Mutia Jenita

NIM. 18060067

Abstrak
Meramalkan waktu kegagalan tanah longsor pada skala kemiringan adalah tugas yang sulit
namun penting yang dapat mengurangi dampak kegagalan lereng dalam hal nyawa manusia dan
kerugian ekonomi. Aplikasi umum mencakup situasi keselamatan publik, di mana risiko diwakili
oleh tempat tinggal yang dibangun di dekat tanah longsor aktif atau lereng terpotong yang tidak
stabil yang mengancam jalan dan kereta api, dan tambang terbuka, yang peringatan akuratnya
merupakan hal mendasar bagi pekerja penjaga yang aman dan sekaligus menghindari gangguan
yang tidak perlu. dari kegiatan ekstraksi.
Literatur ilmiah dipenuhi oleh banyak metode, pedoman dan pendekatan mengenai perkiraan
waktu kegagalan atau menentukan kondisi kehancuran yang segera terjadi. Dengan demikian,
memperoleh pandangan sinoptik tentang kelebihan dan keterbatasan metodologi yang berbeda
telah menjadi sulit. Pada saat yang sama, inovasi dalam teknologi telah membuka kemungkinan
baru untuk penerapan teknik tersebut, yang diperiksa di sini.
Makalah ini membahas dan mengklasifikasikan metode-metode ini, membahas perbedaan dan
kekhasan masing-masing untuk mendorong penggunaan bahkan metode yang kurang populer
tanpa mengabaikan aspek yang lebih ilmiah dan masalah peramalan tanah longsor. Akhirnya,
tinjauan tentang tren dan tantangan masa depan disajikan untuk berkontribusi pada perdebatan
seputar topik penting ini.

1, Perkenalan negara-negara seperti Italia, Amerika Serikat

Memperkirakan risiko yang diwakili oleh
tanah longsor pada skala global sulit.
Misalnya, kerusakan akibat tanah longsor
biasanya disebabkan oleh peristiwa yang
memicu mereka (seperti halnya gempa
bumi), dan kegagalan skala kecil sering
tidak dilaporkan (Petley et al., 2005a).
Jumlah sebenarnya dari kematian mungkin
sedikit diremehkan ketika korban meninggal
karena cedera yang diakibatkan tanah
longsor berminggu-minggu hingga
berbulan-bulan setelah kejadian (Petley,
2012). Perkiraan kerugian manusia dan
biaya ekonomi karenanya bervariasi;
evaluasi yang aman mempertimbangkan
bahwa jumlah rata-rata kematian tahunan
adalah> 4.300 per tahun di seluruh dunia
(Froude dan Petley, 2018). Biaya tahunan di
dan Jepang dengan mudah melebihi
$ 1 miliar (Schuster dan Highland, 2001;
Klose et al., 2015) dan global adalah sekitar
$ 19,8 miliar, yang merupakan sekitar 17%
dari rata-rata kerugian bencana alam global
tahunan (Haque et al., 2016); proyeksi yang
didasarkan pada kemungkinan efek
perubahan iklim menunjukkan bahwa
angka-angka ini mungkin akan meningkat
(Gariano dan Guzzetti, 2016).
Strategi Internasional PBB untuk
Pengurangan Bencana (UNISDR, 2006)
membahas sistem peringatan dini sebagai
alat yang ampuh untuk mengurangi risiko di
berbagai bidang, termasuk tanah longsor.
Salah satu komponen utama sistem
peringatan dini adalah peramalan (DiBiagio
dan Kjekstad, 2007; Intrieri et al., 2013).
Perkiraan longsor terdiri dari prediksi
kegagalan lereng dalam hal spasial dan /
atau temporal. Dalam kasus pertama
tujuannya adalah memberikan probabilitas
spasial di mana ketidakstabilan dapat terjadi.
Ini biasanya dilakukan melalui peta
kerentanan, bahaya, atau risiko: yang
pertama menyiratkan pengelompokan,
memperkirakan area atau volume, dan
menilai distribusi spasial dari tanah longsor
yang ada dan potensial di wilayah studi; peta
bahaya terkait dengan frekuensi (mis.
probabilitas tahunan) dari tanah longsor;
peta risiko juga menilai potensi kerusakan
unsur-unsur yang berisiko (Fell et al., 2008).
Peta kerentanan biasanya merupakan hasil
dari kombinasi pengaruh tertimbang yang
dimiliki sejumlah parameter terhadap
kecenderungan tanah longsor, mis.
kemiringan lereng, litologi, tutupan lahan,
aspek, karakteristik drainase, dll. (Ayalew
dan Yamagishi, 2005; Van Westen et al.,
2008; Bui et al., 2016; Le et al., 2018). Peta
bahaya biasanya menentukan probabilitas
kejadian dari informasi mengenai frekuensi
kejadian masa lalu atau dari model yang
menghitung faktor keselamatan (Dietrich
dan Montgomery, 1998; Salciarini et al.,
2006; Simoni et al., 2008; Rossi et al. ,
2013). Prediksi spasial juga dapat mencakup
di mana dan bagaimana materi yang terlepas
akan melakukan perjalanan dan akhirnya
disimpan. Ini sering dihitung dengan model
empiris atau numerik (Chen dan Lee, 2003;
De Joode dan Van Steijn, 2003;
Rickenmann, 2005; Antolini et al., 2016;
McDougall, 2016). Topik prediksi tanah
longsor akan membutuhkan disertasi yang
lebih dalam yang tidak termasuk dalam
makalah ini.
Kami fokus, di kenyataannya, adalah pada
yang sementara prediksi dari tanah longsor,
yang dapat menjadi de fi ned sebagai yang
menentukan dari pada waktu dari runtuhnya
dari sebuah lahan geser (atau bagian dari itu)
dalam sebuah diterima marjin dari kesalahan
(di mana istilah “ diterima ” adalah terkait
dengan dengan konsep dari diterima risiko;
Fell, 1994 ). Prediksi temporal dapat
dilakukan pada skala global / regional atau
pada skala lereng; yang pilihan dari yang
skala yang biasanya dikaitkan dengan yang
pilihan dari yang dipantau parameter. Pada
kenyataannya, di ff erent pendekatan ada
untuk memprediksi dalam waktu dari
kegagalan dari tanah longsor, tergantung
pada yang parameter yang diadopsi untuk
menunjukkan kemungkinan akan segera
terjadi kegagalan. Biasanya, daerah skala
prediksi dapat hanya dapat dibuat dengan
menggunakan curah hujan pemantauan dan
sebuah geo morfologi, pendekatan hidro-
meteorologi, sedangkan lereng-skala
prediksi dapat mengambil keuntungan dari
sebuah geoteknik pendekatan yang berkaitan
dis penempatan atau lainnya jenis dari data
yang untuk yang waktu dari kegagalan.
Meskipun metode peramalan menggunakan
data curah hujan ada juga untuk aplikasi
skala-lereng , Segoni et al. (2018)
menemukan keluar yang hanya 4,2% dari
yang metode-curah hujan berdasarkan
mereka meninjau dikandung untuk lereng-
besaran, sementara sebagian besar dari
mereka adalah untuk cekungan atau daerah
skala ( Shieh et al,. 2009 ; Brunetti et al,.
2010 ; Ponziani et al., 2012 ).
Penggunaan data curah hujan yang paling
umum adalah untuk mendapatkan ambang
curah hujan. Ini biasanya mengambil bentuk
curah hujan intensitas intensitas, ambang
batas yang didasarkan pada total kejadian
curah hujan, ambang batas kejadian, ambang
batas intensitas kejadian, dan ambang batas
yang didasarkan pada presipitasi
sebelumnya (Guzzetti et al., 2007 ). Semua
metode ini bergantung pada fakta bahwa
curah hujan merupakan pemicu utama
ketidakstabilan lereng. Penggunaannya
secara luas terkait dengan kemungkinan
membuat prediksi temporal pada skala
regional dan kemampuan kami untuk
melakukan prakiraan cuaca yang relatif
akurat (Stähli et al., 2015; Piciullo et al.,
2018). Di sisi lain, jika detail skala-lereng
diperlukan, karena pendekatan ini
mengadopsi indikator ketidakstabilan (curah
hujan) tidak langsung, mereka lebih rentan
terhadap alarm palsu atau terlewatkan.
Batasan semacam itu mungkin tidak selalu
memenuhi persyaratan margin of error yang
dapat diterima.
Metode peramalan lainnya dapat
memberikan prediksi skala lereng
waktu kegagalan dan eksploitasi emisi
akustik, frekuensi rockfall, tekanan air pori
atau indikator yang berbeda sebagai tanda
yang menunjukkan bahwa lereng mengalami
kerusakan struktural dan mungkin rentan
terhadap kegagalan (Jurich dan Miller, 1987;
Szwedzicki, 2003; Rosser et al., 2007;
Vilhelm et al., 2008). Meskipun parameter
tersebut dapat dipertimbangkan secara
kualitatif selama evaluasi ahli risiko
kegagalan, dimasukkannya mereka ke dalam
sistem peringatan dini yang dikodifikasikan
bukanlah praktik yang umum.
Akhirnya, parameter yang paling dapat
diandalkan (dan paling umum digunakan)
untuk
meramalkan waktu kegagalan pada skala
lereng adalah perpindahan lereng dan
turunannya (kecepatan dan percepatan).
Parameter kinematik ini secara langsung
berkaitan dengan kondisi stabilitas dari
massa yang bergerak (Lacasse dan Nadim,
2008), dan teknologi modern menyediakan
banyak instrumen canggih untuk secara
akurat memantau mereka dalam
 
waktu nyata (Casagli et al., 2017).
Dari sini, kecuali ditentukan lain, kami akan
merujuk pada prediksi atau perkiraan hanya
dalam istilah temporal. Secara khusus,
makalah ini berfokus pada metode skala-
lereng berdasarkan parameter kinematik.
Terutama pada skala ini, pendekatan seperti
itu masih belum sering diadopsi dalam
strategi manajemen risiko untuk
perlindungan sipil, terutama karena
kebutuhan akan sistem pemantauan yang
berdedikasi dan sering mahal (Iovine et al.,
2006; Intrieri et al., 2012), tetapi mewakili
titik fokus dalam industri pertambangan, di
mana kekhawatiran terkait keselamatan
pekerja dan gangguan kegiatan (yang tidak
perlu) membenarkan biaya untuk sistem
pemantauan mutakhir; pada kenyataannya,
sebagian besar aplikasi dan pengembangan
yang menarik dari metode peramalan yang
didasarkan pada teori kemiringan
didokumentasikan dalam sektor ini (lihat
Bagian 2.5 “Aplikasi”). Berdasarkan semua
pertimbangan ini, pentingnya menggali
prakiraan waktu-kegagalan jelas. Meskipun
demikian, sebuah karya terbaru yang secara
sistematis menjelaskan, membandingkan
dan mengomentari metode utama, dengan
kelebihan dan keterbatasan masing-masing,
saat ini masih kurang dalam literatur ilmiah.
Oleh karena itu, makalah ini bertujuan untuk
memberikan
ulasan terbaru untuk para peneliti dan
operator manajemen risiko.
2. Klasifikasi metode peramalan kegagalan
berbasis kinematika
Untuk tujuan kami, kegagalan (atau pecah)
didefinisikan sebagai keruntuhan
paroksismal material yang lengkap.
Meskipun metode yang dijelaskan kadang-
kadang telah berhasil diterapkan pada
berbagai kasus seperti spesimen batuan
(Mufundirwa et al., 2010; Hao et al., 2016),
spesimen tanah (Petley et al., 2005b; Dok et
al. , 2011), dinding buatan manusia (Carlà et
al., 2017b) atau letusan gunung berapi
(Voight, 1988; De la Cruz-Reyna dan
Reyes-Davila, 2001; Smith dan Kilburn,
2010; Boué et al., 2015), metode ini
sebagian besar diterapkan pada lereng yang
tidak stabil. Dengan demikian, tanah longsor
digunakan sebagai referensi utama, tetapi
konsep yang sama masih berlaku dalam
konteks lain.
Alasan untuk prediksi time-of-failure yang
paling adalah bahwa perpindahan
pengalaman lereng yang dapat digambarkan
dengan kurva creep sebelum pecah (Tavenas
dan Leroueil, 1981). Creep adalah deformasi
yang bervariasi sesuai dengan waktu, terjadi
pada tegangan plastik konstan, sebagian
besar (mis., Sebagian besar deformasi tidak
dapat dipulihkan setelah regangan elastis
awal yang dapat dipulihkan). Tiga tahap
secara tradisional diindividuasikan,
meskipun beberapa penulis menjelaskan
tahap kedua untuk bahan rapuh sebagai
penyesuaian linear dari tahap pertama dan
ketiga atau transisi antara keduanya (Main,
2000; Amitrano dan Helmstetter, 2006).
Namun demikian, menurut interpretasi
klasik, tahap pertama adalah creep primer
(atau dekerating atau transient), dengan laju
regangan menurun secara logis, diikuti oleh
creep sekunder (atau steady-state) dengan
laju regangan konstan, dan creep tersier
(atau percepatan) dengan laju creep yang
meningkat, yang menyebabkan pecah (Gbr.
1).
Gambar. 1. Interpretasi tiga negara
konvensional dari perilaku creep.
Disertasi terperinci mengenai creep dapat
ditemukan di Terzaghi (1950), Saito (1969),
Zavodni dan Broadbent (1978), Varnes
(1982), Cruden dan Masoumzadeh (1987),
Dusseault dan Fordham (2008), dan Dok et
al. (2011).
Metode prediksi waktu kegagalan yang
didasarkan pada kinematic parameter dapat
diklasifikasikan dalam dua kelompok:
• Metode empiris: metode ini didasarkan
pada pengamatan itu
kecepatan perpindahan meningkat secara
kritis sebelum pecah dan biasanya
memperkirakan waktu kegagalan melalui
argumen geometris. Persamaan juga
diturunkan dan kadang-kadang digambarkan
sebagai kasus persamaan tertentu yang
didefinisikan dengan semi-empiris metode.
• Metode semi-empiris: titik awal dari
metode ini adalah apersamaan umum yang
menghubungkan laju perpindahan dengan
percepatan, dengan beberapa konstanta
empiris digunakan.
Biasanya, metode di atas diterapkan pada
sliding, toppling dan tanah longsor
majemuk, tanpa batasan intrinsik untuk
ukuran, keadaan
aktivitas dan jenis bahan (Intrieri dan Gigli,
2016). Dalam makalah ini, contoh aplikasi
yang lebih jarang (batu jatuh, kegagalan
irisan, tanah lambat)
arus) juga akan disajikan. Metode lain sering
dikaitkan dengan prediksi longsor meskipun
mereka tidak benar-benar memberikan
perkiraan waktu kegagalan:
• Metode numerik: kategori ini mencakup
berbagai
metode yang menganalisis dan memodelkan
deret waktu (misalnya, menguraikannya
menjadi beberapa komponen, seringkali
dengan pembelajaran mesin)
untuk memprediksi nilai perpindahan di
masa mendatang berdasarkan pengamatan
sebelumnya.
• Metode untuk definisi ambang batas:
kelompok ini termasuk beragam
pendekatan yang individuate sinyal
kuantitatif untuk menyarankan kemungkinan
kegagalan tetapi tidak dapat memberikan
kerangka waktu untuk kejadian seperti itu.
Dalam setiap kelompok, klasifikasi lebih
lanjut akan dipertanyakan dan tidak ketat,
sehingga metode akan dijelaskan dalam
urutan kronologis yang luas dan
dikelompokkan bersama berdasarkan
kesamaan.
2.1. Metode empiris
Tanpa mempertimbangkan upaya pertama
saat prediksi kegagalan dalam literatur
(Heim, 1932; Jäggli, 1928; Eberhardt et al.,
2008; Bonnard, 2006; Federico et al., 2015),
pendekatan penting pertama tentang
peramalan kegagalan dikembangkan oleh
Saito dan Uezawa
(1961), yang memperkenalkan metode untuk
meramalkan sisa waktu untuk kegagalan
lereng dari kurva creep sekunder (Saito dan
Uezawa, 1961; Saito, 1965) atau, lebih
sukses, dari kurva creep tersier (Saito,1969).
