TUGAS SEISMOLOGI

JURNAL TENTANG GEMPA BUMI

Oleh :
AAN MUNANDAR
115.180.051

JURUSAN TEKNIK GEOFISIKA

FAKULTAS TEKNOLOGI MINERAL
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
YOGYAKARTA
2020
 Deteksi seismik pada tanah longsor skala regional:

contoh dari Pegunungan Alpen Timur

Florian Fuchs1, Wolfgang Lenhardt2, Götz Bokelmann1, and the AlpArray Working Group*
1Department of Meteorology and Geophysics, University of Vienna,
Althanstraße 14, UZA 2, 1090 Vienna, Austria
2Central Institute for Meteorology and Geodynamics, ZAMG, Vienna, Austria
*For further information regarding the team, please visit the link the end of the paper.
Correspondence: Florian Fuchs (florian.fuchs@univie.ac.at)
Received: 28 June 2018 – Discussion started: 10 July 2018
Revised: 19 September 2018 – Accepted: 16 October 2018 – Published: 29 October 2018

Abstrak. Catatan seismik dapat memberikan wawasan terperinci tentang mekanisme

pergerakan massa gravitasi. Peristiwa bencana yang menghasilkan radiasi seismik
jangka panjang telah dipelajari secara rinci, dan sistem pemantauan telah
dikembangkan untuk aplikasi pada skala yang sangat lokal. Di sini kami
menunjukkan teknik yang serupa juga dapat diterapkan pada jaringan seismik
regional, yang menunjukkan potensi besar untuk pemantauan dan analisis aktivitas
batuan longsor skala besar dan waktu nyata. Makalah ini mempelajari 19 longsoran
batu berukuran sedang sampai besar di Timur Pegunungan Alpen yang direkam oleh
jaringan seismik regional dalam jarak beberapa puluh kilometer hingga lebih dari 200
km. Kami mengembangkan rantai pemrosesan sederhana dan sepenuhnya otomatis
yang mendeteksi, menempatkan, dan mengklasifikasikan batuan longsor berdasarkan
pada catatan seismik komponen-vertikal. Kami menunjukkan bahwa pemilih onset
berbasis kurtosis cocok untuk dideteksi onset sinyal batu longsor yang sangat muncul
dan untuk menemukan batu longsor dalam jarak beberapa kilometer dari yang
sebenarnya asal menggunakan pencarian grid dan model kecepatan seismik 1-D.
Diskriminasi otomatis antara batuan longsor dan gempa bumi lokal dimungkinkan
dengan kombinasi parameter karakteristik yang diekstraksi dari catatan seismik,
seperti kurtosis atau rasio amplitudo maksimum-rata-rata. Kami berusaha untuk
menghubungkan amplitudo catatan seismik ke volume batu longsor yang
didokumentasikan dan mengungkapkan hukum kekuatan potensial dalam perjanjian
dengan studi sebelumnya. Sejak pendekatan kami didasarkan pada metode yang
disederhanakan, kami sarankan dan diskusikan bagaimana setiap langkah dari
pemrosesan otomatis dapat diperluas dan ditingkatkan untuk mencapai hasil yang
lebih rinci di masa depan.

1. Pendahuluan

Gerakan massa gravitasi membentuk permukaan planet kita dan menimbulkan

bahaya yang tulus bagi populasi manusia, khususnya di daerah pegunungan yang
padat penduduk seperti Pegunungan Alpen Eropa. Memahami pemicu kegagalan
lereng memungkinkan kita untuk mengevaluasi dampaknya terhadap evolusi
geomorfologi dan untuk merancang langkah-langkah mitigasi atau sistem peringatan
dini. Namun, kejadian seperti itu dapat terjadi secara spontan dan di daerah terpencil
dan dengan demikian tetap tidak terdeteksi dalam banyak kasus. Ini dapat
menimbulkan ketidakpastian signifikan, misalnya, inventaris acara dan studi pemicu.
Namun, pengetahuan yang komprehensif dan data kejadian yang andal adalah sangat
penting untuk penilaian bahaya yang ditimbulkan oleh cepat gerakan massa gravitasi.
Ini menjadikan metode deteksi jarak jauh dan lebih disukai waktu-nyata untuk
gerakan massa gravitasi cepat sangat diinginkan. Pendekatan klasik seperti
penginderaan jauh melalui citra satelit atau sistem pemantauan kemiringan stasioner
biasanya terbatas dalam resolusi temporal atau spasial dan tidak dapat mencakup area
yang luas secara real time.

