Nghiên cứu xác định biến động đường bờ thượng lưu sông Sê San, tỉnh Kontum trên cơ sở phân tích dữ liệu viễn thám đa thời gian

VNU Journal of Science: Earth and Environmental Sciences, Vol. 36, No. 4 (2020) 102-115 
102 
Original Article 
Determination of Shoreline Changes along Upstream 
of Se San River, Kontum Province based Multi-temporal 
Remote Sensing Data Analysis 
Pham Thu Thuy1, , Pham Viet Hoa2, Vu Van Tich1, Pham Minh Tam3 
1Science and Technology Department, Vietnam National University, Hanoi, 144 Xuan Thuy, Hanoi, Vietnam 
2Ho Chi Minh City Institute of Resources Geography, 01 Mac Dinh Chi, Ho Chi Minh city, Vietnam 
3Faculty of Geography, VNU University of Science, 334 Nguyen Trai, Ha Noi, Vietnam 
Received 01 September 2020 
Revised 25 September 2020; Accepted 01 October 2020 
Abstract: Se San river upstream includes Poko tributary (on the right bank) and Dak Bla tributary 
(on the left bank), mostly located in Kon Tum province. The process of river sediment decline has 
dramatic shoreline changes in this area, which becomes a driving-force to modify the current socio-
economic development as well as the impact on territorial planning in the future. This study aims to 
analyze the shoreline changes by extracting multi-temporal satellite imagery of Landsat in the period 
of 1990-2013 and identify its change effects on land-use. The results show that the strongest erosion 
rate was -2.96 m/year in Dak Bla tributary (in Kon Tum town). And in the Poko tributary, the average 
value of erosion rate is -1.31 m/year and the average accretion rate is 1.17 m/year. In the context of 
dramatic land-use change, this approach allows to support for territorial management and illustrates 
the accretion-erosion relationship in river basin evolution. 
Keywords: Se San river basin, shoreline change, multi-temporal remote sensing data. 
________ 
 Corresponding author. 
 E-mail address: phamthuthuy@vnu.edu.vn 
 https://doi.org/10.25073/2588-1094/vnuees.4673 
P.T. Thuy et al. / VNU Journal of Science: Earth and Environmental Sciences, Vol. 36, No. 4 (2020) 102-115 103 
Nghiên cứu xác định biến động đường bờ 
thượng lưu sông Sê San, tỉnh Kontum trên cơ sở phân tích 
dữ liệu viễn thám đa thời gian 
Phạm Thu Thủy1, , Phạm Việt Hòa2, Vũ Văn Tích1, Phạm Minh Tâm3 
1Ban Khoa học Công nghệ, Đại học Quốc gia Hà Nội, 144 Xuân Thủy, Hà Nội, Việt Nam 
2Viện Địa lý tài nguyên thành phố Hồ Chí Minh, 01 Mạc Đĩnh Chi, Hồ Chí Minh, Việt Nam 
3Khoa Địa lý, Trường Đại học Khoa học Tự nhiên, ĐHQGHN, 334 Nguyễn Trãi, Hà Nội, Việt Nam 
Nhận ngày 01 tháng 09 năm 2020 
Chỉnh sửa ngày 25 tháng 9 năm 2020; Chấp nhận đăng ngày 01 tháng 10 năm 2020 
Tóm tắt: Thượng lưu sông Sê San bao gồm chi lưu Pô Kô (phía hữu ngạn) và Đăk Bla (phía tả 
ngạn) nằm hầu hết trên địa phận tỉnh Kon Tum. Quá trình suy giảm trầm tích sông đã hình thành 
những biến động đường bờ tại khu vực này, trở thành động lực làm thay đổi hiện trạng phát triển 
kinh tế xã hội cũng như tác động tới quy hoạch lãnh thổ trong tương lai. Nghiên cứu sử dụng ảnh 
Landsat trong giai đoạn 1990-2013 để xác định những đường bờ cơ sở nhằm phân tích những thay 
đổi theo không gian và thời gian; đồng thời, nghiên cứu những ảnh hưởng tới hoạt động sử dụng 
đất. Kết quả đã chỉ ra rằng điểm sạt lở mạnh nhất nằm trên chi lưu Đăc Bla thuộc địa phận thị xã 
Kon Tum với tốc độ trung bình 2,96 m/năm. Đối với chi lưu Pô Kô, tốc độ sạt lở trung bình là 1,31 
m/năm và tốc độ bồi tụ trung bình là 1,17 m/năm. Đặt trong bối cảnh biến động sử dụng đất, cách 
tiếp cận ước tính biến động này cho phép hỗ trợ đắc lực tới công tác quản lý lãnh thổ và làm sáng 
tỏ sự tiến hóa lưu vực sông thông qua mối quan hệ giữa bồi tụ-xói lở. 
