Landslides are one of the most common and a destructive natural hazard in mountainous terrain and thus evaluating their potential locations and the conditions under which they may occur is crucial for their hazard assessment. Shallow landslide occurrence in soil and regolith covered slopes are often modeled using the infinite slope model, which characterizes the slope stability in terms of a factor of safety (FS) value. Different approaches have been followed to also assess and propagate uncertainty through such models. Haneberg (2004) introduced the use of the First Order Second Moment (FOSM) method to propagate input uncertainty through the infinite slope model, further developing the model and implementing it in the PISA-m software package (Haneberg, 2007). Here we present an ArcPy implementation of PISA-m algorithms, which can be run from ESRI ArcMap in an entirely consistent georeferenced framework, and which we call “GIS Tool for Infinite Slope Stability Analysis” (GIS-TISSA). Users can select between different input options, e.g., following a similar input style as for PISA-m, i.e., using an ASCII.csv parameters input file, or providing each input parameter as a raster or constant value, through the program graphic user interface. Analysis outputs can include FS mean and standard deviation estimates, the probability of failure (FS < 1), and a reliability index (RI) calculation for FS. Following the same seismic analysis approach as in PISA-m, the Newmark acceleration can also be done, for which raster files of the mean, standard deviation, probability of exceedance, and RI are also generated. Verification of the code is done by replicating the results obtained with the PISA-m code for different input options, within a 10⁻⁵ relative error. Monte Carlo modeling is also applied to validate GIS-TISSA outputs, showing a good overall correspondence. A case study was performed for Kannur district, Kerala, India, where an extensive landslide database for the year 2018 was available. 81.19% of the actual landslides fell in zones identified by the model as unstable. GIS-TISSA provides a user-friendly interface, particularly for those users familiar with ESRI ArcMap, that is fully embedded in a GIS framework and which can then be used for further analysis without having to change software platforms and do data conversions. The ArcPy toolbox is provided as a .pyt file as an appendix as well as hosted at the weblink: https://pages.mtu.edu/~toommen/GeoHazard.html.

滑坡是山区地形中最常见和最具破坏性的自然灾害之一，因此评估其潜在位置和可能发生的条件对于评估其灾害至关重要。通常使用无限边坡模型来模拟在土壤和碎石覆盖的边坡中浅层滑坡的发生，该模型用安全系数（FS）值来表征边坡的稳定性。已经采用了不同的方法来通过此类模型评估和传播不确定性。Haneberg（2004）引入了使用一阶二阶矩（FOSM）方法通过无限斜率模型传播输入不确定性的方法，进一步开发了该模型并将其在PISA-m软件包中实现（Haneberg，2007）。在这里，我们介绍了PISA-m算法的ArcPy实现，可以在完全一致的地理参考框架中从ESRI ArcMap运行，我们称之为“无限边坡稳定性分析的GIS工具”（GIS-TISSA）。用户可以在不同的输入选项之间进行选择，例如，遵循与PISA-m相似的输入样式，即使用ASCII.csv参数输入文件，或者通过程序图形用户界面将每个输入参数提供为栅格或常量值。 。分析输出可以包括FS平均值和标准偏差估计值，失败概率（FS <1）以及FS的可靠性指标（RI）计算。遵循与PISA-m中相同的地震分析方法，还可以进行Newmark加速度，为此还生成了均值，标准差，超出概率和RI的光栅文件。^-5相对误差。蒙特卡洛建模还用于验证GIS-TISSA的输出，显示出良好的整体对应性。在印度喀拉拉邦的坎努尔地区进行了案例研究，该地区拥有广泛的2018年滑坡数据库。实际滑坡的81.19％落在该模型确定为不稳定的地区。GIS-TISSA提供了一个用户友好的界面，特别是对于那些熟悉ESRI ArcMap的用户而言，该界面完全嵌入GIS框架中，然后可以用于进一步分析，而无需更改软件平台和进行数据转换。ArcPy工具箱作为.pyt文件作为附录提供，并位于以下Web链接中：https：//pages.mtu.edu/~toommen/GeoHazard.html。

滑坡是山区地形中最常见和最具破坏性的自然灾害之一，因此评估其潜在位置和可能发生的条件对于评估其灾害至关重要。通常使用无限边坡模型来模拟在土壤和碎石覆盖的边坡中浅层滑坡的发生，该模型用安全系数（FS）值来表征边坡的稳定性。已经采用了不同的方法来通过此类模型评估和传播不确定性。Haneberg（2004）引入了使用一阶二阶矩（FOSM）方法通过无限斜率模型传播输入不确定性的方法，进一步开发了该模型并将其在PISA-m软件包中实现（Haneberg，2007）。在这里，我们介绍了PISA-m算法的ArcPy实现，可以在完全一致的地理参考框架中从ESRI ArcMap运行，我们称之为“无限边坡稳定性分析的GIS工具”（GIS-TISSA）。用户可以在不同的输入选项之间进行选择，例如，遵循与PISA-m相似的输入样式，即使用ASCII.csv参数输入文件，或者通过程序图形用户界面将每个输入参数提供为栅格或常量值。 。分析输出可以包括FS平均值和标准偏差估计值，失败概率（FS <1）以及FS的可靠性指标（RI）计算。遵循与PISA-m中相同的地震分析方法，还可以进行Newmark加速度，为此还生成了均值，标准差，超出概率和RI的光栅文件。^-5相对误差。蒙特卡洛建模还用于验证GIS-TISSA的输出，显示出良好的整体对应性。在印度喀拉拉邦的坎努尔地区进行了案例研究，该地区拥有广泛的2018年滑坡数据库。实际滑坡的81.19％落在该模型确定为不稳定的地区。GIS-TISSA提供了一个用户友好的界面，特别是对于那些熟悉ESRI ArcMap的用户而言，该界面完全嵌入GIS框架中，然后可以用于进一步分析，而无需更改软件平台和进行数据转换。ArcPy工具箱作为.pyt文件作为附录提供，并位于以下Web链接中：https：//pages.mtu.edu/~toommen/GeoHazard.html。