Dalam beberapa tahun terakhir seismologi telah mendapatkan perhatian

karena mampu memberikan resolusi temporal dan spasial untuk deteksi dan
karakterisasi atau bahkan perkiraan berbagai jenis gerakan massa. Ini termasuk
landPublished oleh Copernicus Publications atas nama European Geosciences Union.
956 F. Fuchs et al.: Deteksi seismik slide batu jatuh (Helmstetter dan Garambois,
2010; Feng, 2011; Moore et al., 2017), jatuh (Hibert et al., 2011; Dammeier et al.,
2016; Manconi et al., 2016; Gualtieri dan Ekström, 2017), longsoran (Lacroix et al.,
2012; van Herwijnen et al., 2016; Hammer et al., 2017), aliran debris (Walter et al.,
2017), dan tempat tidur transportasi muatan (Schmandt et al., 2013; Burtin et al.,
2016; Roth et al., 2017). Sebagian besar studi yang menunjukkan potensi besar
seismologi untuk acara karakterisasi gerakan massa menggunakan radiasi seismik
jangka panjang yang diciptakan oleh tanah longsor bencana (Allstadt, 2013; Ekström
dan Stark, 2013; Hibert et al., 2014b). Pengamatan broadband seismik atas peristiwa
semacam itu memungkinkan kami untuk membalikkan sejarah gaya longsor 3-D dan
pusat posisi massa bergantung waktu dan - dalam kombinasi dengan data topografi -
memungkinkan seismolog untuk sepenuhnya menggambarkan peristiwa pemborosan
massa dari jarak jauh (ratusan hingga ribuan dari jarak pengamatan). Pengamatan
tersebut telah mengungkapkan hukum penskalaan yang mengaitkan pengamatan
seismik dengan massa dan momentum tanah longsor besar (Ekström dan Stark,
2013), membantu membatasi model numerik tanah longsor (Moretti et al., 2012,
2015), dan mendukung pengamatan pelemahan gesekan selama acara sliding (Lucas
et al., 2014; Levy et al., 2015; Delannay et al., 2017).

Radiasi seismik periode pendek yang dihasilkan oleh gerakan massa lebih
kompleks dan menantang untuk ditafsirkan karena mekanisme sumber yang
kompleks, pengaruh topografi, efek arah, dan hamburan dekat yang kuat dan atenuasi.
Hibert et al. (2017b) melaporkan hubungan antara momentum besar tanah longsor
katastropik dan amplop bandpass-filter 3-10 Hz dari masing-masing sinyal seismik.
Pada skala yang lebih kecil, eksperimen terkontrol mempelajari pembangkitan
gelombang seismik frekuensi tinggi berdasarkan dampak massa di bawah lapangan
(Hibert et al., 2017a) atau kondisi laboratorium (Farin et al., 2016). Hanya beberapa
penelitian yang mencoba memanfaatkan gelombang seismik frekuensi tinggi untuk
mendeteksi dan mengkarakterisasi pergerakan massa pada skala lokal atau regional.
Mayoritas studi tersebut bergantung pada data seismik yang diperoleh di dekat
peristiwa, misalnya, untuk memantau lereng yang tidak stabil (Walter et al., 2012)
atau longsoran salju (van Herwijnen dan Schweizer, 2011). Dengan demikian,
meskipun pendekatan semacam itu sangat kuat dalam skala kecil, namun mereka
terbatas dalam cakupan spasial (Burtin et al., 2013). Hibert et al. (2014b)
mendemonstrasikan skema deteksi dan lokasi otomatis yang kuat untuk batu terjun di
dalam kawah gunung berapi di pulau La Réunion. Deparis et al. (2008) pertama kali
mendokumentasikan serangkaian batuan yang direkam oleh jaringan seismik regional
di Pegunungan Alpen Barat, dan Dammeier et al. (2011) mendokumentasikan
hubungan statistik antara karakteristik rockfall dan seismik rekaman yang diperoleh
dari jaringan seismik permanen Swiss. Baru-baru ini, ada upaya untuk memanfaatkan
jaringan seismik regional yang ada untuk deteksi dan karakterisasi gerakan massa
(Dammeier et al., 2016; Manconi et al., 2016). Jaringan seperti itu, yang dirancang
untuk keperluan pemantauan gempa bumi, biasanya terdiri dari stasiun seismik
sensitif yang dipasang dengan baik dan menyediakan data seismik berkualitas tinggi
secara real time dan dengan demikian menawarkan set data yang menjanjikan,
terutama untuk studi rockfall dan rockslides.

