Remote sensing-based shoreline change investigation in Klang Coast and Langkawi Island towards sustainable coastal management
Notice bibliographique
Résumé
Malaysia’s coastline is incessantly exposed to coastal hazards, sea-level rise (SLR), and coastal erosion. A quantitative examination of shoreline migration patterns over various timeframes is necessary to comprehend land–sea interface behaviour and coastal ecology. Due to gradual changes in sea currents and coastline, Langkawi International Airport was constructed in December 1993 and extended near the coast in 2006. From 1994 to 2024, this study aims to manage changes in shorelines of Klang, Malaysia, and Langkawi Island, Malaysia, using Landsat 4-5 Thematic Mapping (TM) and 8 Operational Land Imager/Thermal Infrared Sensor (OLI/TIRS), Digital Shoreline Analysis System (DSAS), and ArcGIS software. Langkawi Island’s endpoint rates (EPR) varied between −1.34 and 1.02 m/year, whereas linear regression rate (LRR) was found to be 1.04 m/year for accretion and −0.84 m/year for erosion. Similarly, the Klang coast recorded −1.46 to 1.76 m/year LRR and −1.19 to 3.44 m/year EPR. While Northport (Malaysia) Bhd. seeing accretion due to building, Kapar Energy Ventures mostly witnessed erosion. The results highlight critical need for specialized coastal management techniques, like building seawalls, regenerating mangroves, and managing sediments, to reduce erosion and improve shoreline stability. To make well-informed decisions on sustainable coastal development, this study offers fresh perspectives on spatiotemporal Malaysian coastline dynamics.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».