Từ khóa: lưu vực sông Sê San, biến động đường bờ, dữ liệu viễn thám đa thời gian 
1. Mở đầu 
Đường bờ và quá trình biến động của nó là 
một đối tượng nghiên cứu của địa lý học, mô tả 
sự chuyển đổi qua lại của đất liền-dòng chảy 
thông qua nguyên nhân của sóng, gió, dòng chảy 
ven bờ và tác động nhân sinh [1]. Những thay đổi 
của đường bờ đã và đang tác động tới 45-60% cư 
dân toàn cầu, đặc biệt tại lưu vực các con sông 
lớn có mức độ tập trung dân cư với mật độ cao 
[2]. Điều này xuất phát từ đặc trưng biến đổi 
phức tạp của lòng sông, sự thiếu ổn định về 
cường độ, thay đổi liên tục cả trong ngắn hạn và 
dài hạn [3,4]. Những thay đổi về đường bờ đóng 
________ 
 Tác giả liên hệ. 
 Địa chỉ email: phamthuthuy@vnu.edu.vn 
 https://doi.org/10.25073/2588-1094/vnuees.4673 
vai trò quan trọng trong “cấu trúc hóa” môi 
trường xung quanh cũng như gây ra tổn thất trên 
các khía cạnh kinh tế-xã hội và môi trường cho 
cộng đồng [5]. Nhu cầu phát hiện, quan trắc và 
phân tích những thay đổi của lòng sông là nhiệm 
vụ quan trọng trong giám sát môi trường, hỗ trợ 
công tác quản lý lãnh thổ và quy hoạch có liên 
quan tới lưu vực sông [6]. Đặc biệt, tại các dòng 
chảy sông suối, các nghiên cứu đường bờ ít được 
chú ý tới do ưu tiên về hệ sinh thái ven sông 
[7,8], khan hiếm thông tin dữ liệu bởi sự tốn kém 
chi phí hoặc sự cản trở của địa hình [9], hay 
những đòi hỏi tính chi tiết cao của từng đoạn 
đường bờ [10]. 
P.T. Thuy et al. / VNU Journal of Science: Earth and Environmental Sciences, Vol. 36, No. 4 (2020) 102-115 104 
Phần lớn các nghiên cứu về biến đổi đường 
bờ được thực hiện trên cơ sở dữ liệu bản đồ, lập 
hồ sơ thực địa, khảo sát bằng ảnh hàng không 
hay LIDAR [11]; tuy nhiên, những kỹ thuật này 
gặp khó khăn về phạm vi quan trắc [12], thời 
gian không đảm bảo cho các đánh giá xu hướng 
dài hạn hay những thay đổi theo mùa [13,14]. 