Saito dan Uezawa (1961) mengusulkan
formula empiris berdasarkan hubungan
antara laju regangan konstan ε̇ (dinyatakan
dalam 10−4 mnt) dan waktu tersisa untuk
kegagalan atau harapan hidup tL
(dinyatakan dalam menit) Persamaan. (1); tL
terkait dengan waktu kegagalan (tf) oleh
relasi tf = tL + ti, dengan ti = waktu
prediksi.
log t ε = ± 2.33–0.916 log ̇ 0.59 10 L 10 (1)
Alasan mengapa tingkat regangan digunakan
bukan perpindahan
adalah karena keterbatasan yang melekat
pada yang tersedia instrumen pemantauan
pada saat itu.
Di sisi lain, Saito (1969) mengembangkan,
empiris grafis metode berdasarkan kurva
creep tersier (Gbr. 2). Menurut Ini metode,
tiga titik, khususnya, A1 (ΔD1, t1), A2
(ΔD2, t2), dan A3 (ΔD3,
t3), dipilih untuk memiliki perbedaan
perpindahan ΔD yang sama (yaitu,
mereka harus diberi jarak yang sama pada
sumbu Y). A1 ′ dan A3 ′ adalah proyeksi
A1 dan A3, masing-masing, pada garis yang
melewati A2 dan sejajar dengan sumbu
waktu. M dan N adalah titik tengah A1′A2
dan A1′A3 ′,
masing-masing. Kemudian, waktu
kegagalan dapat diperoleh sebagai absis dari
persimpangan garis lurus yang melewati A1
′ dan N ′ dengan garis lurus yang melewati
M 'dan sejajar dengan sumbu waktu.
Prosedur ini dibenarkan melalui argumen
geometris.
Meskipun Saito merekomendasikan
pendekatan grafis, munculnya lembar
perhitungan dan algoritma sejak itu
membuat solusi numerik yang sesuai
menjadi lebih praktis. (2)
t 2−t t
tf = 2 1 3
2 t 2−(t 1 +t 3 )
Hayashi et al. (1988) menurunkan
persamaan untuk memprediksi kegagalan
pada tahap awal creep tersier (yaitu, lebih
awal daripada kebanyakan metode lain, yang
bekerja lebih baik ketika diterapkan selama
tahap terbaru), berdasarkan pengamatan
bahwa kecepatan awal yang lebih tinggi
pada awal creep tersier menunjukkan waktu
yang lebih dekat ke kegagalan Persamaan.
(3)
t L =¿)c (∆ t)m
di mana c dan m adalah konstanta yang
nilainya (masing-masing 2,13 dan 1,6)
telah dihitung secara empiris dari tujuh
kegagalan lereng alami, dan ist adalah
interval waktu yang diperlukan untuk
perpindahan 10 cm mulai dari awal creep
tersier. Prosedur ini tidak pernah populer,
dan berapa banyak nilai untuk c dan m dapat
bervariasi tidak diketahui tanpa aplikasi luas
untuk sejarah kasus lainnya. Fitur utama dari
metode ini adalah kemampuan nominalnya
untuk melakukan prediksi awal, meskipun
fitur ini berarti bahwa perkiraan tidak dapat
diperbarui jika terjadi perubahan tren dan
data pemantauan harus cukup lama untuk
menangkap awal creep tersier.
Fukuzono (1985a, 1985b, 1990) lebih lanjut
mengembangkan ide Saito oleh
mengusulkan metode grafis yang lebih
sederhana, yang sejauh ini paling banyak
digunakan
dan pendekatan sederhana untuk SebagaiSelama tanah longsor berada pada
menemukan waktu kegagalan lereng. titik keseimbangan, plot menampilkan
Metode ini berlaku untuk creep tersier, garissejajar dengan sumbu waktu; ketika
setelah itu tanah longsor mengalami kecepatan asimtotik meningkat,plot
akselerasi pada saat t0 (timbulnya menampilkan garis ekstrapolasi yang
akselerasi). Pada saat ini, memotong sumbu waktu (1 / v →0) saat v
dua hasil yang mungkin dapat terjadi → ∞. Waktu yang sesuai dengan inter-
(ditunjukkan pada Gambar. 3): ekstrapolasiBagian menunjukkan waktu
a) kecepatan (v) meningkat tanpa gejala kegagalan. Jika α = 2, plotnya linear
sampai tanah longsor runtuh danwaktu kegagalan sama dengan waktu
pada saat tf, ketika kecepatan secara teoritis yang diperkirakan dari metode Saito (1969) .
v → ∞; Didalam hal ini, regresi linier digunakan
b) setelah akselerasi awal, kecepatan untuk ekstrapolasi.Ketika α> 2 atau 1 <α <2,
menurun dan tanah longsor kurva kecepatan terbalik adalah cembung
mencapai keadaan keseimbangan lain tanpa ataumasing-masing cekung, oleh karena itu
runtuh. Fukuzono (1985a) menyarankanmetode
Fukuzono (1985a) menghitung bahwa grafis ferent bukan regresi linier ( Gbr. 4).
kecepatan terbalik (1 / v atau Λ) Inipendekatan jarang digunakan karena α
sesuai dengan yang berikut dalam kasus biasanya tidak berbeda jauh dari 2dan
deformasi lambat dan kontinu di bawah penyederhanaan dari fit linear lebih disukai,
beban konstan sampai kegagalan Persamaan. asalkan itudiperbarui secara berkelanjutan
(4): untuk mengidentifikasi awal perubahan
1 tren(Rose dan Hungr, 2007). Metode ini
Λ= =[ A ( a−1 ) ]1/(a−1) ( tf −t ) ¿ ¿1 /(a−1)
v terdiri dari menggambar garis singgung
di mana A dan α adalah dua nilai yang
ditemukan secara empiris; Penelitian
terkinimengungkapkan bahwa A dan α tidak
independen satu sama lain, bervariasidengan
rasio over-konsolidasi dan jenis bahan
( Minamitani,2007; Dok et al., 2011 ). Eq.
(4) berasal dari korelasi linierantara
logaritma akselerasi dan logaritma
kecepatanselama creep tersier, seperti yang
ditemukan oleh Fukuzono dan Terashima
(1982) danFukuzono (1984).Metode grafis
yang dijelaskan oleh Fukuzono
(1985a)terdiri dari merencanakan kebalikan
dari kecepatan versus waktu Persamaan. (4).

fig. 2. Pendekatan grafis untuk menentukan waktu kegagalan dalam kisaran creep tersier
(dimodifikasi setelah Saito, 1969).
Gambar 3. Evolusi kinematis dari tanah longsor; setelah periode stabilitas relative yang
ditandai oleh kecepatan konstan v0 selama creep sekunder (1), jika
creep tersierdimulai, tanahlongsor dapat berakselerasi hingga kolaps (2a) atau berakselerasi dan
kemudian mencapai keseimbangan baru (2b).

Gambar 4. Metode grafis untuk menentukan waktu kegagalan ketika α ≠ 2 (dimodifikasi setelah
Fukuzono, 1985a).
ke kurva pada titik acak Λ 1 yang sesuai
dengan waktu t 1 . Itugaris singgung
melintasi sumbu horizontal pada titik t c1 .
Kemudian, titik P 1 adalahdiplot secara
vertikal di atas Λ 1 sehingga segmen t 1 Λ 1
sama dengan segment 1 t c1 . Prosedur ini
diulangi untuk poin lain Λ 2 . Absisnya t fdi
mana garis lurus yang menghubungkan P1
dan P2 melintasi sumbu horizontaladalah
saat kegagalan.Petley et al. (2002) dan
Petley (2004) mengaitkan kehadiran atren
linear (α = 2) untuk perilaku getas yang
dikaitkan dengan retakanformasi dan
kegagalan pertama kali. Di sisi lain, Intrieri
dan Gigli(2016) memberikan contoh plot
kecepatan terbalik berbentuk cekung
itudisebabkan kegagalan pertama kali dalam
bahan rapuh dan linierTren tanah longsor
diaktifkan kembali (yaitu tanah longsor di
mana gerakanterjadi di sepanjang
permukaan geser yang sama di mana sudah
terjadi dilalu). De la Cruz-Reyna dan Reyes-
Davila (2001) menerapkan visko-
elastismodel material ke tanah longsor
buatan (model skala 5 m dibangun)di
laboratorium) yang dipelajari oleh Fukuzono
(1985a), dan menyimpulkanbahwa
kecepatan terbalik pada saat kondisi beban
berubahtidak bisa menjadi garis lurus ketika
tahap awal sesuai dengan in-stres yang
meningkat (misalnya, disebabkan oleh curah
hujan) dan tahap akhirsesuai dengan
tegangan konstan (misalnya, karena tanah
memiliki mencapai saturasi).Fukuzono
(1985a) menerapkan metodenya untuk tanah
longsor buatan di Jakartalempung atau pasir
di lereng yang dicirikan oleh sudut dan
berbedabentuk. Khususnya, kegagalan
dipicu oleh curah hujan buatan; Al-
meskipun pengaturan ini tidak memenuhi
persyaratan kekuranganfaktor eksternal
(kondisi yang diperlukan untuk kurva creep
teoritis), theprediksi masih benar.Dalam
industri pertambangan, metode grafis yang
mengasumsikan α = 2 adalahsering
terintegrasi dalam rencana respons aksi
pemicu (TARP; Bacadan Stacey, 2009 ;
Dick et al., 2015) karena visual
langsungnyaumpan balik. Untuk alasan ini,
solusi matematika untuk α = 2 itudisediakan
dalam Fukuzono (1985a) jarang digunakan
Persamaan. (5)
t 2 ( A 1 )−t 1 (A 2)
tf =
A 1− A 2
Karena popularitas metode Fukuzono
(1985a) , beberapapenulis memberikan saran
dan pedoman untuk penggunaan yang
mahir.Metode ini bergantung pada nilai
invers dari parameter turunan(kecepatan),
sehingga deret waktu mengalami tingkat
variabilitas yang tinggi, dankebisingan
instrumental atau alami dalam pengukuran
perpindahan merambat ketika menghitung
kecepatan terbalik. Untuk alasan ini, Carlàet
al. (2017b) merekomendasikan melakukan
rata-rata bergerak dengan kecepatannilai-
nilai ( v t ), pengujian dengan nilai yang
berbeda untuk jumlah sampel ( n )Eq. (6) .
v 1 + v t−1+ ...+ V t−(n −1)
v t=
n
Untuk mengatasi variabilitas prediksi dari
noise, Carlà et al.(2017b) menyarankan
menggunakan dua moving average yang
berbeda secara paralel, masing-
masingdengan lebih tinggi (moving average
jangka panjang, LMA) atau lebih rendah
(jangka pendeknilai moving average, SMA)
dari n . Secara bersamaan memproyeksikan
yang terbaik-cocok dari kedua deret waktu
rata-rata akan menghasilkan dua nilai t f
yang berbeda , denganperbedaan antara t f
(LMA) dan t f (SMA) yang diindikasikan
sebagai Δ; di sini, sebagai-penjumlahan t f
(SMA) < t f (LMA) , t fw ditentukan antara
berikut inirentang Persamaan. (7):
¿
Persamaan ini memungkinkan kita untuk
mendefinisikan jendela kegagalan yang
diwakilikerangka waktu selama terjadinya
peristiwa keruntuhandianggap paling
mungkin.Menurut Rose dan Hungr (2007),
metode kecepatan terbalik adalahtidak cocok
untuk prediksi dalam jangka waktu lama,
yang harusterus diperbarui untuk menilai
pentingnya perubahan tren yang terlihat.
DiSebaliknya, Intrieri dan Gigli (2016)
menyarankan untuk mengulangiprediksi dan
mempertimbangkan seluruh rangkaian data
perkiraan waktukegagalan, bukan hanya
berfokus pada waktu-waktu terakhir. Penulis
inimenerapkan prosedur ini pada metode
Saito (1969), Fukuzono(1985a) dan
Mufundirwa et al. (2010) dan menemukan
itu yang palingdata pemantauan perpindahan
terbaru meningkatkan kepercayaan diri
saatmemperkirakan waktu kegagalan, tetapi
tidak selalu memberikan lebih
banyakprediksi akurat daripada data lama
(asalkan prediksi itudimulai setelah inisiasi
creep tersier). Padahal, jikadiksi diplot
terhadap waktu ketika prediksi seperti itu
dibuat(petak prediksi), prakiraan terbaru
biasanya kelebihan atau
kekuranganmemprediksi waktu kegagalan,
setelah periode selama perkiraanberosilasi di
sekitar waktu ini (Sornette et al., 2004;
Venter et al., 2013;Intrieri dan Gigli, 2016 ).
Oleh karena itu, nilai rata-rata
keseluruhanserangkaian prakiraan
(menghilangkan pencilan dan nilai-nilai
yang tidak masuk akal) bisamemberikan
hasil yang lebih baik daripada hanya
prediksi terbaru.Mulai dari dasar teori yang
sama dengan Saito dan Fukuzono,Azimi et
al. (1988) mengusulkan metode grafis lain
(Fig. 5) itudikembangkan dari Asaoka
(1978), yang mengusulkan pendekatan ini
untuk menilaipenyelesaian akhir dalam tes
edometrik. Metode ini terdiri dari plot-
perpindahan dibandingkan dengan waktu
dan individualisasi segmen yang
samaperpindahan (Δ D ). Saat kecepatan
meningkat, segmen ini akan
menjadidigantikan oleh interval waktu yang
semakin pendek Δ t hingga Δ t → 0
(Gambar 5 a). Jadi, instans final dan awal
dari interval waktu ini ( t i dant i-1 , masing-
masing) cenderung sama. Dengan
merencanakan t i versus t i-1 selamatersier
creep, data akan secara kasar disejajarkan
pada garis lurus. Waktukegagalan bertepatan
dengan t i yang sesuai dengan intersepsi
inisejalan dengan garis yang mewakili
identitas ( t i = t i-1 ) (Gambar 5 b).
Ituekstrapolasi garis ini dapat
memungkinkan perkiraan tepat waktu.
Azimi et al.(1988) menekankan pentingnya
memilih hanya data terbarukarena data yang
lebih lama dapat meningkatkan kesalahan
dalam prediksi. Inimetode bertepatan
dengan Fukuzono (1985a) ketika α = 2,
tetapi tidak ada aplikasikation ditemukan
dalam literatur karena lebih
rumitpenerapan.Li et al. (1996) menurunkan
fungsi Verhulst terbalik untuk
memprediksiwaktu kegagalan dua tanah
longsor Persamaan. (8):
1
D= ln m−nt ¿ t 0 ¿ m−n t ¿ t ¿+ n0
0
m
di mana kegagalan diperkirakan terjadi
untuk perpindahan D → ∞, dengan m dann
sesuai dengan parameter yang mewakili
paling sesuai dari monitoritoring data.Baru-
baru ini, Mufundirwa et al. (2010)
melanjutkan tradisiSarjana Jepang meneliti
di bidang ini dan mengembangkan
sepenuhnyametode baru “dengan sensitivitas
minimal terhadap berbagai litologi, ukuran /
suarabanyak kegagalan dan yang lebih
penting bagi mekanisme kegagalan ”.
Inipenulis mulai dari Persamaan. (9), yang
pertama kali diusulkan oleh Fukui
danOkubo (1997) dan merupakan strain
divergence pada fase terminalkegagalan
creep di batu.
ε =−B log ( t f −t ) +C
di mana ε adalah regangan, dan B dan C
adalah konstanta. Kemudian, para penulis
inimengganti regangan ε dengan
perpindahan D dan Persamaan dibedakan.
(9)sehubungan dengan waktu t , untuk
memperoleh Persamaan berikut. (10):
tv=t v −B
di mana sisi kiri Persamaan. (10) mewakili
kecepatan. Dengan mengalikankedua sisi
Persamaan. (10) oleh harapan hidup t f - t,
Persamaan berikut. (11)akhirnya
diperoleh.=-televisitelevisiBf(11)Persamaan
ini adalah garis lurus, di mana produk antara
waktu dankecepatan ( tv ) adalah variabel
dependen ( y ), v adalah variabel
independen( X ), B adalah mencegat dan t f
adalah koefisien sudut garis.Oleh karena itu,
kita harus memplot data kecepatan ( x )
versus waktu kecepatan t( y ) dan hitung
koefisien sudut dari garis yang dihasilkan
( Gbr. 6) kememprediksi waktu kegagalan;
karena alasan ini, metode ini disebut
denganpenulis sebagai "SLO" (dari
"slope").Eq. (11) dapat ditulis sebagai fungsi
t f sebagai berikut Persamaan. (12):
\ lerengAmbang
Gambar 5. a: Kurva perpindahan tahap akhir
sebelum pecah; b: variasi t i sehubungan
dengan t i - 1 (dimodifikasi setelah Azimi et
al., 1988)
Gambar. 6. Plot untuk memprediksi
kegagalan dengan metode SLO
(dimodifikasi setelahMufundirwa et al.,
2010).