 Di sini kami menyajikan studi 19 batu jatuh dan batuan longsor yang terjadi
di atau dekat Austria pada tahun 2007 hingga 2017 dan dicatat dengan baik oleh
jaringan seismik nasional permanen di Pegunungan Alpen selama pemantauan gempa
rutin. Kami menggunakan kumpulan data acara yang dikonfirmasi ini untuk
mengembangkan dan menguji deteksi otomatis dan penempatan algoritma yang dapat
digunakan untuk secara sistematis mencari peristiwa tambahan dalam data yang ada
dan yang akan datang. Menjelajahi kelayakan skema deteksi real-time di seluruh
negara untuk rockfall, kami fokus pada pengembangan rutin lokasi otomatis yang
sederhana untuk secara otomatis membedakan peristiwa seperti itu dari gempa bumi
regional.
2.Dataset

Pekerjaan ini didasarkan pada rekaman seismik dari 19 peristiwa rockfall dan
rockslide yang terjadi di Austria dan negara-negara tetangga Swiss dan Italia selama
tahun 2007-2017 (lihat Gambar 1 dan Tabel 1). Database acara dikompilasi oleh
dinas gempa Austria dan berfokus pada longsoran batu dan bebatuan dari Austria dan
Tyrol Selatan (Italia). Peristiwa ini secara manual terdeteksi dan diklasifikasikan
selama pemantauan gempa rutin oleh layanan gempa Austria (Institut Pusat
Meteorologi dan Geodinamika, ZAMG) dan diverifikasi bekerja sama dengan
Layanan Geologi Austria (GBA). Kami juga menyertakan dua batuan longsor
berskala besar yang terjadi di Swiss, tetapi juga dideteksi oleh kolega Austria dan
ditugasi besar. Dari 19 peristiwa ini, 16 batu longsor telah dipelajari secara
independen oleh pengamatan lapangan. Semua peristiwa yang diverifikasi pertama
kali diakui oleh analis selama pemantauan gempa nasional rutin dan kemudian
dikonfirmasi oleh pengamatan lapangan atau pertama kali diakui di lapangan dan
kemudian secara jelas dikaitkan dengan bentuk gelombang seismik oleh analis di
ZAMG. Untuk foto-foto dari masing-masing acara, harap ikuti referensi yang
tercantum di bagian akhir makalah. Selama pemrosesan rutin peristiwa seismik, Ml
magnitudo lokal ditugaskan oleh ZAMG untuk semua batu jatuh dan longsoran batu
berdasarkan pada jarak dan amplitudo maksimum sebagaimana dibaca dari catatan
seismik, sama seperti jika peristiwa tersebut adalah gempa bumi. Besaran lokal yang
diukur berkisar antara 0,0 dan 2,7. Untuk semua peristiwa, koordinat referensi
kebenaran-tanah tersedia dari pengamatan lapangan. Namun, selain tanggal dan
koordinat, beberapa parameter acara yang dapat diandalkan tersedia karena sebagian
besar peristiwa tidak dipelajari atau dipetakan secara rinci di tempat atau karena
dokumentasi yang tepat tidak dapat ditemukan.

Kami melakukan pencarian di internet untuk semua acara yang tercantum

dalam Tabel 1 untuk mendapatkan foto-foto di tempat dan untuk menemukan
informasi
pada volume batu yang dipindahkan. Untuk hampir semua acara, kami dapat
mengambil volume yang biasanya dilaporkan di surat kabar lokal berdasarkan
perkiraan di tempat oleh survei geologi lokal. Perhatikan bahwa nilai-nilai ini
mungkin tunduk pada ketidakpastian besar dan lebih baik dianggap sebagai estimasi
urutan-besarnya. Kami memperoleh data bentuk gelombang berkelanjutan untuk
semua 19 peristiwa dari European Integrated Data Archive (EIDA), yang menampung
data dari stasiun seismik broadband permanen di Pegunungan Alpen. Untuk setiap
rockfall, kami mengidentifikasi stasiun dalam radius 300 km di sekitar acara dan
mengunduh semua data yang tersedia untuk ketiga komponen (Z, N, E) dan paling
tinggi laju sampling tersedia (lihat Gambar. 1 untuk geometri jaringan). Semua data
sejak 2016 disediakan pada tingkat pengambilan sampel 100 sps, sementara data
sebelumnya sebagian hanya tersedia di 25 sps. Untuk acara setelah 1 Januari 2016
kami juga menggunakan data dari stasiun broadband AlpArray sementara (100 sps),
yang mencakup seluruh wilayah pegunungan, dan memadatkan jaringan seismik,
khususnya di Austria (Fuchs et al., 2015, 2016; Hetenyi et al., 2018). Kami
menggunakan kumpulan data dari batuan longsor yang dikonfirmasi ini untuk
mengembangkan dan menguji deteksi otomatis dan algoritma penempatan, yang kami
uraikan berikut ini.