Đối với các dữ liệu vệ tinh quang học, sự kết hợp 
của đặc trưng độ phân giải không gian ở mức 
trung bình với phạm vi bao phủ không gian lớn, 
và thời gian quan trắc lặp đi lặp lại thường xuyên 
cho phép khai thác các thông tin tại các địa điểm 
khó khăn trong đo đạc [15,16]. Sự phát triển của 
hệ thống thông tin ảnh vệ tinh trong vài thập niên 
qua đã cải thiện các thông số của dữ liệu miễn 
phí, đặc biệt là ảnh Landsat [17]. 
Ngoài ra, với sự phát triển củ ... đồi núi trọc 
mở rộng, diện tích lòng sông cũng tăng khoảng 
10% so với năm 1990. Từ năm 2009, thủy điện 
Pleikong đi vào vận hành chính thức, toàn bộ 
phần diện tích phía trên của vùng nghiên cứu 
biến thành lòng hồ. Điều này khiến phần lớn diện 
tích là mặt nước. 
Bảng 2. Ma trận thống kê biến đổi lớp phủ sử dụng đất trong diện tích lòng sông cực đại 
khu vực nghiên cứu giai đoạn 1990-2013 
Ma trận 
Diện tích lớp phủ SDĐ năm 2002 (ha) 
Lòng sông Bãi bồi Đất NN Cây CN Rừng Đất trống 
D
iệ
n
 t
íc
h
lớ
p
 p
h
ủ
 S
D
Đ
n
ăm
 1
9
9
0
 (
h
a)
 Lòng sông 708,84 139,5 33,84 0 0 0 
Bãi bồi 72,81 4,95 90,54 0 0 64,98 
Đất NN 64,98 0 413,91 0 0 43,02 
Cây CN 0 0 0 465,48 7,92 40,23 
Rừng 46,26 0 535,32 447,57 1.324,08 1.016,73 
Đất trống 24,75 0 79,11 0 0 71,64 
Ma trận 
Diện tích lớp phủ SDĐ năm 2013 (ha) 
Lòng sông Bãi bồi Đất NN Cây CN Rừng Đất trống 
D
iệ
n
 t
íc
h
lớ
p
 p
h
ủ
 S
D
Đ
n
ăm
 2
0
0
2
(h
a)
Lòng sông 711,72 101,07 67,86 0 0 36,99 
Bãi bồi 75,6 50,13 16,47 0 0 2,25 
Đất NN 1.089,18 49,68 7,65 0 0 6,21 
Cây CN 912,96 0 0 0 0 0,09 
Rừng 1.327,95 1,17 0,27 0 0 2,61 
Đất trống 1.153,26 0 16,38 0 0 66,96 
Để kiểm chứng nguyên nhân của tình trạng 
biến đổi diện tích lớp phủ sử dụng đất trong mối 
quan hệ với tình trạng xói lở-bồi tụ ở khu vực, 
nghiên cứu đã tiến hành khảo sát thực địa vào 
tháng 4 năm 2013 tại 15 điểm trên đoạn sông 
Đăk Bla và 10 điểm khảo sát trên đoạn sông Pô 
Kô nhằm kiểm chứng tính tin cậy cậy của cách 
tiếp cận. Kết quả cho thấy: (i) trên đoạn sông 
Đăk Bla, nguyên nhân của xu hướng biến đổi đến 
từ tác động của các đợt mưa, lũ lớn xảy ra hàng 
năm trên địa bàn khu vực; cũng như tác động của 
quá trình quy hoạch và khai thác khoáng sản 
không đúng mức ở khu vực lòng sông. Qua khảo 
sát thực địa cũng cho thấy, tình trạng khai thác 
các khoáng sản (sa khoáng, cát, đá, vàng) trái 
phép trên sông Đăk Bla diễn ra trong nhiều năm 
qua khiến cho nhiều đoạn bờ sông bị sạt lở 
nghiệm trọng. Một số vị trí lòng sông đã bị khai 
thác vượt độ sâu cho phép, tạo thành những hố 
sâu vài chục mét, khi lũ kéo cát về lấp đầy hố 
làm dòng chảy bị thay đổi; (ii) trên đoạn sông Pô 
Kô, do tác động của quá trình xây dựng và vận 
hành thủy điện Yaly và thủy điện Pleikrong trên 
địa bàn của tỉnh Kon Tum. Mưa lớn, cộng với 
việc hồ thủy điện Pleikrong xả lũ không những 
làm ngập một diện tích lớn khu vực nghiên cứu 
đồng thời làm bờ sông liên tục bị sạt lở nghiêm 
trọng. Ngoài ra, quá trình xây dựng thủy điện còn 
dẫn tới xu thế chuyển đổi sử dụng đất (từ trồng 
cây lâu năm sang trồng cây nông nghiệp ngắn 
ngày hoặc chặt phá rừng lấy gỗ để lại đất trống 
và đồi núi trọc). Điều này không những làm mất 
P.T. Thuy et al. / VNU Journal of Science: Earth and Environmental Sciences, Vol. 36, No. 4 (2020) 102-115 113 
đi diện tích rừng đầu nguồn, mà còn khiến các 
dòng chảy nhanh chóng đổ vào sông khiến mực 
nước sông dâng cao và gia tăng áp lực lên hai bờ. 
