel logistic regression, Naïve-Bayes tree, and alternating decision tree models”, Geomatics, Natural Hazards and Risk, pp: 1-24.
[19]. Chen, W.; Zhang, S.; Li, R.; Shahabi, H. (2018). “Performance evaluation of the GIS-based data mining techniques of best-first decision tree, random forest, and naïve Bayes tree for landslide susceptibility modeling”, Science of the Total Environment, 644, pp: 1006-1018.
[20]. Constantin, M.; Bednarik, M.; Jurchescu. M.C.; & Vlaicu. M. (2011). “Landslide susceptibility assessment using the bivariate statistical analysis and the index of entropy in the Sibiciu Basin (Romania)”, Environment. Earth Sci, 63, pp: 397-406.
[21]. 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.
[22]. Devkota, C. K.; Regmi, D. A.; Pourghasemi, R. H.; Yohida, K.; Pradham, B.; Ryu, C. L.; Dhital, R. M.; & Althuwaynee, F. O. (2012). “Landslide susceptibility mapping using certainty factor, index of entropy and logistic regression models in GIS and their comparison at Mugling-Narayanghat road section in Nepal Himalaya”, Natural Hazards, 65(1), pp: 135-165.
[23]. Goetz, J. N.; Brenning, A.; Petschko, H.; & Leopold, P. (2015). “Evaluating machine learning and statistical prediction techniques for landslide susceptibility modeling”, Computers & Geosciences, 81, pp: 1-11.
[24]. Huang, F.; Chen, L.; Yin, K.; Huang, J.; & Gui, L. (2018). “Object-oriented change detection and damage assessment using high-resolution remote sensing images, Tangjiao Landslide, Three Gorges Reservoir, China”, Environmental Earth Sciences, 77, p: 183.
[25]. Hunger, O.; Evans, S.J.; Bovis, M.U.; & Hutchinson, J.N. (2001). “A review of the classification of landslides of the flow type Environ”, Environmental and Engineering Geoscience, 7, pp: 221-238
[26]. Jebur, M.; Pradhan, B.; & Tehrany, M. (2014). “Manifestation of LiDAR-derived parameters in the spatial potential in the area of Pohang City, Korea”, Journal of Hydrology, 399. pp: 158-172.
[27]. 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), pp: 471 - 496.
[28]. Kornejady, A.; Ownegh, M.; & Bahremand, A. (2017). “Landslide susceptibility assessment using maximum entropy model with two different data sampling methods”, Catena, 152, pp:144-162.
[29]. Nefeslioglu, H.A.; Duman, T.Y.; & Durmaz. S. (2008). “Landslide susceptibility mapping for a part of tectonic Kelkit Valley (Easten Black Sea Region of Turkey)”, Geomorphology, 94, pp: 401-418.
[30]. Oh, H. J.; Kadavi, P. R.; Lee, C. W.; & Lee, S. (2018). “Evaluation of landslide susceptibility mapping by evidential belief function, logistic regression and support vector machine models. Geomatics”, Natural Hazards and Risk, 9(1), pp: 1053-1070.
[31]. Pontius, R.G.; & L.C. Schneider. (2001). “Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA. Agriculture”, Ecosystems and Environment, 85(1), pp: 239- 248.
[32]. Pradhan, B. (2012). “Landslide susceptibility mapping at Golestan Province, Iran: A comparison between frequency ratio, Dempster-Shafer and weights-of-evidence models”, Journal of Asian Earth Sciences, 61, pp: 221-236.
[33]. Qing, F.; Wie, C.; & Haeyuan, H. (2016). “Application of frequency ratio weights of evidence and evidential belif function model in land slide susceptibility mapping”, Geocarto International, (6)32, pp: 619 – 639.
[34]. Regmi, A.D.; Devkota, K.C.; Yoshida, K.; Pradhan, B.; Pourghasemi, H.R.; Kumamoto, T. & Akgun. A. (2014). “Application of frequency ratio, statistical index, and weights-of-evidence models and their comparison in landslide susceptibility mapping in Central Nepal Himalaya”, Arabian Journal of Geosciences, 7, pp: 725-742.
[35]. Roodposhti, M. S.; Safarrad, T.; & Shahabi, H. (2017). “Drought sensitivity mapping using two one-class support vector machine algorithms”, Atmospheric Research, 193, pp: 73-82.
[36]. Shahabi, H.; Khezri, S.; Ahmad, B. B.; & Hashim, M. (2014). “Landslide susceptibility mapping at central Zab basin, Iran: a comparison between analytical hierarchy process, frequency ratio and logistic regression models”, Catena, 115,pp: 55-70.
[37]. Shirzadi, A.; Bui, D. T.; Pham, B. T.; Solaimani, K.; Chapi, K.; Kavian, A.; & Revhaug, I. (2017). “Shallow landslide susceptibility assessment using a novel hybrid intelligence approach”, Environmental Earth Sciences, 76(2), pp: 60.-71.
[38]. 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, pp: 978-993.
[39]. Yilmaz, C.; Topal, T.; & Suzen, M.L. (2012). “GIS-based landslide susceptibility mapping using bivariate statistical analysis in Devrek (Zonguldak-Turkey)”, Environmental Earth Science, 65, pp: 2161- 2178.
[40]. Zhang, K.; Wu, X.; Niu, R.; Yang, K.; & Zhao, L. (2017). “The assessment of landslide susceptibility mapping using random forest and decision tree methods in the Three Gorges Reservoir area, China”, Environmental Earth Sciences, 76(11), pp: 405-414.
)