Gambar 1. Peta wilayah studi di Austria timur dan negara-negara tetangga. Batu longsor
ditandai oleh lingkaran merah. Segitiga terang dan gelap masing-masing menunjukkan
stasiun seismik permanen dan sementara. Garis kuning menandai batas negara. Inset
menandai lokasi wilayah studi di Eropa.
3. Pemrosesan otomatis

Langkah pertama dalam rantai pemrosesan otomatis adalah identifikasi peristiwa rockfall
dalam sinyal latar belakang kontinu. Kami memotong jejak seismik menjadi 8 menit segmen
di sekitar waktu asal yang diketahui (180 detik sebelum dan 300 detik setelah waktu asal)
untuk menyederhanakan pemrosesan dan menghindari kemungkinan alarm palsu pada tahap
pengembangan ini. Kami juga membatasi pemrosesan kami hanya pada komponen vertikal.
Sebelum diproses lebih lanjut, kami menghapus respons instrumen, menerapkan filter
bandpass 1–5 Hz, dan mengecil dan mengurangi data yang diiris. Perhatikan bahwa
penyaringan bandpass diperlukan untuk meningkatkan rasio sinyal-ke-noise, terutama untuk
menekan microseism dan noise jangka panjang. Memang, beberapa penelitian sebelumnya
melaporkan pita frekuensi ini sebagai dominan untuk rekaman seismik regional gerakan
massa gravitasi (Deparis et al., 2008; Dammeier et al., 2011; Manconi et al., 2016). Karena
banyak dari data bentuk gelombang yang lebih lama hanya tersedia pada laju sampling 25
sps, kami tidak dapat secara wajar memperluas jendela bandpass ke frekuensi yang lebih
tinggi. Untuk konsistensi kami menggunakan pengaturan yang sama bahkan untuk data 100
sps.
Deteksi Kasus

Untuk kesederhanaan, kami pertama kali menerapkan STA rekursif = LTA pemicu kebetulan
untuk mendeteksi sinyal rockfall (Trnkoczy, 2012). Kami menggunakan parameter berikut
untuk deteksi acara: Jendela STA, 5 dtk; Jendela LTA, 120 detik; ambang batas pemicu rasio,
4,0; rasio pemicu, 1,5; jumlah minimum stasiun, empat. Semua peristiwa dalam set data kami
membuat gelombang seismik kuat cukup pada prinsipnya terdeteksi dengan nilai-nilai yang
dinyatakan atas. Tabel 1 mencantumkan jumlah stasiun dengan positif STA = pemicu LTA
untuk setiap rockfall. Jumlah stasiun digunakan untuk analisis peristiwa tunggal dalam
penelitian ini berkisar dari minimal empat stasiun hingga lebih dari 70 stasiun waktu vation
dari pemicu STA = LTA juga berfungsi sebagai inisial waktu onset sinyal untuk diproses
lebih lanjut. Pendeteksian seismik batuan jatuh

Tabel 1. Daftar batu longsor yang dipelajari dalam makalah ini. Waktu asal dihitung dari catatan
seismik. Koordinat menunjukkan lokasi sebenarnya dari peristiwa yang diperoleh dari pengamatan
lapangan. Kolom stasiun menunjukkan jumlah stasiun yang menunjukkan pemicu STA = LTA positif.
Kolom jarak menunjukkan jarak minimum dan maksimum dari acara untuk stasiun-stasiun ini. Volume
slide diperoleh dari a pencarian web dan biasanya didasarkan pada laporan surat kabar lokal; lihat
bagian Ucapan Terima Kasih untuk referensi sumber. Acara yang merupakan rockfall daripada
rockslide ditandai dengan tanda bintang (∗). Besaran lokal Ml seperti yang diperkirakan oleh
seismologis Austria layanan (ZAMG). Besarnya mengacu pada peristiwa pertama dalam urutan.
Volume tersebut memperkirakan total kehilangan massa di semua tahap.
Picking Kurtosis

