اکبری، محمود؛ 1400. پایش فرونشست زمین تحت تأثیر عوامل زمینشناسی و منابع آب با روش تداخل سنجی تفاضلی راداری (مطالعه موردی: شهر اراک).
نشریه حفاظت منابع آب‌وخاک. دوره 10. شماره 3. 115- 131.DOI:
20.1001.1.22517480.1400.10.3.8.7
تیموری، مهدی.، اسدی نیلوان، امید.، 1398. پهنهبندی حساسیت و اولویتبندی عوامل مؤثر بروقوع زمینلغزش با استفاده از مدل حداکثر آنتروپی (مطالعه موردی: استان لرستان).
نشریه هیدروژئومورفولوژی. دوره 6. شماره 21. 155-179.DOI:
20.1001.1.23833254.1398.6.21.8.3
جانباز فوتمی، مهدیه.، خلقی، مجید.، عبده کلاهچی، عبدالنبی.، روستایی، مهآسا.؛ 1399. بررسی فرونشست زمین ناشی از تغییرات سطح ایستابی آب زیرزمینی با استفاده از روش تداخلسنجی تفاضلی راداری: مطالعه موردی استان قزوین.
نشریه تحقیقات منابع آب ایران. دوره 16. شماره 3. 133-147.DOI:
20.1001.1.17352347.1399.16.3.10.8
ذبیحی، محسن.، پورقاسمی، حمیدرضا.، بهزادفر، مرتضی.، 1394. تهیه نقشه پتانسیل آب زیرزمینی با استفاده از مدلهای آنتروپی شانون و جنگل تصادفی در دشت بجنورد.
نشریه اکوهیدرولوژی. دوره 2. شماره 2. 221-232.DOI:
10.22059/ije.2015.56242
رضوی ترمه، سیدوحید؛ شیرانی، کوروش؛ 1397. پهنهبندی خطر وقوع زمینلغزش با استفاده از روشهای نسبت فراوانی، آنتروپی و روش تصمیمگیری تاپسیس (مطالعه موردی: حوزه فهلیان، فارس). نشریه سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی. سال 9. شماره 4. 119-138. https://girs.bushehr.iau.ir/article_663411.html
صابرچناری، کاظم.، بهرهمند، عبدالرضا.، بردی شیخ، واحد.، 1396. پهنهبندی خطر پتانسیل وقوع فرسایش خندقی با استفاده از روشهای آماری (دمپستر- شفر، رگرسیونی، نسبت فراوانی و فاکتور خطر) در حوزه آبخیز قرناوه استان گلستان. رساله دکتری تخصصی (ph.D). دانشگاه علوم کشاورزی و منابع طبیعی گرگان. گرگان.https://ganj.irandoc.ac.ir//#/articles/84f0a8feb4d54cc1ff0f4f7332ca73af
عرفانیان، مهدی؛ فرجالهی، هانا؛ سوری، مهشید؛ شیرزادی، عطاالله؛ 1395. مقایسه کارایی روشهای وزندهی شواهد، رگرسیون لجستیک و نسبت فراوانی در تهیه نقشه پتانسیل چشمه آب زیرزمینی در حوزه آبخیز چهلگزی، استان کردستان. نشریه علوم آب و خاک. جلد 20. شماره 75. 59-72.
علیخانی، حمید.، شهابی، هیمن.، محمدی، ایوب؛ 1400. شناسایی و پهنهبندی زمینلغزشهای جاده کوهستانی سنندج- مریوان با استفاده از دادههای راداری و الگوریتمهای پیشرفته دادهکاوی. پایاننامه کارشناسی ارشد. دانشگاه کردستان.
https://ganj.irandoc.ac.ir/#/articles/d98bbfa2068df583c65a9356461b0ed8
فرامرزی، حسن.، حسینی، سیدمحسن.، پورقاسمی، حمیدرضا.، فرنقی، مهدی.، 1399. ارزیابی مخاطرات محیطی پارک ملی گلستان با استفاده از مدلهای عامل مبنا و تکنیکهای یادگیری ماشین. رساله دکتری تخصصی (ph.D). دانشگاه تربیت مدرس.