Halaman 1
Daftar isi tersedia di ScienceDirectUlasan
Ilmu Bumiberanda jurnal:
www.elsevier.com/locate/earscirevMeramal
kan saat kegagalan tanah longsor pada skala
kemiringan: A literaturulasanEmanuele
Intrieri⁎, Tommaso Carlà, Giovanni
GigliDepartemen Ilmu Bumi, Universitas
Florence, melalui La Pira 4, 50121 Florence,
Italia.ARTICLEINFOKata kunci:Prediksi
kegagalanMerayapPeringatan diniStabilitas
batas
kecepatanABSTRAKMeramalkan waktu
kegagalan tanah longsor pada skala
kemiringan adalah tugas yang sulit namun
penting yang dapat mengurangiefek dari
kegagalan lereng dalam hal nyawa manusia
dan kerugian ekonomi. Aplikasi umum
termasuk publiksituasi keselamatan, di mana
risiko diwakili oleh tempat tinggal yang
dibangun di dekat tanah longsor aktif atau
lereng potong yang tidak stabilyang
mengancam jalan-jalan dan rel kereta api,
dan tambang terbuka, yang peringatan
akuratnya sangat penting untuk
keselamatanmenjaga pekerja dan sekaligus
menghindari gangguan yang tidak perlu dari
kegiatan ekstraksi.Literatur ilmiah dipenuhi
oleh banyak metode, pedoman dan
pendekatan mengenai peramalanwaktu
kegagalan atau menentukan kondisi
keruntuhan yang akan terjadi. Dengan
demikian, memperoleh pandangan sinoptik
dari iklanKeuntungan dan keterbatasan
metodologi yang berbeda ini menjadi sulit.
Pada saat yang sama, inovasi
dalamteknologi telah membuka
kemungkinan baru untuk penerapan teknik-
teknik tersebut, yang diperiksa di ampuh untukmengurangi risiko di berbagai
sini.Makalah ini membahas dan bidang, termasuk tanah longsor. Salah
mengklasifikasikan metode ini, membahas satunyakomponen utama sistem peringatan
perbedaan dan kekhasan masing- dini adalah peramalan ( DiBiagio
masingmendorong penggunaan bahkan danKjekstad, 2007; Intrieri et al.,
metode yang kurang populer tanpa 2013 ).Perkiraan longsor terdiri dari prediksi
mengabaikan aspek dan masalah yang lebih kegagalan lereng di Indonesiaistilah spasial
ilmiahperamalan tanah longsor. Akhirnya, dan / atau temporal. Dalam kasus pertama
ikhtisar tren dan tantangan di masa depan tujuannya adalah memberi aprobabilitas
disajikan untuk berkontribusi padadebat spasial di mana ketidakstabilan dapat terjadi.
seputar topik penting ini.1. Ini biasanyadilakukan melalui peta
PerkenalanMemperkirakan risiko yang kerentanan, bahaya, atau risiko: yang
diwakili oleh tanah longsor pada skala pertamamenyiratkan mengklasifikasikan,
globalsusah. Misalnya, kerusakan akibat memperkirakan area atau volume, dan
tanah longsor biasanya dikaitkan menilaidistribusi spasial dari tanah longsor
denganperistiwa yang memicu mereka yang ada dan potensial dalam penelitian
(seperti gempa bumi), dan skala inidaerah; peta bahaya terkait dengan
kecilkegagalan sering kurang dilaporkan frekuensi (yaitu probabilitas tahunan)tanah
( Petley et al., 2005a). Kebenaranjumlah longsor; peta risiko juga menilai potensi
kematian mungkin sedikit diremehkan kerusakan elemen-elemen tersebutat risk
ketika korban meninggalcedera akibat tanah ( Fell et al., 2008 ). Peta kerentanan
longsor berminggu-minggu hingga biasanya merupakan hasilmenggabungkan
berbulan-bulan setelah kejadian pengaruh tertimbang yang dapat dilakukan
(Petley,2012 ). Perkiraan kerugian manusia sejumlah parametermiliki pada
dan biaya ekonomi karena itu kecenderungan tanah longsor, misalnya
bervariasisanggup; evaluasi yang aman kemiringan lereng, litologi, tanahtutupan,
mempertimbangkan bahwa jumlah rata-rata aspek, karakteristik drainase, dll. (Ayalew
tahunanfatalitas> 4300 per tahun di seluruh dan Yamagishi,2005; Van Westen et al.,
dunia (Froude and Petley, 2018). Itubiaya 2008; Bui et al., 2016; Le et al., 2018 ).
tahunan di negara-negara seperti Italia, Bahayapeta biasanya menentukan
Amerika Serikat dan Jepang dengan mudah probabilitas kemunculan dari
melebihi$ 1 miliar ( Schuster dan Highland, informasitentang frekuensi kejadian masa
2001; Klose et al., 2015) dan globalsekutu lalu atau dari model yang menghitungfaktor
adalah sekitar $ 19,8 miliar, yaitu sekitar keamanan ( Dietrich dan Montgomery, 1998
17% dari rata-rata tahunankerugian bencana ; Salciarini et al.,2006; Simoni et al., 2008;
alam global (Haque et al., 2016 ); proyeksi Rossi et al., 2013). Prediksi spasial
yangberdasarkan kemungkinan dampak dari dapatjuga termasuk di mana dan bagaimana
perubahan iklim menyarankan hal material yang terlepas akan melakukan
inijumlahnya mungkin akan meningkat perjalanan danakhirnya deposit. Ini sering
( Gariano dan Guzzetti, 2016).Strategi dihitung dengan empiris atau numerikmodel
Internasional PBB untuk Pengurangan ( Chen dan Lee, 2003; De Joode dan Van
Bencana( UNISDR, 2006 ) membahas Steijn, 2003 ;Rickenmann, 2005; Antolini et
sistem peringatan dini sebagai alat yang al., 2016; McDougall, 2016 ). Topikprediksi
longsor spasial akan membutuhkan disertasi
yang lebih
dalamhttps://doi.org/10.1016/j.earscirev.201
9.03.019Menerima 11 September 2018;
Diterima dalam bentuk revisi 22 Januari
2019; Diterima 28 Maret 2019⁎ Sesuai
penulis.Alamat email:
emanuele.intrieri@unifi.it (E.
Intrieri).Ulasan Earth-Science 193 (2019)
333–349Tersedia online 01 April 20190012-
8252 / © 2019 The Authors. Diterbitkan
oleh Elsevier BV Ini adalah artikel akses
terbuka di bawah lisensi CC BY-NC-
ND(http://creativecommons.org/licenses/BY
-NC-ND/4.0/).T
Halaman 2
tidak dalam lingkup tulisan ini.Fokus kami,
pada kenyataannya, adalah pada prediksi
sementara tanah longsor, itudapat
didefinisikan sebagai penentuan waktu
runtuhnya suatu tanah.slide (atau bagian dari
itu) dalam margin of error yang dapat
diterima (di manaistilah "dapat diterima"
terkait dengan konsep risiko yang dapat
diterima; Jatuh,1994 ). Prediksi temporal
dapat dilakukan pada skala global /
regionalatau pada skala kemiringan; pilihan
skala biasanya terkait dengan
pilihanparameter yang dipantau. Faktanya,
ada berbagai pendekatan untuk
memprediksiwaktu kegagalan tanah longsor,
tergantung pada parameter yang
manadiadopsi untuk mengindikasikan
kemungkinan kegagalan yang akan terjadi.
Biasanya, skala regionalprediksi hanya
dapat dibuat menggunakan pemantauan
curah hujan danpendekatan morfologi,
hidro-meteorologi, sedangkan pra-skala
lerengdiksi dapat mengambil keuntungan
dari pendekatan geoteknik terkait dis-
penempatan atau jenis data lainnya pada saat
kegagalan. Meskipunmetode peramalan
menggunakan data curah hujan ada juga
untuk skala lerengaplikasi, Segoni et al.
(2018) menemukan bahwa hanya 4,2% dari
totalmetode berbasis curah hujan yang
mereka ulas disusun untuk skala
lereng,sementara sebagian besar dari mereka
adalah untuk wilayah sungai atau skala
regional ( Shieh et al., 2009;Brunetti et al.,
2010; Ponziani et al., 2012).Penggunaan
data curah hujan yang paling umum adalah
untuk mendapatkan curah hujanambang
batas. Ini biasanya berupa ambang intensitas
curah hujanumur, ambang batas yang
didasarkan pada total kejadian curah hujan,
kejadian-dura-ambang batas tion, ambang
intensitas acara, dan ambang batas
yangberdasarkan presipitasi sebelumnya
( Guzzetti et al., 2007 ). Semua inimetode
bergantung pada fakta bahwa curah hujan
adalah pemicu utamastabilitas.
Penggunaannya secara luas terkait dengan
kemungkinan pembuatanprediksi temporal
pada skala regional dan kemampuan kita
untuk melakukanprakiraan cuaca yang
relatif akurat ( Stähli et al., 2015; Piciullo et
al.,2018 ). Di sisi lain, jika detail skala
lereng diperlukan, karena inipendekatan
mengadopsi indikator tidak langsung
ketidakstabilan (curah hujan), merekalebih
rentan terhadap alarm palsu atau tidak
terjawab. Keterbatasan seperti itu mungkin
tidak selalumemenuhi persyaratan margin of
error yang dapat diterima.Metode peramalan
lainnya dapat memberikan prediksi skala
lerengwaktu kegagalan dan mengeksploitasi
emisi akustik, frekuensi rockfall, pori-
poritekanan air atau indikator berbeda
sebagai tanda yang menunjukkan hal
itulereng mengalami kerusakan struktural
dan mungkin rentan terhadap
kegagalan( Jurich dan Miller, 1987;
Szwedzicki, 2003; Rosser et al., 2007 ;
Vilhelmet al., 2008). Meskipun parameter
tersebut mungkin secara kualitatifsidered
selama evaluasi ahli risiko kegagalan,
dimasukkannya dalamsistem peringatan dini
yang dikodifikasikan bukanlah praktik
umum.Akhirnya, parameter yang paling
dapat diandalkan (dan paling umum
digunakan) untukmeramalkan waktu
kegagalan pada skala lereng adalah
kemiringan lerengpenempatan dan
turunannya (kecepatan dan akselerasi). Ini
kine-parameter matic secara langsung
berkaitan dengan kondisi stabilitasbergerak
massa (Lacasse dan Nadim, 2008), dan
teknologi modernmenyediakan banyak
instrumen mahir untuk memantaunya secara
akuratwaktu sebenarnya (Casagli et al., 2017
).Dari sini, kecuali ditentukan lain, kami
akan merujuk pada prediksiatau hanya
meramalkan dalam istilah temporal. Secara
khusus, makalah ini fokuspada metode
skala-lereng berdasarkan parameter
kinematik. Terutama didalam skala ini,
pendekatan semacam itu masih jarang
diadopsi dalam risiko-strategi manajemen
untuk perlindungan sipil, terutama karena
kebutuhanuntuk sistem pemantauan khusus
dan seringkali mahal ( Iovine et al.,2006;
Intrieri et al., 2012), tetapi merupakan titik
fokus dalam penambanganindustri, di mana
kekhawatiran tentang keselamatan pekerja
danperlu) gangguan kegiatan membenarkan
biaya untuk cutting-edgesistem pemantauan;
sebenarnya, sebagian besar aplikasi dan
menarikpengembangan metode peramalan
yang didasarkan pada kemiringan
lerengMatics didokumentasikan dalam
sektor ini (lihat Bagian 2.5
“Aplikasi”).Berdasarkan semua
pertimbangan ini, pentingnya
menggaliperkiraan waktu kegagalan
terbukti. Meskipun demikian, karya terbaru
itumenjelaskan, membandingkan, dan
mengomentari metode utama secara
sistematis,dengan kelebihan dan
keterbatasan masing-masing, saat ini masih
kurangliteratur ilmiah. Oleh karena itu,
makalah ini bertujuan untuk
memberikanulasan terbaru untuk para
peneliti dan operator manajemen risiko.2.
Klasi fi kasi kinematika berbasis metode
kegagalan-peramalanUntuk tujuan kami,
kegagalan (atau pecah) didefinisikan sebagai
lengkapkeruntuhan paroxysmal material.
Meskipun metode yang dijelaskanterkadang
berhasil diterapkan ke berbagai kasus
sepertispesimen batuan ( Mufundirwa et al.,
2010 ; Hao et al., 2016)), spesifikasi
tanahcimens ( Petley et al., 2005b; Dok et
al., 2011), dinding buatan manusia ( Carlàet
al., 2017b) atau letusan gunung berapi
( Voight, 1988 ; De la Cruz-Reynadan
Reyes-Davila, 2001; Smith dan Kilburn,
2010 ; Boué et al., 2015),metode ini
sebagian besar diterapkan pada lereng yang
tidak stabil. Dengan demikian, tanah
longsordigunakan sebagai referensi utama,
tetapi konsep yang sama masih berlaku
dikonteks lainnya.Alasan untuk sebagian
besar prediksi waktu kegagalan adalah
bahwa lerengperpindahan perience yang
dapat digambarkan dengan kurva creep
sebelumnyapecah ( Tavenas dan Leroueil,
1981 ). Creep adalah deformasi yang
bervariasidengan waktu, terjadi pada
tekanan konstan, sebagian besar plastik
(yaitu, sebagian besardeformasi tidak dapat
dipulihkan setelah elastis awal, dapat
dipulihkanregangan). Tiga tahap secara
tradisional diindividuasikan, meskipun
beberapathors menjelaskan tahap kedua
untuk bahan rapuh sebagai superimposisi
tahap pertama dan ketiga atau transisi
antaradua ( Utama, 2000; Amitrano dan
Helmstetter, 2006). Namun demikian, ac-
Menurut interpretasi klasik, tahap pertama
adalah primer (ataucelerating atau transient)
creep, dengan tingkat regangan
menurunmically, diikuti oleh creep sekunder
(atau steady-state) dengan konstantatingkat
regangan, dan creep tersier (atau percepatan)
dengan creep yang meningkatlaju, yang
menyebabkan pecah ( Gbr. 1).Gambar. 1.