Kết quả đánh giá hoàn toàn phù hợp với số liệu 
và hiện trạng biến đổi lớp phủ trên diện tích cực 
đại lòng sông tại khu vực nghiên cứu. Một số 
nguyên nhân điển hình được minh họa bằng các 
ảnh thực địa trong Hình 9.
(i) Sạt lở bờ với mức độ mạnh và kéo dài trên sông 
Đăk Bla (nguồn: ảnh thực địa ngày 12/4/2013). 
(ii) Khai thác đá, sỏi trên lòng sông Đakbla chảy qua 
xã Đăk Rơ Wa (nguồn: ảnh thực địa ngày 10/4/2013). 
(iii) Khai thác cát trên sông Đăk Bla chảy qua xã 
Chư Reng (nguồn: ảnh thực địa ngày 10/4/2013). 
(iv) Sạt lở lớn trên đoạn sông Pô Kô khu vực chảy qua 
xã Krong (nguồn: ảnh thực địa 15/04/2013). 
Hình 9. Một số nguyên nhân điển hình của quá trình biến đổi đường bờ giai đoạn 1990-2013 
được xác định thông qua quá trình khảo sát ngoài thực địa. 
4. Kết luận 
Trên cơ sở tiếp cận định lượng của mô hình 
DSAS trong môi trường GIS, nghiên cứu đánh 
giá biến đổi đường bờ thông qua dữ liệu viễn 
thám đa thời gian trở thành một hướng tiếp cận 
hiệu quả phục vụ giảm thiểu rủi ro và tổ chức 
lãnh thổ một cách bền vững. Quá trình định 
lượng mức độ biến động đường bờ NSM và tốc 
độ biến đổi đường bờ ERP cung cấp cơ sở khoa 
học cho những đánh giá biến động đối tượng lớp 
phủ sử dụng đất trên lòng sông cực đại. Kết quả 
thống kê dữ liệu đối với lưu vực sông Sê San 
(trên hai chi lưu Đăk Bla và Pô Kô) đã khẳng 
định ưu thế về tính chính xác, hiệu quả kinh tế 
và giảm thiểu những khó khăn trong hoạt động 
quan trắc biến động ngoài thực địa. 