https://ganj.irandoc.ac.ir/#/articles/9a0a14ef1b472a2371e48267b3c99dc8
قاضیفرد، اکبر؛ مصلحی، علی؛ صفایی، همایون؛ 1390. بررسی علل ایجاد فرونشست زمین در دشت کاشان و ارائه راهکارهای مناسب جهت جلوگیری از آن. طرح پژوهشی دانشگاه اصفهان. کارفرما: شرکت سهامی آب منطقهای اصفهان. 283 ص.https://civilica.com/doc/1273992/
قرهچلو، سعید؛ اکبری قوچانی، حسام؛ گلیان، سعید؛ گنجی، کامران؛ 1400. ارزیابی میزان فرونشست زمین در ارتباط با آبهای زیرزمینی به کمک داده ماهوارهای راداری سنتینل-1 و الوس-1 (منطقه موردمطالعه: دشت مشهد). نشریه سنجش‌ازدور و سیستم اطلاعات جغرافیایی در منابع طبیعی. دوره 12. شماره 3 (پیاپی 44). 11-14.https://girs.bushehr.iau.ir/article_680336.html
کیانی، فاطمه.، عابدینی، موسی.، احمدزاده، غلامرضا.، 1396. بررسی پتانسیل فرونشست شهرستان کرج با استفاده از روش تلفیق وزنی در محیط GIS، سومین کنگره بینالمللی علوم زمین و توسعه شهری و اولین کنفرانس هنر، معماری و مدیریت شهری، تهران. https://civilica.com/doc/688569
محبی تفرشی، غزاله.، نخعی، محمد.، لک، راضیه.، 1399. ارزیابی تأثیر خصوصیات هیدروژئولوژی دشت ورامین بر فرونشست با تکیه بر مدلهای ریاضی. رساله دکتری تخصصی (ph.D). دانشگاه خوارزمی.https://ganj.irandoc.ac.ir/#/articles/19268aee160b125f829a7e106b9ed95a
محمودیدهشتران، سیما؛ حجت، آزاده؛ رنجبر، حجتالله؛ کریمی نسب، سعید؛. 1395. تعیین محدودههای در معرض نشست حاصل از وجود قناتهای پنهان در محدوده دانشگاه شهید باهنر کرمان با استفاده از سنجش‌ازدور و سامانه اطلاعات جغرافیایی.
مجله زمینشناسی کاربردی پیشرفته دانشگاه شهید چمران اهواز. دوره 6. شماره 19. 75-81..DOI:
10.22055/aag.2016.12146
مختاری، داود؛ ابراهیمی، حمید؛ سلمانی، سعید؛ 1398. مدلسازی خطر وقوع فرونشست زمین با استفاده از الگوریتم جنگل تصادفی (مطالعه موردی: حوزه آبریز دشت تسوج). مجله سنجش‌ازدور و سامانه اطلاعات جغرافیایی. دوره 10. شماره 3. 93-105. https://girs.bushehr.iau.ir/article_668475.html
مرادی، آیدین؛ عمادالدین، حسین؛ آرخی، صالح؛ رضائی، خلیل؛ 1399. تحلیل فرونشست زمین با استفاده از تکنیک تداخلسنجی راداری، اطلاعات چاههای ژئوتکنیکی و پیزومتری (مطالعه موردی: منطقه شهری 18 تهران).
نشریه تحلیل فضایی و مخاطرات محیطی. دوره 7. شماره 1. 153-176.DOI:
10.29252/jsaeh.7.1.11
مصلحی بهارانچی، علی؛ قاضیفرد، اکبر؛ روستایی، مهآسا؛ صفایی، همایون؛ 1390. بررسی علل ایجاد فرونشست زمین در دشت کاشان و ارائه راهکارهای مناسب جهت جلوگیری از آن. پایاننامه کارشناسی ارشد. دانشکده علوم. دانشگاه اصفهان.https://ganj.irandoc.ac.ir/#/articles/f041a3827a466e058f615c3776591df9
میرزاوند، محمد؛ قاسمیه، هدی؛ ساداتینژاد، سیدجواد؛ باقری، رحیم؛ کلارک، ایانداگلاس؛ 1397. تعیین منشأ و مکانیسم شور شدن آبهای زیرزمینی دشت کاشان با استفاده از روشهای هیدروژئوشیمیایی و ایزوتوپی. رساله دکتری. رشته علوم و مهندسی آبخیزداری. دانشکده منابع طبیعی و علوم زمین. دانشگاه کاشان.https://ganj.irandoc.ac.ir/#/articles/e777f2a890e83d0882316cfb1f1e1778
نادری، کیوان؛ ندیری، عطاالله؛ اصغری مقدم، اصغر؛ کرد، مهدی؛ 1397. روشی جدید برای شناسایی و تعیین مناطق در معرض خطر فرونشست، مطالعه موردی: آبخوان دشت سلماس.
فصلنامه اکوهیدرولوژی. دوره 5. شماره 1. 85-97. DOI:
10.22059/ije.2017.233252.601
Al-Abadi, A., Al-Temmeme, A., Al-Ghanimy, A., 2016. A GIS-based combining of frequency ratio and index of entropy approaches for mapping groundwater availability zones at Badra–Al Al-Gharbi–Teeb areas, Iraq, Sustain. Water Resources Management, 2(3): 265-283. DOI:
10.1007/s40899-016-0056-5.
