Spatiotemporal Distribution Pattern and Spatial Clustering of Landslide-and Flood-Prone Areas in Metropolitan Palapa, Indonesia
Notice bibliographique
Résumé
The rapid development of urban areas is one of the driving factors for hazard exposure which causes vulnerability and environmental degradation.Environmental degradation causes vulnerability to disasters which will have implications for a decrease in economic benefits and an increase in community poverty.Landslides and floods are frequent natural disasters that cause environmental degradation.To reduce the risk of landslides and floods and formulate development policies and strategies in disaster-prone areas is necessary to identify landslides and flood areas.This study aims to identify and detect areas prone to landslides and floods in Metropolitan Palapa using GIS analysis and Moran's Local Index based on LISA statistics.The analysis results show that the northern to northeastern areas of Metropolitan Palapa (Pariaman regency and Pariaman municipal) are areas with high vulnerability to landslides, with high positive spatial associations of landslide occurrence and intensity.The area has an altitude between 350 to >1100 above sea level and a slope between 15 to >45%.Meanwhile, Padang and Pariaman municipal are areas that are vulnerable to flood hazards, and this is because these areas are lowlands/coastal areas.We can implement strategies and policies for the Palapa Metropolitan area, including a) limiting development in the northern region, b) applying engineering to areas prone to landslides by applying cut and fill techniques, c) improvement of drainage systems in areas prone to flooding; d) increase public awareness to care and provide incentives to people who care about the environment.Appropriate strategies and policies will reduce environmental degradation.We required disaster-based development planning to reduce environmental degradation, but the data is often an obstacle.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».