Interpretasi tiga negara konvensional dari
perilaku creep.E. Intrieri, dkk.Ulasan Earth-
Science 193 (2019) 333–349334
Halaman 3
Disertasi terperinci tentang creep dapat
ditemukan di Terzaghi(1950) , Saito (1969) ,
Zavodni dan Broadbent (1978) , Varnes
(1982),Cruden dan Masoumzadeh (1987) ,
Dusseault and Fordham (2008), danDok et
al. (2011) .Metode prediksi waktu kegagalan
yang didasarkan pada kinematikparameter
dapat diklasifikasikan dalam dua
kelompok:• Metode empiris: metode ini
didasarkan pada pengamatan itukecepatan
perpindahan meningkat secara kritis
sebelum pecah danbiasanya memperkirakan
waktu kegagalan melalui argumentasi
geometriKASIH. Persamaan juga diturunkan
dan kadang-kadang digambarkan sebagai
par-kasus persamaan tertentu yang
didefinisikan dengan semi-empirismetode.•
Metode semi-empiris: titik awal dari metode
ini adalah apersamaan umum yang
menghubungkan laju perpindahan ke
percepatan-tion, dengan beberapa konstanta
empiris digunakan.Biasanya, metode di atas
diterapkan pada sliding, toppling dantanah
longsor majemuk, tanpa batasan intrinsik
untuk ukuran, keadaanaktivitas dan jenis
bahan (Intrieri dan Gigli, 2016). Dalam
makalah ini,contoh aplikasi yang lebih
jarang (batu jatuh, kegagalan irisan, tanah
lambat)arus) juga akan disajikan.Metode
lain sering dikaitkan dengan prediksi
longsormeskipun mereka tidak benar-benar
memberikan perkiraan waktu kegagalan:•
Metode numerik: kategori ini mencakup
berbagaimetode yang menganalisis dan
memodelkan deret waktu
(misalnya,menyusunnya menjadi beberapa
komponen, seringkali dengan pembelajaran
mesin)untuk memprediksi nilai perpindahan
di masa mendatang berdasarkan pengamatan
sebelumnya.• Metode untuk definisi ambang
batas: kelompok ini termasuk
beragampendekatan yang individuate sinyal
kuantitatif untuk menyarankan suatu
masalahbisa gagal tetapi tidak bisa
memberikan kerangka waktu untuk kejadian
seperti itu.Dalam setiap kelompok,
klasifikasi lebih lanjut akan
dipertanyakandan tidak ketat, sehingga
metode akan dijelaskan dalam bab yang
luastatanan logis dan dikelompokkan
bersama berdasarkan kesamaan.2.1. Metode
empirisTanpa mempertimbangkan upaya
pertama pada saat kegagalandiksi dalam
literatur (Heim, 1932 ; Jäggli, 1928 ;
Eberhardt et al.,2008 ; Bonnard, 2006;
Federico et al., 2015), pendekatan penting
pertamatentang peramalan kegagalan
dikembangkan oleh Saito dan Uezawa(1961)
, yang memperkenalkan metode untuk
meramalkan sisa waktu untukkegagalan
lereng dari kurva creep sekunder (Saito dan
Uezawa, 1961;Saito, 1965) atau, lebih
sukses, dari kurva creep tersier
( Saito,1969 ).Saito dan Uezawa (1961)
mengusulkan formula empiris
berdasarkanhubungan antara laju regangan
konstan ε ̇ (dinyatakan dalam10−4min) dan
waktu yang tersisa untuk kegagalan atau
harapan hidup t L (dinyatakan dalammenit)
Persamaan. (1); t L terkait dengan waktu
kegagalan ( t f ) oleh relasit f = t L + t i ,
dengan t i = waktu prediksi.=±log tε2,33-
0,916 loġ 0,5910 L10(1)Alasan mengapa
tingkat regangan digunakan bukan
perpindahanadalah karena keterbatasan yang
melekat pada yang tersediainstrumen
pemantauan pada saat itu.Di sisi lain, Saito
(1969) mengembangkan, empiris
grafismetode berdasarkan kurva creep tersier
(Gbr. 2 ). Menurut Inimetode, tiga titik,
secara khusus, A 1 ( Δ D 1 , t 1 ), A 2 ( Δ D
2 , t 2 ), dan A 3 ( Δ D 3 ,t 3 ) , dipilih untuk
memiliki perbedaan perpindahan yang sama
Δ D (yaitu,mereka harus diberi jarak yang
sama pada sumbu Y). A 1 ′ dan A 3 ′ adalah
proyeksidari A 1 dan A 3 , masing-masing,
pada garis yang melewati A 2 dansejajar
dengan sumbu waktu. M dan N adalah titik
tengah A 1 ′ A 2 dan A 1 ′ A 3 ′,masing-
masing. Kemudian, saat kegagalan t f dapat
diperoleh sebagai absisdari persimpangan
garis lurus yang melewati A 1 ′ dan N ′
dengangaris lurus yang melewati M ' dan
sejajar dengan sumbu waktu.Prosedur ini
dibenarkan melalui argumen
geometris.Meskipun Saito
merekomendasikan pendekatan grafis,
munculnyalembar perhitungan dan
algoritma sejak itu membuat nomor yang
sesuaisolusi merical Persamaan lebih
praktis. (2) .=--+ttttttt2()f221
3213(2)Hayashi et al. (1988) menurunkan
persamaan untuk memprediksi kegagalan
padatahap awal creep tersier (yaitu, lebih
awal dari kebanyakan metode lain,yang
bekerja lebih baik bila diterapkan selama
tahap terbaru), berdasarkan padaPengamatan
bahwa kecepatan awal yang lebih tinggi
pada awal tersiercreep menunjukkan waktu
yang lebih dekat ke kegagalan Persamaan.
(3).=∆tct()L.m(3)di mana c dan m adalah
konstanta yang nilainya (masing-masing
2,13 dan 1,6)telah dihitung secara empiris
dari tujuh kegagalan lereng alami, danΔ t
adalah interval waktu yang diperlukan untuk
perpindahan mulai 10cmdari awal creep
tersier. Prosedur ini belum pernah
adapopuler, dan berapa banyak nilai untuk c
dan m dapat bervariasi tidak diketahuitanpa
aplikasi luas ke riwayat kasus lainnya. Fitur
utamametode ini adalah kemampuan
nominalnya untuk melakukan prediksi awal,
meskipunmeskipun fitur ini berarti bahwa
perkiraan tidak dapat diperbarui jika
terjadiperubahan tren dan data pemantauan
harus cukup lamamenangkap awal creep
tersier.Fukuzono (1985a, 1985b, 1990) lebih
lanjut mengembangkan ide Saito
olehmengusulkan metode grafis yang lebih
sederhana, yang sejauh ini paling banyak
digunakandan pendekatan sederhana untuk
menemukan waktu kegagalan lereng.Metode
ini berlaku untuk creep tersier, setelah itu
tanah longsormelakukan akselerasi pada saat
t 0 (awitan akselerasi). Pada saat ini,dua
hasil yang mungkin dapat terjadi
(ditunjukkan pada Gambar. 3 ):a) kecepatan
( v ) meningkat tanpa gejala sampai tanah
longsor runtuhpada saat t f , ketika
kecepatan secara teoritis v → ∞;b) setelah
akselerasi awal, kecepatan menurun dan
tanah longsormencapai keadaan
keseimbangan lain tanpa runtuh.Fukuzono
(1985a) menghitung bahwa kecepatan
terbalik (1 / v atau Λ)sesuai dengan yang
berikut ini dalam kasus de-formasi di bawah
beban konstan sampai kegagalan Persamaan.
(4) :≡=Λ1 vA α 1tt/[(-)](-)1 α 1f1 α 1/ (-)/ (-)
(4)di mana A dan α adalah dua nilai yang
ditemukan secara empiris; Penelitian
terkinimengungkapkan bahwa A dan α tidak
independen satu sama lain, bervariasidengan
rasio over-konsolidasi dan jenis bahan
( Minamitani,2007; Dok et al., 2011 ). Eq.
(4) berasal dari korelasi linierantara
logaritma akselerasi dan logaritma
kecepatanselama creep tersier, seperti yang
ditemukan oleh Fukuzono dan Terashima
(1982) danFukuzono (1984).Metode grafis
yang dijelaskan oleh Fukuzono
(1985a)terdiri dari merencanakan kebalikan
dari kecepatan versus waktu Persamaan. (4).
SebagaiSelama tanah longsor berada pada
titik keseimbangan, plot menampilkan
garissejajar dengan sumbu waktu; ketika
kecepatan asimtotik meningkat,plot
menampilkan garis ekstrapolasi yang
memotong sumbu waktu (1 / v →0) saat v
→ ∞. Waktu yang sesuai dengan inter-
ekstrapolasiBagian menunjukkan waktu
kegagalan. Jika α = 2, plotnya linear
danwaktu kegagalan sama dengan waktu
yang diperkirakan dari metode Saito (1969) .
Didalam hal ini, regresi linier digunakan
untuk ekstrapolasi.Ketika α> 2 atau 1 <α <2,
kurva kecepatan terbalik adalah cembung
ataumasing-masing cekung, oleh karena itu
Fukuzono (1985a) menyarankanmetode
grafis ferent bukan regresi linier ( Gbr. 4).
Inipendekatan jarang digunakan karena α
biasanya tidak berbeda jauh dari 2dan
penyederhanaan dari fit linear lebih disukai,
asalkan itudiperbarui secara berkelanjutan
untuk mengidentifikasi awal perubahan
tren(Rose dan Hungr, 2007). Metode ini
terdiri dari menggambar garis singgungE.
Intrieri, dkk.Ulasan Earth-Science 193
(2019) 333–349335
Halaman 4
ke kurva pada titik acak Λ 1 yang sesuai
dengan waktu t 1 . Itugaris singgung
melintasi sumbu horizontal pada titik t c1 .
Kemudian, titik P 1 adalahdiplot secara
vertikal di atas Λ 1 sehingga segmen t 1 Λ 1
sama dengan segment 1 t c1 . Prosedur ini
diulangi untuk poin lain Λ 2 . Absisnya t fdi
mana garis lurus yang menghubungkan P1
dan P2 melintasi sumbu horizontaladalah
saat kegagalan.Petley et al. (2002) dan
Petley (2004) mengaitkan kehadiran atren
linear (α = 2) untuk perilaku getas yang
dikaitkan dengan retakanformasi dan
kegagalan pertama kali. Di sisi lain, Intrieri
dan Gigli(2016) memberikan contoh plot
kecepatan terbalik berbentuk cekung
itudisebabkan kegagalan pertama kali dalam
bahan rapuh dan linierTren tanah longsor
diaktifkan kembali (yaitu tanah longsor di
mana gerakanterjadi di sepanjang
permukaan geser yang sama di mana sudah
terjadi dilalu). De la Cruz-Reyna dan Reyes-
Davila (2001) menerapkan visko-
elastismodel material ke tanah longsor
buatan (model skala 5 m dibangun)di
laboratorium) yang dipelajari oleh Fukuzono
(1985a), dan menyimpulkanbahwa
kecepatan terbalik pada saat kondisi beban
berubahtidak bisa menjadi garis lurus ketika
tahap awal sesuai dengan in-stres yang
meningkat (misalnya, disebabkan oleh curah
hujan) dan tahap akhirsesuai dengan
tegangan konstan (misalnya, karena tanah
memilikimencapai saturasi).Fukuzono
(1985a) menerapkan metodenya untuk tanah
longsor buatan di Jakartalempung atau pasir
di lereng yang dicirikan oleh sudut dan
berbedabentuk. Khususnya, kegagalan
dipicu oleh curah hujan buatan; Al-
meskipun pengaturan ini tidak memenuhi
persyaratan kekuranganfaktor eksternal
(kondisi yang diperlukan untuk kurva creep
teoritis), theprediksi masih benar.Dalam
industri pertambangan, metode grafis yang
mengasumsikan α = 2 adalahsering
terintegrasi dalam rencana respons aksi
pemicu (TARP; Bacadan Stacey, 2009 ;
Dick et al., 2015) karena visual
langsungnyaumpan balik. Untuk alasan ini,
solusi matematika untuk α = 2 itudisediakan
dalam Fukuzono (1985a) jarang digunakan
Persamaan. (5) .=--tt Λt ΛΛΛ()
()f211212(5)Karena popularitas metode
Fukuzono (1985a) , beberapapenulis
memberikan saran dan pedoman untuk
penggunaan yang mahir.Metode ini
bergantung pada nilai invers dari parameter
turunan(kecepatan), sehingga deret waktu
mengalami tingkat variabilitas yang tinggi,
dankebisingan instrumental atau alami
dalam pengukuran perpindahanGambar. 2.
Pendekatan grafis untuk menentukan waktu
kegagalan dalam kisaran creep tersier
(dimodifikasi setelah Saito, 1969 ).Gambar
3. Evolusi kinematis dari tanah longsor;
setelah periode stabilitas relatifyang ditandai
dengan kecepatan konstan v 0 selama creep
sekunder (1), jikacreep tersier dimulai, tanah
longsor dapat berakselerasi hingga runtuh
(2a) ataucelerate dan kemudian mencapai
keseimbangan baru (2b).Gambar 4. Metode
grafis untuk menentukan waktu kegagalan
ketika α ≠ 2(dimodifikasi setelah Fukuzono,
1985a).E. Intrieri, dkk.Ulasan Earth-Science
193 (2019) 333–349336
Halaman 5
merambat ketika menghitung kecepatan
terbalik. Untuk alasan ini, Carlàet al.
(2017b) merekomendasikan melakukan rata-
rata bergerak dengan kecepatannilai-nilai ( v
t ), pengujian dengan nilai yang berbeda
untuk jumlah sampel ( n )Eq. (6) .=++ ... +--
-vvvvnttttn1(1)(6)Untuk mengatasi
variabilitas prediksi dari noise, Carlà et al.
(2017b) menyarankan menggunakan dua
moving average yang berbeda secara paralel,
masing-masingdengan lebih tinggi (moving
average jangka panjang, LMA) atau lebih
rendah (jangka pendeknilai moving average,
SMA) dari n . Secara bersamaan
memproyeksikan yang terbaik-cocok dari
kedua deret waktu rata-rata akan
menghasilkan dua nilai t f yang berbeda ,
denganperbedaan antara t f (LMA) dan t f
(SMA) yang diindikasikan sebagai Δ; di
sini, sebagai-penjumlahan t f (SMA) < t f
(LMA) , t fw ditentukan antara berikut
inirentang Persamaan. (7):⎡⎣-+⎤⎦ttΔ2;Δ2f
SMAf LMA()()(7)Persamaan ini
memungkinkan kita untuk mendefinisikan
jendela kegagalan yang diwakilikerangka
waktu selama terjadinya peristiwa
keruntuhandianggap paling
mungkin.Menurut Rose dan Hungr (2007),
metode kecepatan terbalik adalahtidak cocok
untuk prediksi dalam jangka waktu lama,
yang harusterus diperbarui untuk menilai
pentingnya perubahan tren yang terlihat.
DiSebaliknya, Intrieri dan Gigli (2016)
menyarankan untuk mengulangiprediksi dan
mempertimbangkan seluruh rangkaian data
perkiraan waktukegagalan, bukan hanya
berfokus pada waktu-waktu terakhir. Penulis
inimenerapkan prosedur ini pada metode
Saito (1969), Fukuzono(1985a) dan
Mufundirwa et al. (2010) dan menemukan
itu yang palingdata pemantauan perpindahan
terbaru meningkatkan kepercayaan diri
saatmemperkirakan waktu kegagalan, tetapi
tidak selalu memberikan lebih
banyakprediksi akurat daripada data lama
(asalkan prediksi itudimulai setelah inisiasi
creep tersier). Padahal, jikadiksi diplot
terhadap waktu ketika prediksi seperti itu
dibuat(petak prediksi), prakiraan terbaru
biasanya kelebihan atau
kekuranganmemprediksi waktu kegagalan,
setelah periode selama perkiraanberosilasi di
sekitar waktu ini (Sornette et al., 2004;
Venter et al., 2013;Intrieri dan Gigli, 2016 ).
Oleh karena itu, nilai rata-rata
keseluruhanserangkaian prakiraan
(menghilangkan pencilan dan nilai-nilai
yang tidak masuk akal) bisamemberikan
hasil yang lebih baik daripada hanya
prediksi terbaru.Mulai dari dasar teori yang
sama dengan Saito dan Fukuzono,Azimi et
al. (1988) mengusulkan metode grafis lain
(Fig. 5) itudikembangkan dari Asaoka
(1978), yang mengusulkan pendekatan ini
untuk menilaipenyelesaian akhir dalam tes
edometrik. Metode ini terdiri dari plot-
perpindahan dibandingkan dengan waktu
dan individualisasi segmen yang
samaperpindahan (Δ D ). Saat kecepatan
meningkat, segmen ini akan
menjadidigantikan oleh interval waktu yang
semakin pendek Δ t hingga Δ t → 0(Gambar
5 a). Jadi, instans final dan awal dari interval
waktu ini ( t i dant i-1 , masing-masing)
cenderung sama. Dengan merencanakan t i
versus t i-1 selamatersier creep, data akan
secara kasar disejajarkan pada garis lurus.
Waktukegagalan bertepatan dengan t i yang
sesuai dengan intersepsi inisejalan dengan
garis yang mewakili identitas ( t i = t i-1 )
(Gambar 5 b). Ituekstrapolasi garis ini dapat
memungkinkan perkiraan tepat waktu.
Azimi et al.(1988) menekankan pentingnya
memilih hanya data terbarukarena data yang
lebih lama dapat meningkatkan kesalahan
dalam prediksi. Inimetode bertepatan
dengan Fukuzono (1985a) ketika α = 2,
tetapi tidak ada aplikasikation ditemukan
dalam literatur karena lebih
rumitpenerapan.Li et al. (1996) menurunkan
fungsi Verhulst terbalik untuk
memprediksiwaktu kegagalan dua tanah
longsor Persamaan. (8):=--
+Dmmtidakmtidakn1dalam()()000(8)di
mana kegagalan diperkirakan terjadi untuk
perpindahan D → ∞, dengan m dann sesuai
dengan parameter yang mewakili paling
sesuai dari monitoritoring data.Baru-baru
ini, Mufundirwa et al. (2010) melanjutkan
tradisiSarjana Jepang meneliti di bidang ini
dan mengembangkan sepenuhnyametode
baru “dengan sensitivitas minimal terhadap
berbagai litologi, ukuran / suarabanyak
kegagalan dan yang lebih penting bagi
mekanisme kegagalan ”. Inipenulis mulai
dari Persamaan. (9), yang pertama kali
diusulkan oleh Fukui danOkubo (1997) dan
merupakan strain divergence pada fase
terminalkegagalan creep di batu.= --+εB log
ttC()f(9)di mana ε adalah regangan, dan B
dan C adalah konstanta. Kemudian, para
penulis inimengganti regangan ε dengan
perpindahan D dan Persamaan dibedakan.
