ارزیابی خطر وقوع فرسایش خندقی در حوضه آبخیز قویجق

احمدی حسن (1385)، ژئومورفولوژی کاربردی، جلد دوم، فرسایش آبی، انتشارات دانشگاه تهران،714 ص.

اسفندیاری درآباد  فریبا؛ بهشتی جاوید  ابراهیم؛ فتحی محمد حسین(1392)، بررسی قابلیت فرسایش خندقی با استفاده از مدل منطق فازی مطالعۀموردی: حوضۀسد گلستان-رودخانه قرناوه، مجموعه مقالات دومین کنفرانس ملی مخاطرات محیطی، دانشگاه خوارزمی، 7و 8 آبان ماه.

بشارتی بشیر؛ عابدینی موسی؛ اصغری صیاد (1397)، بررسی و تجزیه و تحلیل عوامل موثر در ایجاد و توسعه   فرسایش خندقی در حوضه آبخیز شور‌چای در دامنه شرقی کوهستان سهند، فصلنامه تحقیقات جغرافیایی ، 33(2) ، 222-206. 10.29252/geores.33.2.206.

چناری کاظم؛  بهره مند عبدالرضا؛  بردی شیخ واحد؛  کمکی چوقی  بایرام (1395)، پهنه­بندی خطر پتانسیل وقوع فرسایش خندقی با استفاده از روش­های آماری (دمپسترشفرفر، گرسیونی، نسبت فراوانی، فاکتور خطر) در حوضه قرناوه استان گلستان، مجله اکو هئدرولوژی،3(2) ، 231-219. 10.22059/ije.2016.59663.

خزایی مجید؛ شریفی اردشیر؛ ملایی علی؛ صوفی مجید (1391)، بررسی عوامل موثر بر توسعه فرسایش آبکندی در حوزه آبخیز مارون، مجله پژوهش­های خاک، 26(2)،  163-153.

زندمقدم محمدرضا (1388)، بررسی فرسایش خندقی در لس­های شمال استان گلستان (حد فاصل آق­بند) و  راهکارهای مبارزه با آن، دانشنامه(واحد علوم و تحقیقات)، 2(1) ، 89-73.

شادفر صمد (1389)، کتاب مقدمه­ای بر فرسایش خندقی، انتشارات انتخاب، 142 ص.

شادفر صمد(1393)، کاربرد منطق فازی در بررسی فرسایش خندقی با استفاده از سیستم اطلاعات جغرافیایی(GIS) ( مطالعه موردی: حوضه طرود)، فصلنامه علمی-پژوهشی اطلاعات جغرافیایی، 23(92)،42-35.

صفاری امیر (1394)، پهنه­بندی خطر فرسایش خندقی حوضه دشت کهور استان فارس با استفاده از دو روشAHP  وANP، فصلنامه پژوهش­های دانش زمین،6(4)، 110-94.

قهرودی منیژه (1382)، مدل پهنه‌‌بندی خطر ناشی از گسترش فرسایش آبکندی در حوضه آبکند کلوچه بیجار با استفاده از  RS و GIS، طرح تحقیقات وزارت نیرو، 95 ص.

ملکی نژاد حسین؛ پورشرعیاتی ربابه (1391)، کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش بینی تغییرات  سطح آب زیرزمینی( مطالعه موری: دشت مروست)، مجله علوم و مهندسی آبیاری(مجله علمی کشاورزی) 36(3)، 92-81.

مقصودی مهران؛ شادفر صمد؛ عباسی محمد (1391)، پهنه بندی حسّاسیّت اراضی به فرسایش خندقی در حوضه ی زوّاریان استان قم، مجله پژوهش های ژئومورفولوژی کمی،(2)، 52-35.

مقیمی ابراهیم؛ سلامی نیکزاد (1390)، مکانیسم ژئومورفولوژیک تشکیل و توسعه خندق در دامنه شمالی خروسلو  قشلاق حاج محمد واقع در اردبیل، فصلنامه جغرافیای سرزمین،8(2) ،49-61.

منهاج محمد باقر (1377)، مبانی شبکه های عصبی( هوش محاسباتی)، مرکز نشر پرفسور حسابی، جلد اول، 49-17.

موحدی نسب سمیه؛ فتح آبادی ابوالحسن؛ سیدیان سیدمرتضی؛ حشمت پور علی (1398)، ارزیابی روش‌های آماری و داده مکانی در پهنه‌بندی خطر فرسایش خندقی در اراضی لسی گلستان، مجله مرتع و آبخیزداری،72(1) ، 261-241.

یمانی مجتبی؛ زمانزاده سید محمد؛ احمدی مهدی(1392)، تحلیل عوامل موثر بر شکل‌گیری و توسعه فرسایش خندقی مطالعه موردی(حوضه دشت کهور در استان فارس)، مجله کاوش‌های جغرافیایی مناطق بیابانی، 1(1)، 84-53.

Agnesi, V., Angileri, S., Cappadonia, C., Conoscenti, C., Rotigliano, E. (2010).  Multi-parametric GIS analysis to assess gully erosion susceptibility: a test in southern Sicily, Italy. landform Analysis, vol.17, pp 2-15.

Arabameri, A.R., Pradhan, B., TienBui, D. (2020).  Spatial modelling of gully erosion in the Ardib River Watershed using three statistical-based techniques. Catena, V.190. doi.org/10.1016/j.catena.2020.104545.

Bacellar, L.A.P., NNetto, A.L.C., Lacerada, W.A. (2000). controlling factors of gullying in the Maracuja catchment, southeastern Brazil.  Earth Surface Processes and Landforms, 25(11), pp 1201-1220. doi/abs/10.1002/esp.1193.

