Easy To Use Remote Sensing and GIS Analysis for Landslide Risk Assessment.

 الكثير من البلدان حول العالم تعاني من المخاطر الطبيعية, فهي تؤدي الى الكثير من الخسارة في الممتلكات والارواح, نحن لا نستطيع ان نمنع حدوث مثل هكذا مخاطر لكن, من الممكن تقليل اثارها والمحافظة على ارواح الناس  وتقليل الخسارة بالممتلكات. العديد من الطرق اجريت لتخمين النموذج المناسب لتقييم انزلاق الارض. خرائط الحساسة للانزلاق الارضي انشأت من خلال دمج بين معلومات التحسس النائي مع امكانية نظم المعلومات الجغرافية .لقد ناقشنا مختلف انواع الخوارزميات  والمعاملات لنمذجة توقع وتقييم خطر الانزلاق الارضي مثل دعم ناقلات الالة ,شجرة اتخاذ القرار ,التكيف لنظام الاستدلال العصبية الغامض, عملية التحليل الهرمي وشبكة الاعصاب الاصطناعية, نموذج معملات احتمالية تردد حدوث الانزلاق الارضي, والنموذج التجريبي. الدراسة تقيم مختلف المعاملات المسؤولة عن حدوث الانزلاق الارضي وترجيح كل معامل واھميتها لاحتمال نشاط انزلاق ارضي. طريقة عملية التحليل الهرمي , نموذج ترجيح الدليل, و الانتشار العكسي قد طبقت لترجيح العوامل .وجدنا ان استخدام طريقة شبكة الاعصاب الاصطناعية مع اكثر من عشر معاملات سوف تعطي دقة عالية خاصة اذا تم التحقيق بواسطة معلومات حقلية.   Many countries throughout the world suffered from the natural risks, they cause a large damage in property and loss in human lives, we cannot prevent the occurring of these hazards but, it is possible to reduce their affect in saving human lives and reducing the damage in properties. Several methodologies have been conducted to predict the suitable model for landslide assessment. The susceptibility maps of landslide hazard generated by combining the remote sensed data with the capability of GIS (geographic information system). We discussed different type of algorithms and factors for modeling the prediction of landslide risk assessment such as SVM (support vector machine), DT (decision tree), ANFIS (adaptive neural-fuzzy inference system), AHP (analytic hierarchy process), ANN (artificial neural network), probability frequency of landslides occurrence factors model and empirical model. The study evaluated various parameters that are responsible for landslide occurrence and the weighting for each parameter and its importance to probable of landslide activity. AHP method, Weights of evidence model, and back propagation method have been applied for weighting the factors.  We found that using ANN algorithm with more than ten factors will give high accuracy result especially if the validation performs by field surveys data