(9)sehubungan dengan waktu t , untuk
memperoleh Persamaan berikut. (10):=-
DDdtBttf(10)di mana sisi kiri Persamaan.
(10) mewakili kecepatan. Dengan
mengalikankedua sisi Persamaan. (10) oleh
harapan hidup t f - t, Persamaan berikut.
(11)akhirnya diperoleh.=-
televisitelevisiBf(11)Persamaan ini adalah
garis lurus, di mana produk antara waktu
dankecepatan ( tv ) adalah variabel
dependen ( y ), v adalah variabel
independen( X ), B adalah mencegat dan t f
adalah koefisien sudut garis.Oleh karena itu,
kita harus memplot data kecepatan ( x )
versus waktu kecepatan t( y ) dan hitung
koefisien sudut dari garis yang dihasilkan
( Gbr. 6) kememprediksi waktu kegagalan;
karena alasan ini, metode ini disebut
denganpenulis sebagai "SLO" (dari
"slope").Eq. (11) dapat ditulis sebagai fungsi
t f sebagai berikut Persamaan. (12):Gambar
5. a: Kurva perpindahan tahap akhir sebelum
pecah; b: variasi t i sehubungan dengan t i -
1 (dimodifikasi setelah Azimi et al.,
1988).E. Intrieri, dkk.Ulasan Earth-Science
193 (2019) 333–349337
Halaman 6
= +ttBvf(12)Mufundirwa et al. (2010)
menunjukkan bahwa metode mereka
menyediakanprediksi mampu di mana
kegagalan struktural (rupture plane)
dominan.Hasil ini lebih konservatif daripada
hasil dari Fukuzonometode. Seperti
pendekatan Fukuzono, juga metode yang
dikembangkan olehMufundirwa et al.
tampaknya tidak tergantung skala.Zavodni
dan Broadbent (1978) mengembangkan
metode lain ketikamempelajari kegagalan
lereng Liberty Pit, yang menunjukkan data
dalam log(kecepatan) - plot waktu
disejajarkan pada garis lurus. Rasio
antarakecepatan lereng di titik tengah antara
awal akselerasidan kegagalan ( v mp ) dan
kecepatan pada awal akselerasi ( v OOA )
menghasilkan konstanta ( K ). Rasio yang
sama dihitung untuk lima lainnyakegagalan
lereng, menghasilkan nilai K rata-rata 7,21
dengan standardeviasi 2,11 Persamaan.
(13) .=KvvmpOOA(13)Dari Persamaan.
(13), Persamaan berikut. (14) dapat
diturunkan sesuai denganhubungan semi-log
antara waktu dan kecepatan.=vK
vfOOA2(14)di mana v f adalah kecepatan
pada kegagalan. Waktu kegagalan kemudian
dapat ditentukan.termined dengan
ekstrapolasi log (kecepatan) baris -waktu
sampai v f tercapai.Metode ini sederhana
tetapi memiliki dua kelemahan utama.
Pertama, sebuahvalidasi yang secara
signifikan signifikan diperlukan untuk
menilai kisaran var-iations di K . Karena K
dinaikkan ke kekuatan 2, sedikit variasi
dalamnilainya dapat menentukan perbedaan
kritis dalam perhitungan v f .Kedua,
pengakuan tepat waktu dan penentuan awal
yang tepatakselerasi menjadi penentu.2.2.
Metode semi-empirisTahapan yang
mendahului kegagalan mewakili degradasi
progresif.bahan dan, selama tahap ini,
parameter sepertiperpindahan dapat
menampilkan tingkat pertumbuhan yang
mengikuti kesamaanpola, seperti yang
ditunjukkan di atas. Ini dapat mewakili
hukum fisik yang mendasarinyaitu, jika
sepenuhnya dipahami, dapat memberikan
model teoritis untuktepatnya
menghubungkan parameter tersebut ke
kegagalan. Saat ini, tidak ada
pengetahuanada mengenai bagaimana
menggambarkan secara fisik proses yang
mengarah kekegagalan; sebenarnya,
hubungan konstitutif yang biasanya
digunakan dalampemodelan numerik untuk
menilai penyelesaian stabilitas lereng untuk
tegangan, regangandan perpindahan tetapi
bukan waktu ( Eberhardt, 2008). Oleh
karena itu,satu-satunya pilihan, terlepas dari
model kotak hitam fenomenologis
itudijelaskan pada bagian sebelumnya,
adalah mengandalkan semi-
empirispendekatan.Metode oleh Voight
(1988, 1989a, 1989b) , yang
merupakangeneralisasi matic dari solusi
Fukuzono, mewakili yang terbaikmenggoda
untuk memberikan hukum validitas umum
untuk tujuan ini. Persamaan. (15) .= AΩ¨Ω̇
α(15)di mana α dan A adalah konstanta
empiris dan Ω menunjukkan setiap
terukurkuantitas yang menggambarkan
fenomena dengan tepat. Yang terakhir
bisaditafsirkan dalam hal pengamatan
geodetik (seperti panjangperubahan,
kesalahan slip, regangan, perubahan sudut,
atau jumlah patahperistiwa), jumlah seismik
(seperti akar kuadrat kumulatifpelepasan
energi, juga disebut strain Benioff) atau
pengamatan geokimiations (seperti tingkat
emisi gas atau rasio kimia) ( Voight, 1988 ).
Ω ̇(atau d Ω / dt ) dan Ω ¨ (atau d 2 Ω / dt 2 )
mewakili “kecepatan” dan “percepatantion
”dari Ω, masing-masing.Persamaan ini telah
berhasil diterapkan dengan melihat ke
belakang untuktermine waktu erupsi Mt.
Helens pada tahun 1982 ( Voight, 1988 )
olehmenggunakan parameter yang berbeda,
dan menurut laporan berlaku untuk banyak
perbedaanbahan selain batu dan tanah,
seperti es, logam, paduan, betondan
polimer.Voight berasumsi bahwa kegagalan
terjadi ketika Ω̇ mencapai perkiraannilai
ambang Ω ̇ f , sedangkan Fukuzono
menganggap nilai ini sebagai-terbatas; Oleh
karena itu, waktu yang diprediksi akan gagal
saat menggunakan Voight'spersamaan lebih
konservatif. Metode untuk memperkirakan lebih barustudi tentang prekursor erupsi
ambang ini untuklongsoran besar diusulkan menunjukkan bahwa α tidak konstan dengan
oleh Crosta & Agliardi (2002).Mengingat= waktutetapi meningkat dari ≈1 ke ≈2 saat
∞Ω̇ fdi bawah asumsi Fukuzono (1985a) , fraktur berlanjut (Cornelius danVoight, 1995
Persamaan.(15) , yang dinyatakan dalam t f , ; Kilburn dan Voight, 1998 ; Kilburn, 2003 ;
menjadi Persamaan berikut. (16) :=⎡⎣⎢⎢-- Smith et al.,2009; Bell dan Kilburn,
⎤⎦⎥⎥+--tA αtΩ̇Ω̇(1)fαfα(1)(1)(16)Solusi 2012).Untuk mengatasi masalah ini, α sering
Voight hanya dapat digunakan ketika data dianggap sama dengan 2, sehingga
ditandai olehakselerasi yang terus menerus menyederhanakanEq. (15) ke dalam
dan kondisi eksternal yang konstan. Bahkan, Persamaan berikut. (18) ( Lavallée et al.,
itumodel gagal, atau menjadi kurang akurat, 2008 ).=-A tt1Ω̇()f(18)Atau, Hao et al.
ketika kondisi eksternalbukan invarian (2016; 2017) mengusulkan so-lution Eq.
waktu, dan penyimpangan yang disebabkan (19) dari Persamaan. (15), dengan nilai
oleh variasi dalamrezim suhu dan curah tambahan dari penyediaan a
hujan terjadi (Crosta & Agliardi, 2002).
Untukmemperluas analisis untuk deformasi
di bawah tekanan yang meningkat, Kilburn
(2012)mengusulkan Persamaan berikut. (17)
dan mengujinya pada data pra-erupsi
dariHawaii.=- -kttΩ̇()fβ(17)di mana k = [ A
(α - 1)] 1 / (1 − α) dan β = 1 / (α -
1).Kelemahan utama dari Persamaan. (15)
dan (17) diwakili olehperlunya menentukan
dua konstanta empiris a dan A . Inistant
sama dengan yang ada di metode Fukuzono,
tetapi tidak grafissolusi dapat diterapkan
dalam hal ini. Meskipun metode Voight
seringdianggap sebagai melengkapi latar
belakang matematika Fukuzonometode, ini
jarang diterapkan pada kasus darurat-tanah
longsor nyata.Beberapa penulis memberikan
nilai eksperimental untuk konstanta
tersebut(Tabel 1); khususnya, A
membentang lebih dari 4 kali lipat.
Segaliniet al. (2018), yang mempelajari 26
seri waktu tanah longsor pra-kegagalan yang
berbeda,menemukan bahwa A cenderung
mengasumsikan nilai tinggi atau rendah
sebagai α di-verges from 2. Sedangkan α
menunjukkan variasi sedang (kira-kira
antara 1dan 3 tetapi biasanya mendekati 2),
karakteristik ini dapat mencukupimasuk akal
mempengaruhi hasil prediksi. Selanjutnya,
 Table 1
EmpiricalvaluesfortheparametersαandAfromdifferentauthors;thevaluesmarkedwithanasteriskhaveb
eencalculatedbySegalinietal.(2018)startingfromthe
datapublishedinthecorrespondingpaperindicatedinthe“references”column.Referencesarelisted
inalphabeticalorder.
A α Event References
0.0205* 1.96* Delabole quarry landslide Boyd et al., 1973
0.3944 1.4166 Landslide on cut slope Bozzano et al.,
2014
0.1062 1.8059 Landslide on cut slope Bozzano et al.,
2014
0.0994 1.4209 Landslide on cut slope Bozzano et al.,
2014
2.7188 1.2323 Landslide on cut slope Bozzano et al.,
2014
58.4589 0.6217 Landslide on cut slope covered with Bozzano et al.,
spritz beton 2014
43.7721 0.7321 Landslide on cut slope covered with Bozzano et al.,
spritz beton 2014
66.6634 0.9204 Landslide on cut slope covered with Bozzano et al.,
spritz beton 2014
20.9233 0.9064 Landslide on cut slope covered with Bozzano et al.,
spritz beton 2014
2.6756 1.1491 Landslide on cut slope covered with Bozzano et al.,
spritz beton 2014
0.0024* 1.97* Hogarth pit landslide Brawner and
Stacey, 1979
0.0191* 2.00* Nevis Bluff landslide Brown et al.,
1980
0.102 1.994 Mount Beni landslide Carlà et al., 2017b
– 1.47–2.42 – Cornelius and
Scott, 1993
– ≈1.5 – Cornelius and
Voight, 1995
1–1310.345 1.63–2.59 – Dok et al., 2011
– 1.5–2.2 – Fukuzono, 1985a
0.0024* 2.03* Preonzo landslide Geopraevent,
2012
0.0016* 1.94* Afton mine landslide Glastonbury and
Fell, 2002
0.0343* 2.07* Tuckabianna West landslide Glastonbury and
Fell, 2002
– 2.96 Test by monotonically increasing the Hao et al., 2013
boundary displacement
– 2.5 Creep-relaxation tests Hao et al., 2014
– 3.0 Fibre-bundle models loaded by Hao et al., 2016
increasing stress
– 2.0 – Heap et al., 2011
0.0777* 1.93* Maoxian landslide Intrieri et al.,
2018a
0.0779* 1.96* Cavallerizzo di Cerzeto landslide Iovine et al., 2006
0.0008* 2.00* Xintan landslide Keqiang and
Sijing, 2006
– ≈2.0 – Kilburn and
Petley, 2003
0.1371* 2.05* Town of Peace River landslide Kim et al., 2010
0.0109* 2.00* Huanglongxi landslide Li et al., 2012
0.0135* 1.77* La Saxe landslide Manconi and
Giordan, 2016
(α – 1.85–2.46 – Minamitani, 2007
1.814)/0.1781
0.0767* 1.94* La Chenaula landslide Noverraz and
Bonnard, 1992
0.1570* 2.03* Selborne landslide Petley, 2004
0.0119* 2.00* Betze Post SE landslide Rose and Hungr,
2007
0.0173* 2.01* Betze Post SW landslide Rose and Hungr,
2007
0.0106* 1.94* Puigcercòs Royán et al., 2015
0.0056* 1.96* Asamushi landslide Saito, 1969
0.0098* 2.01* Dosan landslide Saito, 1969
0.2813* 1.85* Ooigawa Saito, 1969
0.0548* 1.53* Braced-up cliff landslide Schumm and
Chorley, 1964
– 3.3 Mount Pinatubo eruption Smith and
Kilburn, 2010
– 2.1 Mount Pinatubo eruption Smith and
Kilburn, 2010
0.0319* 1.97* Vajont landslide Sornette et al.,
2004
0.0400* 1.90* Ohto landslide Suwa et al., 2010
0.0038* 2.15* Bomba landslide Urciuoli and
Picarelli, 2008
80 1.6 Bezymianny eruption (cumulative Voight, 1988
seismic strain release)
– 1.0 Vajont landslide (3 years before failure) Voight, 1988
0.037 2 Vajont landslide (near failure) Voight, 1988
0.1 1.4 Mt. St. Helens (fault movement) Voight, 1988
0.059 1.96 Mt. St. Helens (line length change) Voight, 1988
0.002 ≈2.0 Mt. St. Helens (tilt) Voight, 1988
– 1–3 – Voight, 1989a
– 1.74–2.1 – Voight, 1989b
0.0004* 2.10* Chuquicamata open-pit mine landslide Voight and
Kennedy, 1979
– 1.70–2.13 – Yoshida and
Yachi, 1984
Persamaan ini juga merupakan garis lurus. pendekatan grafis yang terkenal, membuat
Dengan merencanakan-Ω̇Ω¨ 1 terhadap t metode ini menjadialat mising untuk
danmengekstrapolasi garis tren, intersepnya peramalan kegagalan.2.3. Metode
dengan sumbu waktu menyediakan t f numerikMetode numerik digunakan untuk
.Sejauh ini, metode ini hanya diterapkan menggambarkan perilaku tanah
pada uji spesimen batuan danletusan gunung longsormelalui argumen matematika dan /
berapi, tetapi tidak ada kendala teoritis atau statistik. Daripada sebelumnyacasting
untuk aplikasi yang sukseskation ke tanah saat kegagalan, tujuannya adalah untuk
longsor juga ada. Selain itu, persamaan ini memprediksi masa depan tanah
melewatikebutuhan untuk mengetahui nilai- longsorperpindahan, sering mengambil
nilai konstanta sebelumnya dan keuntungan dari model pembelajaran mesin.
mengimplementasikanmenunjukkan Ituide dasarnya adalah perpindahan yang
diukur dapat dibandingkan
denganpenempatan yang disimulasikan oleh
model referensi untuk mengonfirmasi
bahwaslope merespons seperti yang
diperkirakan sebelumnya (Newcomen dan
Dick, 2015).Pendekatan ini biasanya
dijelaskan dengan menilai apakah yang
barudata deformasi yang diperoleh
mematuhi keyakinan yang telah ditentukan
sebelumnyainterval perpindahan yang
diprediksi. Metodologi analisis ini
adalahbiasanya menantang dan menemukan
aplikasi hanya untuk tanah longsor tertentu
Gambar. 7. Metode grafis untuk menentukan
waktu kegagalan (garis putus-putus) dalam
aspesimen granit. Prediksi adalah waktu
yang sesuai dengan intersepsigaris tren
(merah) dan sumbu waktu (dimodifikasi
setelah Hao et al., 2017). (Untukinterpretasi
referensi untuk warna dalam legenda angka
ini, pembacamerujuk ke versi web artikel
ini.
yang telah dikalibrasi. Metode numerik
dapat dipertimbangkansangat cocok untuk
tanah longsor yang mengalami variasi
berkala ditingkat perpindahan. Meskipun
demikian, bidang ini telah mengalami yang
luar biasapulsa pengembangan penelitian di
masa lalu yang sangat baru, bahkan to the
pointbahwa literatur tampaknya cukup
berlebihan dan tidak konklusif.Model juga
dapat memasukkan variabel seperti tingkat
air tanah, poritekanan, atau intensitas hujan
— durasi. Beberapa contoh seperti ini
dengan inidikutip.Chousianitis et al. (2014)
memperkenalkan penduga empiris dari co-
perpindahan tanah longsor seismik
berdasarkan blok geser Newmarkmodel.