Kết quả nghiên cứu biến đổi lòng sông lưu 
vực thượng lưu sông Sê San cho thấy xu thế tác 
động ngày càng mạnh lên diện tích sử dụng đất 
ven bờ giai đoạn 1990-2013 bắt nguồn từ cả 
nguyên nhân tự nhiên và ảnh hưởng của hoạt 
động phát triển kinh tế-xã hội tại khu vực. Điều 
này đã và đang thúc đẩy các tác động tiêu cực tại 
lãnh thổ ven bờ diễn ra ngày càng mạnh về 
P.T. Thuy et al. / VNU Journal of Science: Earth and Environmental Sciences, Vol. 36, No. 4 (2020) 102-115 114 
cường độ cũng như tần suất. Và cách tiếp cận này 
còn mở ra những ứng dụng khác nhau nhằm kế 
thừa kết quả định lượng không gian của nghiên 
cứu như dự báo nguy cơ trong tương lai, lượng 
giá giá trị kinh tế ảnh hưởng bởi quá trình biến 
đổi đường bờ, phân tích xu thế tiến hóa của cảnh 
quan, phân tích rủi ro sinh thái,... Do phần diện 
tích sông cực đại nằm chủ yếu ở khu vực các xã 
miền núi, với mật độ công trình dân cư thưa thớt, 
vật liệu xây dựng nhà cửa đa số là thô sơ, đồng 
thời độ phân giải không gian của dữ liệu ảnh vệ 
tinh Landsat sử dụng nghiên cứu ở mức trung 
bình, tính chính xác của nghiên cứu có thể được 
nâng cao hơn nếu sử dụng ảnh viễn thám đa thời 
gian có độ phân giải cao hơn. 
Lời cảm ơn 
Nghiên cứu này được tài trợ bởi đề tài 
TN3/T16 và TN3/T20 thuộc chương trình Khoa 
học và Công nghệ phục vụ phát triển kinh tế - xã 
hội vùng Tây Nguyên. 
Tài liệu tham khảo 
[1] G. García-Rubio, D. Huntley, P. Russell, 
Evaluating shoreline identification using optical 
satellite images, Marine Geology 359 (2015) 96-
106. 
https://doi.org/10.1016/j.margeo.2014.11.002. 
[2] C.B. Boye, K. Appeaning Addo, G. Wiafe, K. 
Dzigbodi-Adjimah, Spatiotemporal analyses of 
shoreline change in the Western Region of Ghana, 
J. Coast. Conserv. Volume 22 Issues 4, 2018, pp. 
769–776. 
[3] S.P. Leatherman, B.C. Douglas, J.L. LaBrecque, 
Sea level and coastal erosion require large-scale 
monitoring, EOS Trans. Volume 84 Issues 2, 
(2003) 13–20. 
https://doi.org/10.1029/2003EO020001. 
[4] G. Eman, M. Jehan, G. Douglass, M. Joanne, A. 
Mostafa, Nile Delta exhibited a spatial reversal in 
the rates of shoreline retreat on the Rosetta 
Promontory comparing pre-and post-beach 
protection, Geomorphology 228 (2015) 1–14. 
[5] M.R. Muskananfola, Supriharyono, S. Febrianto, 
Spatio-temporal analysis of shoreline change 
along the coast of Sayung Demak, Indonesia using 
Digital Shoreline Analysis System, Regional 
Studies in Marine Science 34 (2020) 1-9. 
https://doi.org/10.1016/j.rsma.2020.101060. 
[6] G. Anfuso, D. Bowman, C. Danese, E. Pranzini, 
Transect based analysis versus area based analysis 
to quantify shoreline displacement: spatial 
resolution issues, Environmental Monitoring and 
Assessment 188 (2016) 568. 
https://doi.org/10.1007/s10661-016-5571-1. 
[7] D.L. Strayer, S.E.G. Findlay, D. Miller, H.M. 
Malcom, D.T. Fischer, T. Coote, Biodiversity in 
Hudson River shore zones: influence of shoreline 
type and physical structure, Aquatic Sciences 74 
(2012) 597–610. https://doi.org/10.1007/s00027-
012-0252-9. 
[8] M. Brabender, M. Weitere, C. Anlanger, M. 
Brauns, Secondary production and richness of 
native and non-native macroinvertebrates are 
driven by human-altered shoreline morphology in 
a large river, Hydrobiologia 776 (2016) 51-65. 
https://doi.org/10.1007/s10750-016-2734-6. 