Setelah algoritma kami mengidentifikasi stasiun dengan sinyal kejatuhan seismik yang
terdeteksi melalui STA = LTA, pemicu itu secara otomatis menentukan onset sinyal di setiap
stasiun. Tidak seperti gempa bumi, rockfall dan batuan longsor biasanya muncul pengaturan
sinyal yang agak muncul dan karenanya kami tidak dapat menggunakan STA = Waktu
pemicu LTA sebagai waktu mulai acara karena ambang batas pemicu selalu tercapai setelah
sinyal menyala. Sejak Hibert et al. (2014a) berhasil menunjukkan penerapan sinyal rockfall,
kami menerapkan pemetik fase berbasis kurtosis untuk menentukan awal munculnya sinyal
rockfall. Kurtosis adalah nilai statistik, dalam hal ini mencirikan bentuk distribusi amplitudo
yang diberikan. Itu adalah skalar positif yang didefinisikan sebagai momen keempat
terstandarisasi tentang mean. Dalam bentuk diskrit ditulis sebagai berikut

di mana n adalah jumlah total sampel, xi nilai dari dengan sampel, dan x rata-rata di atas n
sampel. Kurtosis dari distribusi normal adalah β D 3 dan penyimpangan dari ini nilai (mis.,
kelebihan kurtosis) dapat digunakan untuk mendeteksi sinyal seismik potensial di atas
kebisingan latar belakang biasa. Mirip dengan pemrosesan yang dijelaskan dalam Baillard et
al. (2014) dan Hibert et al. (2014a), kami menghitung fungsi karakteristik CF (t) dari sinyal
seismik (t) dalam jendela geser ukuran 1T.

Jendela waktu diatur ke 1T D 5 s dan t slide di antaranya 10 detik sebelum dan 1 detik setelah
waktu onset awal ditentukan oleh pemicu STA = LTA. CF (t) memiliki maksimum dekat
onset sinyal sebenarnya, ketika kurtosis β dari distribusi amplitudo seismik dalam jendela
geser 1T dimaksimalkan; yaitu, ketika seluruh jendela waktu didominasi oleh sinyal seismik
dari peristiwa tersebut (lihat Gambar 2). Namun, untuk tujuan lokasi kami tertarik pada
permulaan pertama sinyal seismik, yang merupakan pertama kalinya t di mana fungsi
karakteristik CF (t) mulai menyimpang dari latar belakang tingkat. Dengan demikian, kami
mengadopsi prosedur Hibert et al. (2014a) dan modifikasi CF (t) sebagai berikut
Waktu asal dan lokasi Kejadian