Topik ini juga dibahas oleh Du dan Wang
(2016), siapamerumuskan model
perpindahan Newmark satu langkah untuk
memperkirakanperpindahan lereng akibat
gempa berdasarkan empat
seismologisparameter.Liu et al. (2014)
mempresentasikan studi perbandingan
tentang tanah longsorprediksi perpindahan
linear dengan menggunakan kecerdasan
komputasiteknik. Secara khusus, para
penulis ini mengevaluasi
kemampuanmendukung mesin vektor, mesin
vektor relevansi, dan pro-Gaussianteori cess
untuk menyesuaikan dan memprediksi
perpindahan nonlinier dari Baishuihetanah
longsor di Cina dan tanah longsor Saus
Super di Pegunungan Alpen Prancis.Juga
Miao et al. (2018) mengusulkan dukungan
vektor regresi (SVR)algoritma untuk
memodelkan tiga istilah yang telah
ditentukan (tren, periodik, danacak) dari
tanah longsor Baishuihe. Di area yang sama,
Zhou et al. (2016)sebelumnya telah
menggambarkan optimasi partikel swarm
(PSO; Eberhartdan Kennedy, 1995 ) dan
mendukung model penggabungan mesin
vektormewakili hubungan antara tingkat
curah hujan / reservoir danperpindahan
tanah longsor Bazimen. Demikian pula,
Zhou et al. (2018)menggunakan PSO untuk
mengoptimalkan parameter pembelajaran
kernel ekstrimmesin (KELM; Huang et al.,
2012) untuk meningkatkan prediksi (PSO-
KELM). Du et al. (2013) mengadopsi back-
propagation neural-networkmodel dengan
faktor curah hujan-level air yang dipilih
untuk memprediksipenempatan tanah
longsor kolluvial aktif di Waduk Tiga
NgaraiDi Tiongkok. Yao et al. (2015)
berpendapat bahwa penerapan model
statisseperti feed-forward neural networks
sangat terbatas pada tanah longsor-tugas
prediksi dan karena itu mengusulkan
penggunaan saraf berulangjaringan yang
dilatih menjadi prediktor dinamis dari
bencana longsorpenempatan. Krkač et al.
(2017) menyajikan metodologi untuk
memprediksigerakan tanah longsor dengan
algoritma pembelajaran mesin berdasarkan
padapohon depresi, yang dikalibrasi ke dua
tahun pemantauan datagerakan tanah
longsor, tingkat air tanah, dan curah hujan
ditanah longsor Kostanjek yang bergerak
perlahan di Kroasia; perpindahan ituberhasil
diprediksi untuk periode hingga 30
hari.Bidang lain yang dieksploitasi adalah
penggunaan data perpindahan untuk melatih
danmenguji jaringan saraf. Sebagai contoh,
Neaupane dan Achet (2004)
mengembangkanoped model back-
propagation neural network (BPNN) untuk
memprediksigerakan tanah di situs tanah
longsor di Nepal, yang dilatihvariabel input
yang biasanya mengontrol stabilitas lereng
(sepertipermeabilitas, kecuraman, dan
parameter kekuatan tanah). Chen dan
Zeng(2012) mengusulkan peningkatan
BPNN untuk mempertimbangkan
perusahaan nonlinierponents yang melekat
pada tren perpindahan tanah longsor. Disisi
lain, Gao dan Feng (2004) memperkenalkan
Sistem Gray gabungandan Evolutionary
Neural Network (ENN) untuk menguraikan
mono-peningkatan sifat deret waktu
perpindahan tanah menjadikomponen "tren"
dan "penyimpangan" yang
terpisah.Corominas et al. (2005) berusaha
untuk memprediksi perpindahan
dankecepatan tanah longsor Vallcebre
dengan menyelesaikan persamaan
momentum,di mana istilah kental (Bingham
dan hukum kekuasaan)
ditambahkan.Bernardie et al. (2015)
menggunakan model statistik-mekanik
gabunganmemprediksi perubahan tingkat
perpindahan tanah longsor dari perubahan
yang diamatidalam jumlah curah hujan di
tanah longsor Super-Sauze. Cao et al.
(2016)menganalisis hubungan antara curah
hujan, ketinggian air waduk, danair tanah
sesuai dengan perilaku perpindahan
langkah-seperti dariBaijiabao longsor dan
akibatnya mendapatkan pembelajaran
ekstremmodel mesin untuk tujuan prediksi.
Lian et al. (2015) mengusulkan abeberapa
metode prediksi-beralih jaringan saraf tiruan
untukmengidentifikasi prediktor individual
untuk berbagai faktor lingkungan dandengan
demikian meramalkan perpindahan berbagai
tanah longsor di TigaDaerah Waduk Ngarai
(Cina).Contoh lebih lanjut telah diterbitkan
oleh Lu dan Rosenbaum(2003), Feng et al.
(2004) , Randall (2007) , Li et al. (2012) ,
dan lainnya.Kegunaan praktis dari metode
numerik untuk peringatan dinimungkin
sangat terbatas karena indikasi apakah dan
kapan akegagalan mungkin terjadi tidak
disediakan. Sebenarnya, metode ini
kebanyakandirumuskan berdasarkan
perkiraan statistik dari data historis, begitu
punpenyimpangan signifikan dalam tanah
longsor dari deformasi sebelumnyaperilaku
(yaitu, dari tren perpindahan yang diamati
selamakalibrasi model) tidak dapat
diprediksi. Aspek yang terakhir
memilikidampak yang cukup besar ketika
tanah longsor dengan cepat bertransisi dari
atahap creep primer atau sekunder ke tahap
creep tersier, yang mengarah kekegagalan.
Oleh karena itu, tujuan praktis metode ini beberapakali diintegrasikan ke dalam sistem
terletak pada kemungkinanlity of peringatan dini yang sama ( Intrieri et
mendeteksi ketika perpindahan aktual al.2012)
melebihi yang diperkirakannilai-nilai,
Dalam banyak kasus, nilai ambang
menyiratkan timbulnya akselerasi yang
sepenuhnya empiris yang hanyaberdasarkan
belum pernah terjadi sebelumnya (Zhouet
penilaian ahli dan catatan pemantauan yang
al., 2016 ).Beberapa penulis berusaha untuk
tersedia adalahdisemen (Wyllie dan Munn,
mengusulkan solusi untuk mengisi celah ini.
1979 ; Zavodni dan Broadbent,
Carlàet al. (2016) mengaitkan probabilitas
1978;MacRae, 1982; Zavodni, 2001 ; Iovine
terjadinya kegagalanSisi gunung berapi
et al., 2006; Blikra, 2012; Gigliet al., 2014 ;
Stromboli dengan jumlah “anomali” yang
Lombardi et al., 2017). Namun, nilai-nilai
diukurdeformasi lereng (yaitu, divergensi
ini sangat ketatberlaku untuk tanah longsor
data yang diamati daridata prediksi). Tugas
tertentu dan tidak memiliki pendekatan
ini dicapai dengan melakukan saturamalan
konsolidasi ataupremis. Sebaliknya, hanya
perpindahan selangkah lebih maju dengan
metode skala kemiringan yang memiliki
menggunakan Auto-Regressive In-tegrated
tingkatportabilitas, yaitu, metode yang
Moving Average (ARIMA) model dan
didasarkan pada dasar pengamatan yang
kemudian membandingkanpengukuran tual
kuatatau berasal dari metode time-of-failure,
dengan interval kepercayaan ramalan.
dijelaskan dalam bagian ini.Sebagai contoh,
Inipenulis menetapkan bahwa fase
Crosta dan Agliardi (2002) memasangkan
pendahuluan ke sisi Agustus 2014erupsi
data perpindahandari batu longsor Ruinon di
ditandai oleh jumlah total yang secara
Pegunungan Alpen Tengah (Italia) dengan
signifikan lebih besar dantingkat deformasi
menggunakan Voight's(1988) persamaan
anomali sehubungan dengan apa yang
melalui penerapan estimasi non-linearteknik.
diamatiselama periode sebelumnya aktivitas
Para penulis ini kemudian menentukan
vulkanik tinggi, yang akhirnya
parameter A dan α dankurva teoretis
melakukannyatidak mengarah pada hasil
kecepatan-waktu yang dihitung. Akibatnya,
ini.2.4. Metode lain untuk menentukan
para penulis ininilai ambang batas kecepatan
ambang peringatanMeskipun tidak
yang secara teoritis sesuai dengan 30,15, dan
memberikan prediksi waktu kegagalan,
7 hari sebelum kegagalan untuk
metode itumendefinisikan ambang kritis
mengaktifkan pra-peringatan, peringatan,
parameter yang menunjukkan perubahan
dan daruratmenyatakan masing-
dalamkondisi stabilitas lereng masih dapat
masing.Dengan cara yang serupa, Segalini et
dipertimbangkan dalam aktivitastermasuk
al. (2018) menjelaskan metode
sistem peringatan dini, yang mencakup
untukmendefinisikan kurva kecepatan
peramalan secara luasmerasakan (Intrieri et
teoritis yang tidak tergantung pada
al., 2013).Pendekatan ambang batas
spesifikstudi kasus. Setelah memperkirakan
umumnya lebih konservatif karenaambang
parameter A dan α dan menghitungkurva
batas biasanya diatur dengan aman sebelum
kecepatan teoretis melalui Fukuzono
kemungkinan kegagalan; conse-ambang
(1985a), b) persamaan,penulis ini
batas ini juga lebih rentan terhadap alarm
menormalkan nilai yang diperoleh
palsu. Untuk inialasan, ambang batas dan
sehubungan denganrata-rata dan standar
metode perkiraan waktu kegagalan adalah
deviasi. Akibatnya, dimensi,
dinormalisasikurva kecepatan lebih sedikit pengamatanbahwa kurva waktu perpindahan
diperoleh untuk mengatur ambang batas menjadi hampir vertikal selamafase terakhir
kecepatan. Lebih lanjutKeuntungannya creep tersier. Untuk mengidentifikasi
adalah bahwa jenis kurva ini terbukti kriteria umum dan kuantitatifNamun,
bergantung pada α, sedangkanpengaruh A perpindahan dinormalisasi dengan
diabaikan.Brox dan Newcomen (2003) membaginya sehubungan dengankecepatan
mempelajari masalah stabilitas rata-rata creep sekunder. Metode ini
lerengprediksi di tambang terbuka, mengacu menghasilkan plotitu, secara dimensi, adalah
pada sejumlah kegagalanchanisme seperti waktu di kedua sumbu. Ambang batas yang
planar, wedge, stepped-path, toppling, adadiusulkan oleh Xu et al. (2011)
rotational /massa batuan, dan kompleks atau didasarkan pada nilai-nilai yang
kombinasi di atas. Daripadamenjelaskan diasumsikanoleh sudut tangensial dari kurva
suatu metode untuk mendefinisikan ambang plot ini: saat sudutadalah> 45 °, kemiringan
batas, para penulis ini langsung memasuki tahap tersier; nilai 80 ° sesuaike
mendukungmengajukan nilai ambang batas, ambang kedua; akhirnya, jika sudut
yang sebagian didasarkan pada saran tangensial> 85 °, makadeformasi kemiringan
dariZavodni (2001) . Ambang tersebut memasuki keadaan yang sangat dipercepat
menggunakan deformasi ε, yang yang khas darikondisi kegagalan.Metode
didefinisikan sebagairasio antara deformasi lain yang menggunakan normalisasi
maksimum highwall dan totalketinggian paradigma kinematikmeter untuk
tembok tinggi, yang dapat dianggap lebih menentukan ambang peringatan dijelaskan
normalparameter daripada perpindahan, dalam Carlà et al.(2017c). Para penulis ini
sehingga mengisyaratkan ekspor yang lebih menganalisis dataset 40 kegagalan lereng
tinggidari metode ini. Para penulis ini dalam batubaratambang, yang disediakan
mempersonalisasi tiga ambang batas oleh Cabrejo dan Harries (2012), dandibahas
yangmerespons ε, sama dengan 0,1% bahwa rasio percepatan dihitung lebih dari
(pengembangan retak tegang), 0,6%(gerakan dua tetaprentang waktu sebelum kegagalan
percepatan) dan 1% (runtuh segera), masing- adalah konstan untuk semua kasus.
masing;kemudian, nilai-nilai ini dinyatakan Misalnya,rasio antara percepatan selama 3
dalam fungsi kualitas massa jam terakhir ( a 3 h ) dan bahwa selama24h
batuan(dijelaskan oleh RMR, Bieniawski, terakhir ( a 24h ) sebelum kegagalan adalah
1976 ). Area yang stabil, tidak stabilarea dan ≈7 untuk semua kasus. Jadi, ketika
zona transisi karenanya dibatasi dalam ruang ituakselerasi setiap saat adalah tujuh kali
yang ditentukandidenda oleh ε dan RMR. lebih besar dari akselerasi21 jam
Para penulis ini juga membahas sebelumnya, kegagalan diharapkan terjadi
bagaimanaDence pada kualitas massa batuan dalam 3 jam. Begitu pula dengan rasioa 3 h /
dan toleransi terhadap regangan a 48 jam dan sebuah 24h / a 48 jam yang
berbedauntuk setiap mekanisme kegagalan konstan (≈13 dan ≈2, masing-masing).
tetapi tidak mengimplementasikan Inipendekatan memiliki aplikasi peringatan
perbedaan tersebut dimetode yang dini langsung; sebenarnya, dengan terus
diusulkan, yang tidak mempertimbangkan menerusmenghitung dan merencanakan nilai
jenis kegagalan.Xu et al. (2011) rasio percepatan, misalnya,a 3 h / a 24h ,
mengembangkan pendekatan berdasarkan alarm dapat dikeluarkan ketika nilai tujuh
didekati,menunjukkan kegagalan dalam 3
jam. Metode ini telah divalidasi sebanyak40
kasus, meskipun semuanya kemungkinan
memiliki kondisi geologi yang sama.tions
(rincian mengenai mekanisme kegagalan,
ukuran, kualitas massa batuan)dan
parameter penting lainnya tidak disediakan
dalam database olehCabrejo dan Harries,
2012 ). Oleh karena itu, perlu dilakukan
penelitian lebih lanjutmemahami bagaimana
nilai rasio ini berubah tergantung
padakonteks. Kalau tidak, metode ini masih
bisa membuktikan menjadi alat yang
berguna,asalkan sejumlah kegagalan, yang
diperlukan untuk mengkalibrasinilai rasio,
telah terjadi di area yang sama.Manconi dan
Giordan (2016) , berdasarkan metode
Fukuzono (1985a) ,mengembangkan
pendekatan untuk meningkatkan
kepercayaan ramalan. IniMetode terdiri dari
menerapkan analisis regresi linier ke
kebalikannyakecepatan. Prosedur ini
diulangi untuk 1000 iterasi dengan
menerapkan astrategi resampling bootstrap
(Efron, 1979 ) untuk memperoleh penilaian
yang kuatkesalahan yang terkait dengan
estimasi koefisien regresipenerima. Model
vs kebugaran data kemudian dievaluasi
dengan menghitung keduanyakoefisien
korelasi Pearson (CCORR) dan root mean
square(RMS) dari residual perbedaan antara
data danmodel. Jendela kegagalan
didefinisikan antara persen ke-5 dan ke-
95ubin dari distribusi bootstrap, sementara
model paling cocok dipertimbangkanwaktu
kegagalan paling mungkin. Metode ini
memungkinkan pengguna untukmenerapkan
ambang batas ketika tingkat kepercayaan
ramalan cukuptinggi (misalnya, ketika
CCORR> 75%).Carlà et al. (2017b) juga
dimulai dari metode Fukuzono (1985)
danditurunkan dua level ambang batas.