Ashraf, H., Cawood, F., 2015. Geospatial subsidence hazard modelling at Sterkfontein Caves. South African Journal of Geomatics. 4 (3): 273-284. DOI:
10.4314/sajg.v4i3.8.
Dehghani, M., Rastegarfar, M., Ashrafi, R., Ghazipour, N., Khorramrooz, H., 2014. Interferometric SAR and geospatial techniques used for subsidence study in the Rafsanjan plain. American Journal of Environmental Engineering. 4 (2): 32–40. DOI: 10.5923/ j.ajee. 20140402.03.
Dempster, A.P., 1967. Upper and lower probabilities induced by a multi valued mapping. The Annals of Mathematical Statistics. 38: 325–339. http://dx.doi.org/10.1214/aoms/1177698950.
Elith, J., Phillips, S.J., Hastie, T., Dudík, M., Chee, Y.E., Yates, C.J., 2011. A statistical explanation of MaxEnt for ecologists. Diversity and Distribution. 17(1): 43–57.
https://doi.org/10.1111/j.1472-4642.2010.00725.x.
Ghorbanzadeh, O., Blaschke, T., Aryal, J., Gholaminia, K., 2018. A new GIS-based technique using an adaptive neuro-fuzzy inference system for land subsidence susceptibility mapping. Journal of Spatial Science. 65 (3): 401-418.
https://doi.org/10.1080/14498596.2018.1505564.
Kaitantzian, A., Loupasakis, C., Rozos, D.E., 2014. Assessment of geo-hazards triggered by both natural events and human activities in rapidly urbanized areas. Engineering Geology for Society and Territory, 5: 675–679. DOI:
10.1007/978-3-319-09048-1_131.
Kumar, H., HassanSyed, T., Amelung,
F., Agrawal,
R., Venkate,
A.S., 2020. Space-time evolution of land subsidence in the National Capital Region of India using ALOS-1 and Sentinel-1 SAR data: Evidence for groundwater overexploitation. Journal of Hydrology. 605: 127329. https://doi.org/10.1016/j.jhydrol.2021.127329.
Lee, S., 2007. Application and verification of fuzzy algebraic operators’ landslide susceptibility mapping. Environmental Geology. 52(4): 615-623. DOI:
10.1007/s00254-006-0491-y.
Liang, Y., Gu, K., Shi, B., Liu, S., Wu, J., Lu, Y., Inyang, H., 2022. Estimation of land subsidence potential via distributed fiber optic sensing.
Engineering Geology. 298: 106540.
https://doi.org/10.1016/j.enggeo.2022.106540.
Mohammady, M., Pourghasemi, H.R., Amiri, M., 2019. Land subsidence susceptibility assessment using random forest machine learning algorithm. Environment Earth Science. 78 (16): 503. DOI:
10.1007/s12665-019-8518-3.
Naghibi, S.A., Pourghasemi, H.R., Pourtaghie, Z.S., Rezaei, A., 2014. Groundwater qanat potential mapping using frequency ratio and Shannon’s entropy models in the Moghan watershed, Iran. Journal of Earth Sciences. 8(1): 171-186. DOI:
10.1007/s12145-014-0145-7.
Nguyen, M., Lin, Y.N., Tran, Q.C., Ni, Ch., Chan, Y., Tseng, K., Chang, Ch., 2022. Assessment of long-term ground subsidence and groundwater depletion in Hanoi, Vietnam. Engineering Geology. 299: 106555. DOI:
10.1016/j.enggeo.2022.106555.
Ozdemir, A., Altural, T., 2013. A comparative study of frequency ratio, weights of evidence and logistic regression methods for landslide susceptibility mapping: Sultan Mountains, SW Turkey. Journal of Asian Earth Sciences. 64: 180-197. https://doi.org/10.1016/ j.jseaes. 2012.12.014.
Park, NW., 2010. Application of Dempster-Shafer theory of evidence to GIS-based landslide susceptibility analysis. Environmental Earth Science. 62(2): 367-376. DOI:
10.1007/s12665-010-0531-5
Phillips, S.J., Anderson, R.P., Schapire, R.E., 2006. Maximum entropy modeling of species geographic distributions. Ecological Modeling. 190(3-4): 231-259. https:// doi.org/ 10.1016/ j.ecolmodel.2005.03.026.
Pourghasemi, H.R., Mohammady, M., Pradhan, B., 2012. Landslide susceptibility mapping using index of entropy and conditional probability models in GIS: Safarood Basin, Iran. Catena. 97: 71-84.
https://doi.org/10.1016/j.catena.2012.05.005.
Pradhan P, Abokharima, M.H. Jebur, M.N. Shafapour Tehrany, M. 2014. Land subsidence susceptibility mapping at Kinta valley (Malaysia) using the Evidential Belief Function Model in GIS. Natural Hazards, 73 (2): 1019-1042. DOI:
10.1007/s11069-014-1128-1.