Gambar 3 menunjukkan bagian rekaman seismik untuk dua skala besar batuan longsor di
berbagai wilayah Pegunungan Alpen Timur dengan pola kedatangan fase seismik yang
berbeda, yang biasa terjadi untuk sebagian besar batuan longsor dalam penelitian ini.
Meskipun sudah muncul karakter dari sinyal batuan longsor kita dapat mengidentifikasi
kedatangan pertama yang bergerak dengan kecepatan yang jelas sekitar 5,0 km s − 1. Dengan
demikian kami menganggap bahwa kedatangan ini adalah gelombang P. Untuk delapan acara
(Einserkofel, Hochwand, Gamsgrube, Trins, Stubaital, Dobratsch, Mellental, Zwölferkofel)
kedatangan kedua berbeda terlihat, yang biasanya lebih kuat dari yang pertama kedatangan
dan kadang-kadang (dalam hal rasio signal-to-noise rendah) adalah satu-satunya sinyal yang
terlihat. Kedatangan ini bergerak dengan kecepatan yang jelas sekitar 3,0 km − 1 dan kami
sarankan bahwa itu disebabkan oleh gelombang S atau gelombang permukaan (lihat bagian
Diskusi). Kami mengecualikan kemungkinan bahwa dua kedatangan berbeda mencerminkan
dua peristiwa terpisah, karena dengan semakin jauhnya jarak kita amati peningkatan waktu
pemisahan. Selain itu, tidak ada pemisahan seperti itu terlihat pada catatan stasiun terdekat
longsoran batu. Kami menjalankan pencarian kisi untuk memperkirakan waktu asal dan
lokasi batuan longsor berdasarkan waktu onset yang ditentukan oleh pemetik kurtosis. Area
pencarian adalah persegi panjang dengan 5 km jarak grid yang direntang oleh semua stasiun
seismik dengan positif STA = Deteksi LTA. Waktu dipindai dalam langkah 2 detik antara
waktu onset terukur yang paling awal (waktu asal terbaru yang memungkinkan) dan
perkiraan waktu asal paling awal yang mungkin ditetapkan sebagai pick awal pertama
dikurangi waktu perjalanan maksimum di sepanjang grid diagonal. Untuk setiap titik kisi dan
setiap langkah waktu, kami menghitung waktu kedatangan teoritis (kecepatan tetap 5.0 km s
− 1, no topografi) untuk semua stasiun dan perbedaannya (residual) ke waktu onset yang
diukur. Titik grid dan waktu di mana nilai root mean square (RMS) dari himpunan residu
stasiun diminimalkan diatur sebagai waktu dan acara asal awal lokasi (lihat Gbr. 4). Sepertiga
dari batuan longsor dianalisis dalam studi ini lokasi pencarian kotak sederhana sudah cukup
memuaskan, dengan hasil yang secara signifikan kurang dari 10 km dari lokasi longsor yang
sebenarnya. Untuk mengatasi penyederhanaan pencarian grid, kami kemudian melakukan
iteratif lokasi rutin seperti yang dilakukan untuk gempa bumi menggunakan kode
HYPOCENTER (Havskov dan Ottemoller, 1999) dan model kecepatan 1-D sederhana cocok
untuk Pegunungan Alpen Timur (Hausmann et al., 2010). Pilihan onset kurtosis diperlakukan
sebagai gelombang P kerak. Hasil dirangkum dalam Tabel 2 dan menunjukkan bahwa akurasi
lokasi yang baik dapat dicapai dengan jaringan seismik regional bahkan untuk sinyal batuan
longsor yang muncul. Delapan dari 18 diuji Peristiwa itu terletak kurang dari 6 km dari lokasi
sebenarnya. Empat peristiwa tidak dapat ditemukan karena rasio signal-to-noise yang sangat
rendah atau jumlah stasiun yang tidak mencukupi. Kita diskusikan kemungkinan batasan dan
alasan untuk pencilan serta kekokohan hasil di bagian Diskusi.

Penentuan dari gempa bumi regional

Aspek kunci untuk pemrosesan otomatis batuan seismik data untuk membedakan peristiwa
seperti itu dari gempa bumi dan lainnya sumber potensi kegempaan. Hibert et al. (2014a)
menyarankan satu set parameter yang diekstraksi dari sinyal seismik dan secara sistematis
berbeda untuk gempa bumi dan batu longsor. Di sini kami mengeksplorasi jika konsep
sederhana ini yang berhasil diterapkan pada skala lokal dapat diperluas ke skala regional.
Untuk setiap sinyal batuan longsor pada setiap stasiun yang tersedia, kami mengekstrak tiga
parameter berikut (lihat Gambar. 5): (1) kurtosis amplop dari seluruh sinyal (EnvKurto); (2)
itu rasio antara amplitudo maksimum dan amplitudo rata-rata (Max = Berarti); dan (3) rasio
durasi (Inc = Des) dari peningkatan sinyal (mulai sinyal ke amplitudo maksimum)
dibandingkan dengan durasi sinyal yang menurun sisi (amplitudo maksimum ke ujung
sinyal). Waktu akhir peristiwa didefinisikan sebagai waktu di mana rata-rata bergerak 2 detik
dari amplop sinyal meluruh menjadi 1,1 kali sebelum peristiwa level. Amplitudo pra-
peristiwa diperkirakan sebagai amplitudo rata-rata dalam jendela 60 detik 5 sebelum
timbulnya sinyal pertama. Kami mengekstrak tiga parameter yang sama dari satu set regional
catatan gempa untuk mengidentifikasi perbedaan potensial antara batu longsor dan gempa
bumi. Kami mengunduh data untuk 31 gempa bumi (Ml <3: 5) dalam Agustus 2015 dan
Januari 2016 yang terjadi di atau dekat Austria barat. Jadi, itu gempa bumi terjadi di daerah
yang sama dengan batuan longsor dan tingkat getaran yang serupa diinduksi (lihat Gambar.
S1 dan Tabel S1 dan Suplemen untuk perincian). Pemrosesan data gempa sama dengan untuk
data batuan longsoran dan kita baca parameter yang dijelaskan di atas untuk setiap gempa di
masing-masing stasiun yang tersedia. Gambar 5 menunjukkan distribusi potensi diskriminasi
parameter diekstraksi dari batuan longsor dan gempa bumi. Untuk semua parameter kedua
distribusi tumpang tindih tetapi memuncak pada nilai yang berbeda. Khususnya, untuk batuan
longsor semua nilai diukur kurtosis amplop (EnvKurto) dan rasio maksimum hingga rata-rata
amplitudo (Max = Rata-rata) tetap di bawah tertentu ambang batas dibandingkan dengan
gempa bumi. Kami menggunakan pengamatan ini dan menentukan kriteria keputusan
sederhana untuk menentukan apakah suatu peristiwa harus dinyatakan sebagai longsoran batu
atau gempa bumi. Sebuah Peristiwa dianggap sebagai longsoran batu jika nilai rata-rata
diukuratas semua stasiun memenuhi ketentuan berikut