Yang pertama dipicu pada awal ac-
celeration, yang didefinisikan sebagai waktu
ketika suatu pergerakan jangka pendekrata-
rata (SMA) dari seri waktu perpindahan
melintasi di atasterm moving average
(LMA) (cross-over positif). Bergerak seperti
iturata-rata umumnya lebih kuat daripada
yang dirancang untuk
sederhanamenghaluskan plot kecepatan
terbalik (seperti dijelaskan pada Bagian
2.2 ). Jika merekadipekerjakan untuk
menetapkan ambang batas, SMA harus
ditetapkan sehingga sudahmenghaluskan
sebagian besar fluktuasi yang lebih kecil,
sedangkan LMA seharusnyadihitung lebih
dari tiga atau empat kali periode SMA.
Keduaambang batas yang diusulkan oleh
Carlà et al. (2017b) dipicu pada awaktu yang
sesuai dengan awal jendela kegagalan,
seperti yangdidenda dalam Bagian 2.2.
Penerapan ambang yang didasarkan
padaJendela kegagalan diuji pada dinding
penahan tanah longsor di Kanada(Carlà et
al., 2017d ).2.5. AplikasiTabel 2
mencantumkan serangkaian makalah dari
literatur yang mengadopsimetode peramalan
kegagalan empiris atau semi-empiris
dijelaskandisini. Yang paling banyak
digunakan adalah Fukuzono (1985a),
mungkin karena sifatnyapendekatan yang
cepat dan mudah digunakan. Beberapa kasus
melibatkan letusan gunung berapi,yang juga
dimasukkan karena mereka berbagi metode
yang sama(Sebagian besar semi-empiris)
yang digunakan untuk tanah longsor.Salah
satu bidang di mana semua pendekatan ini
paling seringyang digunakan adalah industri
pertambangan. Seperti dicatat oleh
Hutchinson (2001) , risiko dalamtambang
terbuka berpotensi sangat serius dalam hal
kehidupan manusiadan kerugian ekonomis
karena kegiatan ekstraksi yang berkelanjutan
seringmengkompromikan stabilitas lereng
dan nilai-nilai tinggi dari elemen yang
 E.I
ntr
ier
i,et
AL.
berisiko,mengingat kehadiran personel dan sehingga ada hubungan yang rumit dengan
ekonomi yang berkelanjutanurutan local
pekerjaan yang mengganggu karena runtuh
atau bahkan salahalarm yang dikeluarkan
oleh prosedur peringatan buruk. Alasan
lainnya adalahbahwa lereng lubang terbuka
menampilkan paparan batuan yang optimal
dan biasanyadipantau oleh jaringan
pemantauan pemindahan-perpindahan
mutakhir dan andalbekerja. Terlebih lagi,
orang-orang yang bertanggung jawab atas
TARP dan pemantauansistem juga berisiko,

Table 2
3
4
Literatureexamplesofapplicationsofempiricalandsemi-empiricalfailure-
forecastingmethods.Inthedescriptionoftheevent,theterm“landslide”hasbeenusedwhenthespecifictype
oflandslideisnotdefined,is unknownoristoocomplextobeshortlydescribed.Withtheterm“non-
failure”areindicatedthosemovementsthat,althoughshowingintensephasesofdeformationtypicalofthete
rtiarycreep,ultimatelydidnotreach failure.
Reference Forecasting method Field of application Description of the event Applied before
the event
Atzeni et al., Fukuzono, 1985a Open-pit mining 1 rockslide in a sandstone Yes
2015 quarry
Azimietal.,198 Azimi et al., 1988 Public safety Arvanvalleyrockslide(ingypsu Onlyin1caseout
8 (slope m),1retainingwall,Dosanearth of5wasapplied E
Fukuzono, 1985a Ar
failures), civil flow, Soya earth slide, Vajont before theevent
Carlàetal.,2017 th
a engineering landslide No -
4 planar and 1 toppling S
Open-pit mining failures in rock, 4 non-failures ci
e
Carlà et al., Fukuzono,1985a Publicsafety, Mt.Benirockslide,Vajontlands No n
ce
2017b (slopefailures lide,Volterramedievalcitywall R
Fukuzono,1985a No ev
Carlà et al., ),civil s,1 debris talus ie
2018 engineering (Strombolivolcano)
w
s
Open-pit mining 1 rockslide 1
Casagli et al., Fukuzono, 1985a Public safety Stromboli eruption Yes
2009 (volcanic eruption)
Corcoran and Fukuzono, 1985a; Materials science 3 metal specimens valid for No
Davies, 2018 Voight, 1988 power-station components
Cornelius and Voight, 1988 Public safety Redoubt eruption No
Voight, 1994 (volcanic eruption)
CrudenandMas Saito, 1969; Open-pit mining Luscar rockslide No
oumzadeh,198 Zavodni and
7 Broadbent, 1978
Fukuzono, Fukuzono, 1985a Research 5 artificial landslides (in loam No
1985a or sand)
Dick et al., Fukuzono, 1985a; Open-pit mining 1 rockslide No
2015 Mufundirwa et al.,
2010
Dok et al., Fukuzono, Research 25 soil specimens No
2011 1985a,Fukuzono,
1985b
Gigli et al., Fukuzono, 1985a Public safety (slope Montebeni rockslide Yes
2011 failure)
Hao et al., Hao et al., 2017 Research, public 3granitespecimens,Bezymiann No
2017 safety (volcanic yeruption,Mt.St.Helenseruptio
 eruption) n
Harries et al., Empirical threshold Open-pit mining Mt. Owen landslide Yes
2006
Heim, 1932 Not available Public safety (slope Linthal rockslide Yes
failure)
Hungr and Fukuzono, 1985a Open-pit mining Waste-dump failure in coal Yes
Kent, 1995 mine
Hutchinson, Fukuzono, 1985a Public safety (slope Vajont landslide No
2001 failure)
Intrieri and Saito, 1969; Publicsafety(slop 14 landslides, 1 volcanic No
Gigli, 2016 Fukuzono, 1985a; efailuresandvolca eruption
No
Intrieri et al., Mufundirwaet al., nic eruption), Xinmo (Maoxian) landslide
2018a 2010 open-pitmining
Fukuzono, 1985a Public safety (slope
failure)
Iovine et al., Empirical threshold Public safety (slope Cavallerizzo di Cerzeto Yes
2006 failure) landslide
Kayesa, 2006 Empirical threshold Open-pit mining Letlhakane rockslide Yes
Kennedy and Not available Open-pit mining Chuquicamata rockslide Yes
Niermeyer,
1970
Kothari and Fukuzono, 1985a Open-pit mining 22 landslides Not available
Momayez,
2018
Krähenbühl, Fukuzono, 1985a Public safety (slope 2 rockslides Yes
2006 failures)
Lavallée et al., Voight, 1988 Public safety Colima volcano No
2008 (volcanic eruption)
Loew et al., Empirical threshold; Public safety (slope Preonzo rockslide Yes
2017 Fukuzono, 1985a failure)
Manconi and Fukuzono, 1985a Public safety (slope La Saxe rockslide No
Giordan, 2016 failure)
Mazzanti et al., Fukuzono, 1985a Public safety (slope 10 rockslides No
2015 failures)
Mufundirwa et Mufundirwa et al., Open- Undisclosed rockslide, No
al., 2010 2010 pitmining,publi Asamushi landslide, Vajont
Yes
Newcomen Empirical threshold csafety(slope landslide, Shikotsu
and Dick, 2015 failures),resear welded-tuff specimen
Manefay landslide
ch
Open-pit mining
Osasan and Fukuzono, 1985a Open-pit mining 2 landslides Yes
Stacey, 2014
Petley, 2004 Fukuzono, 1985a Research Artificially triggered rotational No
slide in clay
Petley et al., Fukuzono, 1985a Research Haney clay specimen No
2005b
Petley et al., Fukuzono, 1985a Public safety (slope Tessina landslide No
2005c failure)
Rose and Fukuzono, 1985a Open-pit mining LaClapiérelandslide,Liberty Onlyin4casesou
Hungr, 2007 Pitlandslide,3rockslidesatBet tof6wasapplied
Saito, 1965 Public safety (slope
failures) ze- post, 1 before theevent
Saito, 1965
undisclosedlandslide Yes
1retainingwall,Dosanearthflow
,Soyaearthslide,1non-failure
Saito, 1969 Saito, 1969 Public safety (slope Asamushi landslide, Ooigawa Yes
failures) landslide, Dosan landslide
Saito, 1969 Saito, 1965; Saito, Public safety (slope Takabayana landslide Yes
1969 failure)
Sättele et al., Fukuzono, 1985a Public safety (slope Preonzo rockslide Yes
2016 failure)
Suwa, 1991 Saito, 1969 Public safety (slope Saigo rockslide (in tuff) Yes
failure)
Venter et al., Fukuzono et al., Open-pit mining 2 landslides No
2013 1985a; Mufundirwa
et al.,
2010
Voight, 1988 Voight, 1988 Public safety (slope Bezymianny eruption, Mt. St. No
failure, volcanic Helens eruption, Vajont
landslide
eruptions)
Xu et al., 2011 Xu et al., 2011 Publicsafety(slopefa Jiminsi landslide, Daye No
 ilures),open-
pitmining
otoritas dan masyarakat umum, yang
biasanya memperumit perbedaanbudaya
yang diamati dalam keadaan darurat lain dan
dalam manajemendari EWS, tidak ada.
Beberapa faktor ini juga berlaku untuk
keselamatanrute kereta api dan jalan (seperti
di Saito, 1969 ).Aplikasi dengan tujuan
perlindungan sipil dan keselamatan publik
(untukcontoh tanah longsor yang
mengancam orang, bangunan, lingkungan,
infrastruktur) secara proporsional lebih
jarang (jumlah ini tumbuh jika analisis
kembalidihitung). Alasan utamanya
mungkin karena kurangnya awalsistem
peringatan yang diterapkan sebelum
kegagalan.Banyak peristiwa yang tercantum
dalam Tabel 2 adalah batu longsor,
tetapilayanan bias karena fakta bahwa
banyak aplikasi berasal dariindustri
pertambangan terbuka. Slide terjemahan dan
rotasi dan top-Pling juga didokumentasikan.
Umumnya (seperti yang didokumentasikan
dalam Intrieri danGigli, 2016 ), tidak ada
batasan mengenai jenis bahan,
statusaktivitas (kegagalan atau reaktivasi
pertama kali) dan volume tanah longsor.3.
Diskusi dan kesimpulanMenentukan metode
dengan kinerja terbaik di antarabeberapa
metode peramalan yang dijelaskan dalam
makalah ini berbedakultus, terutama karena
banyak metode tidak memiliki cukup
aplikasidievaluasi dengan benar dan jarang
aplikasi yang melibatkan prediksiyang
dibuat sebelum acara (lihat Tabel 2 ); lebih
jauh lagi, hanya sedikitmakalah membuat
perbandingan langsung antara metode yang
berbeda (Kandunget al., 2013; Dick et al.,
2015 ; Intrieri dan Gigli, 2016 ). Salah satu
tujuannyamakalah ini adalah untuk
meningkatkan ketersediaan yang kurang
umum inipendekatan, yang bisa melahirkan
input baru di bidang penelitian ini.Banyak
metode menyiratkan solusi grafis, yang
mungkin salah satunyafitur-fitur utama yang
dengannya mereka harus dievaluasi;
landslide, open-pit landslide,
Baishi
menggunakan kata-kataof Lambe (1973),
“Sebuah plot yang luar biasa dapat
memberikan […]perspektif dan pemahaman
tentang suatu proses atau peristiwa ”. Dalam
kasus ini,Metode Fukuzono (1985a) jelas
tampak paling grafiskomunikatif, meskipun
representasi ramalan yang sangat baik
bisadiperoleh dengan setiap metode,
misalnya, dengan merencanakan yang
diprediksiwaktu kegagalan sebagai fungsi
waktu ketika prediksi dibuat.Fakta bahwa
metode Fukuzono adalah yang paling
banyak digunakan tidak
menyiratkannyaadalah yang paling akurat;
metode ini masih menunjukkan kelemahan
spesifikkarena didasarkan pada nilai invers
dari parameter derivatif, demikian
jugasangat dipengaruhi oleh kebisingan
dalam perpindahan yang diukur dan
jauhlebih sensitif (yaitu, perkiraan waktu
kegagalan mengalami kuatfluktuasi) ketika
kecepatannya kecil (Carlà et al., 2017a).
Similarly, metode yang didasarkan pada
akselerasi (Voight, 1988 ; Hao et al.,2016)
juga mengalami penyebaran kesalahan saat
mengukurperpindahan, berbeda dari metode
(seperti dalam Saito, 1969 ) yanglangsung
diterapkan pada perpindahan. Masalah-
masalah ini dapat diselesaikan tetapi
menggunakanmetode peramalan masih
menghadirkan kesulitan. Pertama,
pemfilteran yang tepatdan tingkat
pengalaman sering diperlukan untuk
menafsirkankeyakinan akan prediksi.
Kedua, penentuan timbulnyaakselerasi (yang
dapat digunakan sebagai waktu mulai untuk
membuat masuk akalramalan) seringkali
merupakan tugas yang bermasalah; sama,
mendeteksi kapanKemiringan telah
mencapai keseimbangan baru dan akselerasi
creep tersier telahBerhenti juga penting
karena semua metode peramalan di
atasmenganggap tren percepatan, sedangkan
deselerasi tiba-tiba dapat
menggangguprediksi (seperti yang
ditunjukkan dalam studi kasus Mazzanti et
al., 2015).Solusi untuk mengatasi masalah
ini telah disajikan dalam makalah ini.Saat
ini, pendekatan yang paling dapat
diandalkan tampaknya adalah
mempekerjakanlebih dari satu metode
(termasuk yang menentukan ambang batas,
sepertidijelaskan dalam Bagian 2.4) dan
membuat keputusan sesuai dengan rata-
rataatau prediksi teraman.Pengalaman yang
dilaporkan dalam makalah ini menunjukkan
bahwa inimetode peramalan didasarkan pada
perilaku fisik yang dibagikandi antara
banyak lingkungan yang berbeda dan
kegagalan itu dapat diperkirakanuntuk
berbagai fenomena (batu longsor, tanah
longsor, dinding, letusan,dan spesimen),
bahan (batu, tanah, kaca, dan logam),
volume(dari sentimeter kubik hingga jutaan
meter kubik), geometri (planarkegagalan,
kegagalan baji, permukaan geser
melengkung, dan jatuh) dan parameter
(perpindahan, kecepatan, emisi akustik, dan
seismik ataujumlah geokimia). Lebih lanjut,
bertentangan dengan apa yang
seringdijumlahkan (Voight, 1988; Rose dan
Hungr, 2007 ), tanah longsor juga bisa
terjadidiramalkan ketika kekuatan eksternal
bertindak atas mereka, seperti yang
ditunjukkan olehIntrieri dan Gigli (2016) ,
yang mengendurkan asumsi ini. Po-beberapa
metode seperti itu masih harus dieksploitasi,
dan menarik secara ilmiahdan kemajuan
teknologi dapat menentukan tren masa
depan di Indonesialapangan ini. Beberapa
kemungkinan dijelaskan sebagai
berikut.Model dan percobaan pada spesimen
batuan yang menampilkan creep
rapuhperilaku telah mengungkapkan adanya
hubungan kekuasaan-hukum antaratween
waktu kegagalan dan stres yang diterapkan,
di mana sejumlahkonstanta yang bergantung
pada sifat batuan dan kondisi sekitarjuga
berperan, termasuk kekuatan batu, suhu,
airproses saturasi dan korosi kimia
( Charles, 1958; Scholz,1972 ; Amitrano dan
Helmstetter, 2006 ). Pengetahuan tentang
semua paragraf inimeter secara teoritis
memungkinkan pengguna untuk
menghitungwaktu kegagalan.Ketika
meningkatkan ke sistem yang lebih
kompleks (seperti tanah longsor),creep
tersier masih biasanya mengasumsikan
bentuk hukum kekuasaan (biasanyadengan
eksponen tinggi, yang membuatnya sangat
mirip dengan eksponensialhukum; Lockner,
1993; Zvelebil dan Moser, 2001 ; Crosta dan
Agliardi,2003 ; Amitrano dan Helmstetter,
2006; Cruden dan Masoumzadeh,1987 ; Dok
et al., 2011 ; Corcoran dan Davies, 2018)
tetapi menghitungsaat kegagalan dimulai
dari karakteristik tanah longsor saat ini
tidakbisa jadi. Seperti yang dicatat oleh
Hutchinson (2001) , ada tingkat
ketidakpastiansebagian karena
ketidakpastian dalam memperkirakan kurva
creep danterutama karena fitur-fitur ini
mungkin tidak teratur (non-monotonik,
sepertidengan kasus 2b pada Gambar. 3 ),
misalnya, karena perubahan internalatau
kondisi eksternal atau kebisingan hanya
instrumental.Adanya hubungan kekuasaan-
hukum antara perpindahandan waktu dalam
material rekah (rapuh) dapat dikaitkan
dengan retakpropagasi ( Petley, 2004),
khususnya untuk proses umpan balik positif(
Main, 2000 ; Corcoran dan Davies, 2018 ) di
mana semakin panjangdari retak merambat
meningkatkan intensitas tegangan di
ujungretak itu sendiri dan, oleh karena itu,
kecepatan perambatan retak lebih
lanjut( Atkinson, 1984; Amitrano dan
Helmstetter, 2006). Sungguh makan
sendiriproses menciptakan non-linieritas
creep tersier yang mencolok.Namun,
akselerasi yang sesuai dengan hukum
kekuasaan juga dapat diamatikasus di mana
rekah tidak terjadi sama sekali (tanah
longsor yang diaktifkan kembali ataubumi
mengalir). Fenomena ini diamati di tanah
longsor Marano,aliran bumi di Italia tengah
yang diperkirakan memiliki volume 0,7juta
m 3 dan mengalami reaktivasi berkala
(peristiwa terakhir adalah di Jakarta)1996;
Bertolini et al., 2004 ). Pada 2018, periode
curah hujan yang
berkepanjanganmenyebabkan percepatan
baru tanah longsor, yang dipantaumelalui
radar aperture sintetis interferometrik
berbasis darat (GB-InSAR) untuk
mengevaluasi risiko kerusakan sungai
karena progresi jari kaki.GB-InSAR
mencatat tren akselerasi yang kuat
selamapagi hari 11 Maret 2018 ( Gbr. 8 ).