Bouchnak, H., Felfoul, M.S., Rached Boussema, M., Habib Snane, M. (2009).  Slope and Rainfall Effects on The Volume of Sediment Yield by Gully Erosion in The Souar Lithologic Formation (Tunisia). Catena, V.78, PP 170–177. doi.org/10.1016/j.catena.2009.04.003.

Caniani, D., Pascale, S., Sdao, F., Sole, A.  (2008).  Neural networks and landslide susceptibility: a case study of the urban area of Potenza.  Natural Hazards, 45, pp 55–72. doi: 10.1007/s11069-007-9169-3.

Conforti, M., Aucell, C., Robustelli, G., Scarciglia, F. (2011). Geomorphology and GIS analysis for mapping gully erosion susceptibility in the Turbolo stream catchment (Northern Calabria, Italy). Natural Hazards, Vol.58, pp 881-898. doi:10.1007/s11069-010-9598-2.

Doe, M. C., hirumalayah, C. (2000).  Real time forecasting using neural networks Artificial Neural Networks in Hydrology, edited by R.S. Govindarajue and A. Ramachandra Rao, Chapter 3.

Dai, F.C., Lee, C.F., Xu, Z.W. (2001).  Assessment of landslide susceptibility on the natural terrain of Lantua sland, Hong Kong.  Environment Geology, 40(3), pp 381-391.

Dube, F., Nhapi, I., Murwira, A., Gumindoga, W., Goldin, J., Mashauri, D.A.  (2014).  Potential of weight of evidence modeling for gully erosion hazard assessment in Mbire District–Zimbabwe. Physics and Chemistry of the Earth, Vol.67, pp 145-152. doi: 10.1016/j.pce.2014.02.002.

Ehiorobo, J.O., Audu, H.A.P. (2012). Monitoring of gully erosion in an urban area using geo information technology.  journal of emerging trend in engineering and applied sciences(JETEAS), 3(2), pp 270-275.

Ermini, L., Catani, F., Casagli, N. (2005). Artificial neural network to landslide susceptibility assessment, Geomorphology, 66, pp 327–343. doi.org/10.1016/j.geomorph.2004.09.025.

Gomez Gutirrez, A., Schnabel, S., Felicsimo, A.M. (2009). modeling the occurrence of gullies in rangeland of so Uthwest Spain.  earth surface process and landform, 34, PP 1894.1902.  doi.org/10.1002/esp.1881.

Gomez, H., Kavzoglu, T. (2005). Assessment of shallow landslide susceptibility using artificial neural networks in Jabonosa River Basin, Venezuela. Engineering Geology, 78(1– 2), PP 11–27. doi.org/10.1016/j.enggeo.2004.10.004.

Javidan, N., Kavian, A., Pourghasemi, H.R., Conoscenti, C., Jafarian, Z.  (2019). Gully Erosion Susceptibility Mapping Using Multivariate Adaptive Regression Splines—Replications and Sample Size Scenarios. Water, 11(11), PP 1-22. doi.org/10.3390/w11112319.

Kirkby, M.J., Bracken, L.J. (2009).  Gully process and gully dynamics. Earth Surface processes and Landforms, (341), pp 1841-1851.  doi.org/10.1002/esp.1866.

Khairulmaini, O.S., Mousazadeh, F. )2011.( Gully erosion in semiarid regions.  journal of  Procedia  Social and Behavioral Sciences, V.19, pp  655-661.

Luca, F., Conforti, M., Robustilli, G. (2011). Comparison of GIS-based gullying susceptibility mapping multivariate statistics, northern Calabria, south Italy. Geomorphology, V.134, PP 297-308.  doi.org/10.1016/j.geomorph.2011.07.006.

Lee, S., Sambath, T. (2006). Landslide susceptibility mapping in the DamreiRomel area, Cambodia using frequency ratio and logistic regression models.   Environmental Geology, 50 (6), PP  847–856.

Morgan, R.P.C. (2005). Soil erosion and conservation.  Third edition, Lack well Publishing. 316p.

oghbonn, J.U. (2012). understanding gully erosion vulnerability in old Imo state using geographic information system and geo statistics.  American journal of geographic information system, PP 66-71.

Oparaku, L. A., Iwar, R. T. (2018).  Relationships between average gully depths and widths on geological sediments underlying the Idah-Ankpa Plateau of the North Central Nigeria. International Soil and Water Conservation Research, 6(1), PP 43-50. doi.org/10.1016/j.iswcr.2017.12.003.

poesen, J., Govers, G. (1990).  Gully erosion in the loam belt of Belgium: typology and control measures: Soil Erosion on Agricultural Land. Proceedings of a Workshop Sponsored by the British Geomorphological Research Group, pp 513-530.

  Poesen, J., Nachtergaele, J., Verstraeten, G., Valentin, C. (2003). Gully erosion and environmental change: Importance and research needs. Catena, 50(1), PP 91–133.

Saksa, M., Minar, J. (2012). Assessing the natural Hazard of Gully Erosion through a Geographic Information System (GIS): A Case Study from the Western Crpathian.  Geography, 117 (2), PP 152-169. doi: 10.37040/geografie2012117020152.

Valentine, C., Poesen, J., Li, Y. (2005).  Gully erosion: Impacts, factors and control. Catena, 63(31), PP 132-153.

Wang, R., Zhang, Sh., Pu, L., Yang, J., Yang, Ch., Chen, J., Guan, C., Wang, Q., Chen, D., Fu, B., Sang, X. (2016).   Gully Erosion Mapping and Monitoring at Multiple Scales Based on Multi-Source Remote Sensing Data of the Sancha River Catchment, Northeast China.  international journal of Geo- information, 5(11), PP 1-17.  doi: 10.3390/ijgi5110200.