Pradhan, B., Lee, S., 2010. Landslide susceptibility assessment and factor effect analysis: back propagation artificial neural networks and their comparison with frequency ratio and bivariate logistic regression modelling. Environmental Modelling & Software. 25(6): 747–759.
https://doi.org/10.1016/j.envsoft.2009.10.016.
Rahmati, O., Falah, F., Naghibi, S.A., Biggs, T., Soltani, M., Deo, R.C., Cerda, A., Mohammadi, F., Tien Bui, D., 2019a. Land subsidence modelling using tree-based machine learning algorithms. Science of the Total Environment. 672: 239–252. https:// doi.org/ 10.1016/ j.scitotenv.2019.03.496.
Rahmati, O., Golkarian, A., Biggs, T., Keesstra, S., Mohammadi, F., Daliakopoulos, I.N., 2019b. Land subsidence hazard modeling: Machine learning to identify predictors and the role of human activities. Journal of Environmental Management. 236: 466–480. https:// doi.org/ 10.1016/j.jenvman.2019.02.020.
Shafapour Tehrany, M., Shabani, F., Neamah Jebur, M., Hong, H., Chen, W., Xie, X., 2017. GIS-based spatial prediction of flood prone areas using standalone frequency ratio, logistic regression, weight of evidence and their ensemble techniques. Geomatics, Natural Hazards and Risk. 8 (2): 1538-1561.
https://doi.org/10.1080/19475705.2017.1362038.
Shafer, G.A., 1976. Mathematical theory of evidence. Princeton University Press. ISBN 0-608-02508-9. p. 314. https://www.jstor.org/stable/j.ctv10vm1qb.
Shi, X., Jiang, S., Xu, H., Jiang, F., He, Z., Wu, J., 2016. The effects of artificial recharge of groundwater on controlling land subsidence and its influence on groundwater quality and aquifer energy storage in Shanghai, China. Environmental Earth Sciences. 75(3): 1-18. DOI:
10.1007/s12665-015-5019-x.
Sun, J., Guo, E., Yang, X., Kong, Y., Yang, L., Liu, H., Lin, X., 2023. Seasonal and spatial variations in soil biochemical properties in areas with different degrees of mining subsidence in Central China. CATENA. 224: 106984.
https://doi.org/10.1016/j.catena.2023.106984.
Tien Bui, D.T., Shahabi, H., Shirzadi, A., Chapi, K., Pradhan, B., Chen, W., Khosravi, Kh., Panahi, M., Ahmad, B.B., Lee, S., 2018. Land subsidence susceptibility mapping in South Korea using Machine Learning Algorithms. Sensors. 18(8): 2464. DOI: 10.3390/s18082464.
Tweed, S.O., Leblanc, M., Webb, J.A., Lubczynski, M.W., 2007. Remote sensing and GIS for mapping groundwater recharge and discharge areas in salinity prone catchments, southeastern Australia. Hydrogeology Journal. 15(1): 75-96. DOI:
10.1007/s10040-006-0129-x.
Ty, T.V., Minh, H.V.T., Ram Avtar, R., Kumar, P., Hiep, H.V., Kurasaki, M., 2021. Spatiotemporal variations in groundwater levels and the impact on land subsidence in CanTho, Vietnam.
Groundwater for Sustainable Development. 15: 100680. https:// doi.org/ 10.1016/ j.gsd.2021.100680.
Yu, H., Gong, H., Chen, B., Liu, K., Gao, M., 2020. Analysis of the influence of groundwater on land subsidence in Beijing based on the geographical weighted regression (GWR) model. Science of The Total Environment. 738: 139405. https:// doi.org/ 10.1016/ j.scitotenv. 2020.139405.
Zamanirad, M., Sarraf, A., Sedghi, H., Saremi, A., Rezaee, P., 2020. Modeling the Influence of Groundwater Exploitation on Land Subsidence Susceptibility Using Machine Learning Algorithms. Natural Resources Research. 29(2): 1127-1141.
https://doi.org/10.1007/s11053-019-09490-9.
Zhou, Y., Li, W., 2011. A Review of regional groundwater flow modeling. Geoscience Frontiers. 2(2): 205-214. DOI:
10.1016/j.gsf.2011.03.003.
Zhu, L., Zhua, L., Gonga, H., Chen, Y., Wang, Sh., Ke, Y., Guo, G., Li, X., Chen, B., Wang, H., Teatini, P., 2020. Effects of water diversion project on groundwater system and land subsidence in Beijing, China. Engineering Geology. 276: 105763. DOI:
10.1016/ j.enggeo. 2020.105763.
)
)
ارسال نظر در مورد این مقاله