Metode kecepatan terbalik adalahkemudian
diimplementasikan untuk mendeteksi titik
ketika tanah longsor bisa terjadimengalami
percepatan paroxysmal, yang mengarah ke
obstruksi cepatsungai.Penerapan metode
Fukuzono (1985a) menunjukkan hasil yang
baiktren linier (R 2 = 0,95) yang memotong
sumbu horizontal sekitar 11Maret pukul
22:15 (Gbr. 8). Meskipun fitting linier cukup
baik, apengamatan yang lebih rinci
menunjukkan tren yang sedikit cekung
sampai pukul 18:00(Seperti umumnya
diamati untuk jenis tanah longsor; Petley,
2004 ; Petleyet al., 2005b ), ketika
kemiringan kecepatan terbalik meningkat
danmenjadi lebih linier. Kira-kira pada saat
garis trenmengutip sumbu horizontal, tanah
longsor mencapai kecepatan maksimumdan
berlanjut pada tingkat yang konstan (sekitar
2,3 m / hari sebagaimana diukur
bersamagaris pandang radar). Puncak kuat
itu tercatat sekitar pukul 21.00dianggap
sebagai efek instrumental karena disebabkan
oleh fasepembungkus, yang berarti bahwa
kecepatan aktual pada saat itu jugatinggi
untuk kemampuan sistem. Tidak adanya
akselerasimenyiratkan keseimbangan gaya
yang bekerja pada tanah longsor, jadi
iniperilaku dapat dijelaskan dengan model
gesekan. Pada 13 Maret 2018,tanah longsor
mengalami perlambatan lebih lanjut,
mengarah ke sangatperpindahan rendah ke
nol (sesekali terganggu oleh perbaikan
kecilaktivasi setelah hujan).Dalam kasus
seperti itu, waktu kegagalan tidak boleh
diartikan sebagai tepat"Kegagalan" atau
runtuh tetapi masih sebagai peristiwa
paroksismal, yang terdiri daripercepatan
mendadak yang secara drastis mengubah
kinematika dari sebuahAliran bumi dan
dapat menyebabkan kerusakan parah. Satu
pengalaman bagaimana bumiAliran dapat
berevolusi secara paroksismal dapat
ditemukan dalam Berti et al. (2013) .
Dariperspektif keselamatan publik,
peristiwa-peristiwa seperti itu dapat
dianggap identikruntuh.Adanya hubungan
kekuasaan-hukum, bahkan tanpa
celahpropagasi, berarti mekanisme umpan
balik positif yang sesuaijuga harus terjadi
juga dalam aliran bumi. Penelitian masa
depan dalam topik ini seharusnyajuga
melibatkan menjelaskan apa yang proses ini
wakili danmungkin selidiki apakah aliran
puing juga dapat diperkirakan dengan hal
yang samaalat. Seperti yang disoroti oleh
Voight (1988) , hubungan kekuasaan-hukum
denganwaktu kegagalan tidak eksklusif
untuk batuan rapuh tetapi dapat
ditentukanuntuk sejumlah parameter dan
aplikasi (seperti yang ditunjukkan pada
Tabel 2).Pengalaman serupa dari aliran bumi
yang mengalami bencanakegagalan setelah
periode panjang deformasi ulet dilaporkan
olehFletcher et al. (2002). Kasus ini
melibatkan tanah longsor Attachie (Ca-
nada), yang terdiri dari tanah liat
glaciolacustrine yang terkonsolidasi
danlanau. Sampel dan uji lubang bor
mengungkapkan bahwa 31% dari volume
sumberadalah plastisitas rendah atau non-
plastik lanau, 48% adalah lanau plastik
lempung atau tanah liat,dan 21% adalah
pasir. Sampel tanah liat dari dekat
permukaan gesermemiliki tanah liat yang
sangat plastik dengan fraksi tanah liat 60-
70% dan plastisitasindeks lebih dari 30%.
Fletcher et al. (2002) mengaitkanment dari
Attachie tanah longsor ke slide aliran yang
sangat cepat dari 6,4juta m 3 hingga tiga
kemungkinan penyebab (di mana
mekanisme 2 dan 3 keduanyamembutuhkan
bahan non-plastik, lanau dalam hal ini):1.
kerapuhan tidak terlatih dari runtuhnya
struktur metastabil:Mekanisme ini khas dari
lempung cepat (sensitif) dan dapat
dicairkantanah dan terjadi ketika gangguan
(misalnya, beban yang tidak terdrainase)
masukmeningkatkan tekanan pori sebagai
struktur partikel tanah liat yang tidak
stabilruntuh (Gregersen, 1981); seperti yang
dicatat oleh Hutchinson (1987) , tidak
terlatihpemuatan kepala saja bisa menjadi
penyebab yang tidak terduga,
cepatperpindahan.2. Kekuatan internal dari
massa geser: jika terjadi kegagalan
sepanjangpermukaan pon, massa yang
bergerak
harusdipecaholehinternalguntinguntukmemb
entukmekanisme yang
diterimasecarakinematis;
jikameluncurmassamempertahankankerapuh
an yang cukup pada saat putus, afase
paroxysmal dapat terjadi ( Hutchinson,
1987).3. Kerapuhan "makroskopis":
mekanisme ini melibatkan
pembukaanbeberapa ketegangan retak
karena perpindahan lambattanah longsor,
yang kemudian diisi dengan material lepas;
jika air permukaanjenuh bahan ini,
pencairan dan tekanan cairan berat
bisaterjadi di dalam celah (Hutchinson, 1987
).Tren masa depan dalam prediksi longsor
juga akan dipupuk oleh teknologi.Kemajuan
nologis dalam teknik pemantauan. Yang
paling mencolokcontoh terkait dengan
perkembangan terkini dalam satelit
interferometrik.Potensi teknik ini sudah
lama terbukti, tetapi hanya
setelahpeluncuran satelit dengan waktu
peninjauan yang relatif singkat (beberapa
hari sepertikebalikan dari beberapa minggu)
telah dilakukan uji kelayakan
pertama.Secara khusus, konstelasi Sentinel-
1, yang memiliki resolusi efektifwaktu
kunjungan 6 hari, adalah game-changer di
monitor interferometrikadegan itoring.
Meskipun prediksi yang tepat (yaitu,
prediksi dibuat menjadisebelum acara) tidak
ada dalam literatur ilmiah (pada
saatmenulis), pengalaman yang menjanjikan
telah menunjukkan bahwa pemeriksaan
berkelanjutandata satelit akan
memungkinkan para ilmuwan untuk
meramalkan dengan baikperistiwa
mematikan seperti tanah longsor Xinmo
(Maoxian, Cina) pada tahun 2017(Intrieri et
al., 2018a), yang menyebabkan> 100
korban, dan tanah longsordi tambang
terbuka tembaga yang dirahasiakan yang
menewaskan beberapa pekerja(Carlà et al.,
2018), karena kedua acara tersebut
diantisipasi dengan jelas
Gambar 8. Top: rangkaian waktu
perpindahan sebagian longsor Marano yang
diukur dengan GB-InSAR. Kotak kuning
menunjukkan jendela waktu diperbesardi
bawah, di mana kecepatan terbalik diplot
dan garis putus-putus merah mewakili tren
linier. Nilai perpindahan dan kecepatan
terbalik diukur sepanjanggaris pandang
instrumen. (Untuk interpretasi referensi
warna dalam legenda gambar ini, pembaca
dirujuk ke versi web artikel ini.)
Pemantauan yang tepat dan program
peringatan dini yang mengeksploitasidata
satelit juga dapat diatur agar administrasi
publik dapatmemantau seluruh daerah
dengan menerapkan program
sistematiscessing rantai akuisisi
interferometrik untuk membuat terus
menerusdata ground-deformasi yang
diperbarui. Misalnya, satu aplikasisedang
diuji di Wilayah Tuscany (Italia) dengan
Sentinel-1 con-stasi ( Raspini et al., 2018 ),
di mana deret waktu perpindahannya
adalahterus diperbarui dengan akuisisi
terbaru yang tersediadianalisis untuk
mengidentifikasi titik-titik di mana
perubahan dalam kinematika terjadi.Bahkan
instrumen terestrial mengubah apa yang piksel patokan(salah satu yang memicu
baru saja terjadidianggap sebagai asumsi ambang peringatan atau yangmengukur
terkonsolidasi. Misalnya, perpindahan terakumulasi tertinggi) dan
kemampuanperangkat GB-InSAR modern kemudian melakukanmetode prediksi time-
untuk memantau area (tidak hanya satu of-failure untuk kedua piksel ini dan
titik)dalam beberapa puluh detik sekelompokpiksel yang berdekatan yang
memungkinkan kita untuk lebih mendorong mengalami setidaknya 50% dari
batas apadianggap (dekat) pemantauan perpindahanpatokan.Meskipun relevansi
waktu nyata. Rose and Hungr (2007)dan pertunjukan yang disediakan oleh ini
Mufundirwa et al. (2010) berpendapat daninovasi serupa, banyak pengalaman yang
bahwa sangat rapuh (atau lebihsecara dilaporkan dalam Tabel 2
khusus, material yang kaku tidak akan menunjukkanbahwa dalam beberapa kasus
mengizinkan peringatan apa pun presisi tinggi atau frekuensi akuisisi
karenaruntuh tiba-tiba tidak dapat tinggitidak perlu meramalkan waktu
diantisipasi oleh deformasi yang kegagalan, misal saat longsorfase creep
terukur.Asumsi ini benar sampai saat ini, tersier yang jelas dan panjang. Mengingat
ketika pengalaman baru ( Carlàet al., 2017a) hal di atas, dramatispeningkatan difusi
menunjukkan bahwa kegagalan kecil pada praktik peramalan waktu-kegagalanbisa
batu berkualitas sangat baikmassa dapat datang bersama dengan instrumentasi
menunjukkan kurva creep tersier, berbiaya rendah yang mampu
memungkinkan prediksimenit waktu pecah memberikandata perpindahan dengan
atau puluhan menit di muka. Karena itu, kualitas yang masuk akal. Hasil yang
gunakanlah menarik bisaberasal dari pengembangan
Jaringan Sensor Nirkabel (WSN)membentuk
instrumenmutakhirdekat real-time masuk pengukuran mulai menggunakan sinyal pita
akalmeningkatkan kemungkinan ultrawide yang samadigunakan untuk
menggunakan metode peramalan.GB-InSAR mentransfer data, sehingga memotong biaya
juga memiliki kelebihan dalam melakukan yang terkait dengan sensor tertentu( Intrieri
pengukuranarea cakupan luas (bukan pada et al., 2018b; Mucchi et al., 2018 ).
titik diskrit tunggal). Cap- inikemampuan Teknologi menjanjikan lainnyanologi untuk
umumnya kurang digunakan, dan dataset aplikasi peringatan dini adalah Radio-
luas yang tersedia adalahsering dikurangi Frequency Identifi-cation (RFID), yaitu
menjadi sejumlah kecil titik terpilih yang berdasarkan tag yang bisa dipasang dengan
digunakan untukanalisis deret waktu. rendahdampak lingkungan dan mengukur
Misalnya, pendekatan yang mungkin untuk jarak relatifnya dengan tinggiresolusi
mengeksploitasi GB-Data InSAR disediakan temporal (Le Breton et al., 2019).
oleh Dick et al. (2015), yang Selanjutnya di bagian terakhirtahun, chip
menggabungkan duapraktik umum yang Global Positioning System (GPS) frekuensi
telah diadopsi di tambang terbuka di seluruh tunggal tersediadengan biaya lebih rendah
duniadalam kerangka sistem peringatan dini: telah digunakan untuk sistem peringatan dini
metode Fukuzono( Fukuzono, 1985a) dan longsor( Benoit et al., 2015). Pengembangan
pemantauan perpindahan yang instrumen berbiaya rendah bisaOleh karena
dilakukanmelalui GB-InSAR. Untuk itu memungkinkan pemantauan di mana,
sepenuhnya menggunakan data area spasial karena alasan ekonomi, tidakmungkin atau
dari GB-InSAR, Dicket al. (2015) dapat mengaktifkan pemasangan banyak
menyarankan mulai dengan memilih satu titik pengukuranmemungkinkan untuk
pengamatan spasial dengan resolusi spasial KasihData dari tanah longsor Marano
tinggi,sehingga mengurangi biaya untuk disediakan oleh SipilPerlindungan Wilayah
pemetaan cepat.Peramalan tanah longsor Emilia Romagna dan oleh
adalah topik yang pasti patut diteliti lebih NasionalDepartemen Perlindungan Sipil.
lanjutupaya karena pengaruhnya terhadap
masyarakat. Keadaan seni yang palingstudi
yang relevan dalam bidang ini didefinisikan
dalam makalah ini untuk menetapkan
awaltitik untuk karya masa depan.
Hubungan antara kinematika danwaktu
kegagalan lereng telah dijelaskan secara
memadai, tetapi kuathubungan antara fitur
geomorfologi, geoteknik, dan
geomekanistures dan kinematika (atau
parameter lain yang bertindak sebagai
indikator keruntuhan)masih hilang.
Wawasan baru dapat berasal dari kontribusi
bersamadari berbagai bidang penelitian dan
industri, seperti teknikgeologi, ilmu
material, penambangan terbuka, dan
penginderaan jauh.Ucapan Terima
KESIMPULAN
Dari jurnal diatas dapat disimpulkan bahwasanya FWE perhubungan berpotensi dapat
mendukung pencapaian terintegrasi dari tujuan pembangunan berkelanjutan jika pendekatan
transdisiplin diambil. Literatur yang ada di FWE perhubungan menunjukkan bahwa melonjaknya
kepentingan penelitian telah diarahkan menuju pemahaman, mengidentifikasi, dan kualifikasi
hubungan timbal balik antara berbagai pemangku kepentingan untuk secara inklusif melibatkan
aktor perhubungan dalam proses dan mengidentifikasi solusi governance.

KEBIJAKAN DI MASA DEPAN

Kebijakan yang dapat diambil untuk masa depan diperlukan nya metode yang benar-
benar bisa membantu pemerintah dalam menyelesaikan permasalahan terkait dengan masyarakat.
Dari hasil penelitian dijelaskan bahwa pengembangan metodologi canggih diperlukan, maka
masa sekarang pemerintah perlu meningkatkan kualitas masyarakat dan teknologi yang canggih
untuk masa yang akan datang agar tidak terjadinya permasalahan seperti pada jurnal diatas.