Dengan cara ini, semua 19 batu longsor dan 31 gempa bumi regional diidentifikasi dengan
benar dan kami menunjukkan bahwa bahkan pada a skala regional mungkin untuk
membedakan batuan longsoran dari gempa bumi berdasarkan beberapa kriteria sederhana.
Kami memperkenalkan ekstensi potensial dari skema ini dalam Diskusi.
Gambar 2. Contoh untuk kinerja pemetik kurtosis. Semua bentuk gelombang berasal dari 1–5
Hz komponen vertikal bandpass-filtered. Panel (a) dan (b) menunjukkan contoh 19 Agustus
2016, Kleine Gaisl, Italia, batuan longsor dari stasiun OE.SQTA pada jarak 95 km. Panel (c)
dan (d) menunjukkan contoh tanggal 1 Mei 2012, Gamsgrube, Austria, batuan longsor dari
stasiun OE.FETA pada jarak 82 km. Panel (b) dan (d) menunjukkan close-up dari bagian-
bagian gelombang abu-abu di (a) dan (c), masing-masing. Sumbu vertikal pada (b) dan (d)
menunjukkan nilai CF. Untuk noise Gaussian sempurna, kami mengharapkan nilai CF D 3: 0,
yang ditandai oleh garis horizontal putus-putus. Garis vertikal menunjukkan memilih untuk
onset dan akhir acara. Garis merah solid: pilih onset berdasarkan maksimum d (cCF) = dt.
Garis merah putus-putus: waktu onset STA = pemicu LTA. Garis biru pekat: waktu akhir
acara seperti yang diberikan oleh 1,1 kali kondisi kebisingan sebelum acara (lihat Bagian 3).
Garis biru putus-putus: waktu akhir STA = LTA pemicu (untuk perbandingan; tidak
digunakan untuk pemrosesan apa pun).
Tabel 2. Kualitas lokasi berdasarkan pick kurtosis. Penyimpangan menunjukkan perbedaan
antara hasil lokasi akhir dan benar lokasi acara. Empat acara tidak dapat ditemukan karena
jumlah pick yang tidak mencukupi.

Gambar 3. Rekam bagian (sinyal vs jarak) dari komponen vertikal untuk dua longsoran batu
besar. Semua data disaring dengan bandpass 1 dan 5 Hz. (a) Kleine Gaisl, Italia, 19 Agustus
2016, adalah contoh acara yang tidak menunjukkan kedatangan kedua yang jelas. (B)
Mellental, Austria, 25 Maret 2016, memang menunjukkan kedatangan kedua yang berbeda
untuk stasiun yang lebih jauh dari 50 km dari tempat asalnya. Garis hitam menandai waktu
kedatangan yang diharapkan untuk waktu tempuh konstan 5,0 dan 3,0 km s − 1, masing-
masing.
 Gambar 4. Contoh untuk hasil pencarian grid (rockfall di Tscheppaschlucht, Austria, 23
Oktober 2011). Segitiga hitam menandai stasiun yang digunakan untuk pencarian grid.
Warna menunjukkan akar sisa waktu perjalanan kuadrat rata-rata di antara semua stasiun
(untuk waktu asal paling pas dan untuk a kecepatan tetap 5,0 km s − 1). Perhatikan bahwa
warna dihaluskan antara titik-titik kisi (titik hitam kecil). Titik hijau mewakili titik kisi yang
meminimalkan set residu waktu tempuh dan dengan demikian menandai lokasi awal dari
longsoran batu. 

