هدف این مطالعه ارزیابی کارایی دو مدل داده کاوی شبکه عصبی مصنوعی و الگوریتم ماشین پشتیبان بردار در سه حالت استفاده از شاخص های مورفومتریک شامل شاخص خیسی توپوگرافی، شاخص موقعیت توپوگرافی، شاخص توان آبراهه، شاخص طول شیب، شاخص ناهمواری زمین، شاخص تعادل جرم، شاخص انحنای پروفیل و شاخص انحنای سطح ؛ استفاده از عوامل محیطی و انسانی شامل بارندگی، ارتفاع حوضه، درجه شیب ، جهت شیب، لیتولوژی، کاربری اراضی، شاخص تفاضل نرمال شده پوشش گیاهی ( NDVI )، فاصله از آبراهه، فاصله از جاده و فاصله از گسل؛ و ترکیبی از دو حالت فوق، در پهنه بندی حساسیت زمین لغزش های حوضه آبخیز چریک آباد ارومیه است. برای این منظور با استفاده از بازدیدهای میدانی و تصاویر گوگل ارث، تعداد 92 نقطه لغزشی در حوضه شناسایی شدند. نقشه شاخص های مورفومتریک و عوامل محیطی و انسانی در SAGA_GIS6.4 و ArcGIS10.5 تهیه و رقومی شدند. نتایج ارزیابی دو مدل با استفاده از منحنی ROC نشان داد که در حالت استفاده از شاخص های مورفومتریک دو مدل SVM و ANN به ترتیب با سطح زیر منحنی 742/0 و 763/0 دارای عملکرد خوب در پهنه بندی حساسیت زمین لغزش ها بوده اند. در حالت استفاده از عوامل انسانی و محیطی، دو مدل فوق به ترتیب با سطح زیر منحنی 876/0 و 929/0 دارای عملکرد خوب و خیلی خوب؛ و در حالت استفاده از هر دو عوامل انسانی و محیطی به همراه شاخص های مورفومتریک، دو مدل با سطح زیر منحنی 940/0 و 936/0 دارای عملکرد تقریباً یکسان با رتبه عالی در پهنه بندی مناطق حساس بوده اند. بالاترین مقدار مجموع کیفیت (Qs) و نسبت تراکمی ( Dr ) بیشترین همبستگی بین رده های خطر برای مدل SVM در حالت سوم بوده است. نتایج حاصل از شاخص کاپا در حالت برتر نشان داد که به ترتیب عوامل لیتولوژی، LS و ارتفاع حوضه بیشترین تأثیر را بر وقوع زمین لغزش ها داشته اند؛ بنابراین تأثیر عوامل طبیعی نسبت به عوامل انسانی و در حالت کلی شاخص های مورفومتری در مقایسه با عوامل محیطی و انسانی در وقوع لغزش ها بیشتر بوده و حوضه ذاتاً حساس به وقوع لغزش است.