[9] Md.S. Newaz, R.W. Mackereth, A.U. Mallik, D. 
McCormick, How much boreal lake shoreline is 
burned by wildfire? Implications for emulating 
natural disturbance in riparian forest 
management, Forest Ecology and Management 
473 (2020) 118-283. 
https://doi.org/10.1016/j.foreco.2020.118283. 
[10] X. Zhang, Z. Yang, Y. Zhang, Y. Ji, H. Wang, K. 
Lv, Z. Lu, Spatial and temporal shoreline changes 
of the southern Yellow River (Huanghe) Delta in 
1976–2016, Marine Geology 395 (2018) 188-197. 
https://doi.org/10.1016/j.margeo.2017.10.006. 
[11] B. Yang, C. Hwang, H.K. Cordell, Use of LiDAR 
shoreline extraction for analyzing revetment rock 
beach protection: A case study of Jekyll Island 
State Park, USA, Ocean & Coastal Management 
69 (2012) 1-15. 
https://doi.org/10.1016/j.ocecoaman.2012.06.007. 
[12] J.B. Campbell, R.H. Wynne, Introduction to 
Remote Sensing, Fifth edition, Guildford Press, 
2011, 607 pages. 
[13] H. Burningham, J. French, Understanding coastal 
change using shoreline trend analysis supported 
by cluster-based segmentation, Geomorphology 
282 (2017) 131-149. 
https://doi.org/10.1016/j.geomorph.2016.12.029. 
[14] D.E. Reeve, J. Horrillo-Caraballo, H. Karunarathna, 
S. Pan, A new perspective on meso-scale 
shoreline dynamics through data-driven analysis, 
Geomorphology 341 (2019) 169-191. 
https://doi.org/10.1016/j.geomorph.2019.04.033. 
[15] J. Almonacid-Caballer, E. Sánchez-García, J.E. 
Pardo-Pascual, A.A. Balaguer-Beser, J. Palomar-
Vázqueza, Evaluation of annual mean shoreline 
P.T. Thuy et al. / VNU Journal of Science: Earth and Environmental Sciences, Vol. 36, No. 4 (2020) 102-115 115 
position deduced from Landsat imagery as a mid-
term coastal evolution indicator, Marine Geology 
372 (2016) 79-88. 
https://doi.org/10.1016/j.margeo.2015.12.015. 
[16] E. Sánchez-Garcíaa, J.M. Palomar-Vázquez, J.E. 
Pardo-Pascual, J. Almonacid-Caballer, C. 
Cabezas-Rabadán, L. Gómez-Pujol, An efficient 
protocol for accurate and massive shoreline 
definition from mid-resolution satellite imagery, 
Coastal Engineering 160 (2020) 103732. 
https://doi.org/10.1016/j.coastaleng.2020.103732. 
[17] J.E. Pardo-Pascual, J. Almonacid-Caballer, L.A. 
Ruiz, J. Palomar-Vázquez, Automatic extraction 
of shorelines from Landsat TM and ETM+ multi-
temporal images with subpixel precision Remote 
Sensing of Environment 123 (2012) 1-11. 
https://doi.org/10.1016/j.rse.2012.02.024. 
[18] R. Aedla, G.S. Dwarakish, D.V. Reddy, 
Automatic Shoreline Detection and Change 
Detection Analysis of Netravati-
GurpurRivermouth Using Histogram 
Equalization and Adaptive Thresholding 
Techniques, Aquatic Procedia 4 (2015) 563-570. 
https://doi.org/10.1016/j.aqpro.2015.02.073. 
[19] Md.A. Kabir, Md. Salauddin, K.T. Hossain, I.A. 
Tanim, Md.M.H. Saddam, A.U. Ahmad, 
Assessing the shoreline dynamics of Hatiya Island 
of Meghna estuary in Bangladesh using multiband 
satellite imageries and hydro-meteorological data. 
Regional Studies in Marine Science 35 (2020) 
101167. 
https://doi.org/10.1016/j.rsma.2020.101167. 
[20] J. Moussaid, A.A. Fora, B. Zourarah, M. Maanan, 
M. Maanan, Using automatic computation to 
analyze the rate of shoreline change on the Kenitra 
coast, Morocco, Ocean Engineering 102 (2015) 
pp. 71-77. 
https://doi.org/10.1016/j.oceaneng.2015.04.044. 
[21] E.H. Boak, I.L. Turner, Shoreline Definition and 
Detection: A Review, Journal of Coastal Research 
214 (2005) 688-703. 
https://doi.org/10.2112/03-0071.1. 
[22] N.Q. Tuan, H.C. Tin, L.Q. Doc, T.A. Tuan, 
Historical Monitoring of Shoreline Changes in the 
Cua Dai Estuary, Central Vietnam Using Multi-
Temporal Remote Sensing Data, Geosciences 7 
(3) (2017) 72. https://doi.org/10.3390/geoscien 
ces7030072. 
[23] T.H. Phuong, H.P. Phung, N.T. Hung, H.C. Tri, 
Assessing the shoreline changes in Tra Vinh 
province using multi-temporal remote sensing 
data, Vietnam Journal of Science and Technology 
56 (5) (2018) 612-624. 
https://doi.org/10.15625/2525-2518/56/5/10944. 
[24] N. Raj, B. Gurugnanam, V. Sudhakar, P.G. 
Francis, Estuarine shoreline change analysis 
along The Ennore river mouth, south east coast of 
India, using digital shoreline analysis system, 
Geodesy and Geodynamics 10, Issue 3 (2019) 
205-212. https://doi.org/10.1016/j.geog.2019.04. 
002. 
[25] J.T. Kelly, S. McSweeney, J. Shulmeister, A.M. 
Gontz, Bimodal climate control of shoreline 
change influenced by Interdecadal Pacific 
Oscillation variability along the Cooloola Sand 
Mass, Queensland, Australia, Marine Geology 
415 (2019) 105971. 
https://doi.org/10.1016/j.margeo.2019.105971. 
[26] R.R. Goforth, S.M. Carman, Multiscale 
Relationships between Great Lakes Nearshore 
Fish Communities and Anthropogenic Shoreline 
Factors, Journal of Great Lakes Research 35 (2) 
(2009) 215-223. 
https://doi.org/10.1016/j.jglr.2009.02.001. 
[27] S. Buckman, M.A. de Alarcon, J. Maigret, 
Tracing shoreline flooding: Using visualization 
approaches to inform resilience planning for small 
Great Lakes communities, Applied Geography 
113 (2019) 102097. 
https://doi.org/10.1016/j.apgeog.2019.102097. 
[28] W.G. Rees, Physical Principles of Remote 
Sensing, Third edition, Cambridge University 
Press, 2013, 492 pages. 
[29] G. Winasor, S. Budhiman, The Potential 
Application of Remote Sensing Data for Coastal 
Study, Proc. 22nd Asian Conference on Remote 
Sensing, Singapore, 2001. 
Winar.pdf. 
[30] J. B. MacQueen, Some Methods for classification 
and Analysis of Multivariate Observations, 
Proceedings of 5th Berkeley Symposium on 
Mathematical Statistics and Probability, 
Berkeley, University of California Press, 1967, 
pp. 281-297. 
https://projecteuclid.org/download/pdf_1/euclid.
bsmsp/1200512992. 
[31] E.R. Thieler, E.A. Himmelstoss, J.L. Zichichi, A. 
Ergul, The Digital Shoreline Analysis System 
(DSAS) Version 4.0-an ArcGIS Extension for 
Calculating Shoreline Change, US Geological 
Survey Open-File Report, 2009. 
https://cmgds.marine.usgs.gov/publications/DSA
S/of2008-1278.