Relasi volume – besaran

Selain lokasi acara, volume acara merupakan parameter penting untuk penilaian longsoran
batu. Jadi kami berusaha untuk menghubungkan volume slide ke Ml magnitudo lokal,
parameter yang secara rutin ditentukan untuk kejadian seismik oleh setiap layanan
seismologis. Beberapa penelitian (Deparis et al., 2008; Dammeier et al., 2011; Ekström and
Stark, 2013; Hibert et al., 2014a) berupaya menghubungkan volume gerakan massa dengan
energi atau amplitudo seismik yang diukur. Namun, hubungan penskalaan turunan seringkali
hanya dibatasi secara terbatas karena, misalnya, sejumlah peristiwa, umumnya pencar besar,
atau informasi yang tidak mencukupi tentang peristiwa tersebut. Dari 19 peristiwa yang
dipelajari di sini, 15 batuan longsor memiliki magnitudo yang ditetapkan oleh ZAMG dan
perkiraan volume tersedia (lihat Tabel 1). Gambar 6 menunjukkan besarnya lokal sebagai
fungsi dari volume acara. Perhatikan bahwa kami mengecualikan pasangan data (Ml D 0: 0,
V D 150000; acara Schwaz) karena estimasi volume kemungkinan salah. Meskipun
kecocokan yang diajukan tidak baik dibatasi (R2 D 0:60) karena sebaran besar dan data
terbatas poin, distribusi menunjukkan hubungan linier antara besarnya lokal Ml dan volume
logaritmik V.
Karena magnitudo lokal Ml D log (A = A0) adalah ukuran logaritmik dari amplitudo seismik
A, ini diterjemahkan menjadi hubungan kekuatan-hukum antara amplitudo seismik A dan
volume batuan longsor V, termasuk istilah koreksi regional A0 itu tergantung pada koreksi
jarak epicentral yang diterapkan selama perhitungan Ml.
4. Diskusi

Di sini kami menunjukkan bahwa jaringan seismik regional dapat digunakan untuk
mendeteksi andal untuk longsoran batu berukuran sedang hingga besar jarak hingga lebih
dari 200 km. Jaringan seismik seperti itu mencakup area yang luas dan merekam data secara
terus menerus, dan banyak jaringan menyediakan data secara real time. Dengan demikian,
mereka memungkinkan untuk pemantauan regional gerakan massa yang berpotensi bencana,
dan mereka juga memberikan resolusi temporal yang tak tertandingi oleh metode klasik
seperti penginderaan jauh. Di sini kami menyarankan beberapa langkah pemrosesan untuk
menganalisis sinyal seismik yang dihasilkan oleh batuan longsoran dan menunjukkan yang
sederhana konsep dan alat yang mudah diintegrasikan sudah memberikan wawasan yang
masuk akal ke dalam acara tersebut. Ini menunjukkan bahwa bahkan besar dataset dapat
disaring untuk data batuan longsor secara otomatis.

Gambar 5. Distribusi tiga parameter diskriminasi yang berbeda untuk batuan longsor dan
gempa bumi. Panel (a), (c), dan (e) menunjukkan definisi parameter masing-masing. Panel
(b), (d), dan (f) menunjukkan frekuensi masing-masing parameter dalam skala logaritmik.
Catatan bahwa jumlah total parameter yang dibaca sedikit lebih tinggi untuk gempa bumi
daripada untuk batuan longsor dan distribusinya tidak dinormalisasi. Hijau warna menandai
nilai yang dibaca dari catatan batuan longsor, dan warna biru menandai nilai yang dibaca dari
catatan gempa. Garis merah di (b, d, f) tandai ambang masing-masing untuk kriteria
keputusan (lihat Persamaan. 4).
Sementara ini menunjukkan potensi catatan seismik regional untuk mempelajari gerakan
massa gravitasi, ada banyak ruang untuk peningkatan yang sangat meningkatkan kualitas
informasi yang dapat diekstraksi. Semua langkah pemrosesan termasuk lokasi acara dan
karakterisasi dilakukan sepenuhnya secara otomatis tanpa campur tangan analis manusia.
Secara khusus, tidak ada upaya yang dilakukan untuk menghapus outlier atau, mis., pilihan
onset yang salah, yang dalam beberapa kasus sangat mengurangi kualitas hasil lokasi. Meski
begitu, simplistis kami Pendekatan dapat dilengkapi dalam sebagian besar pemrosesan
langkah-langkah untuk meningkatkan kekokohan hasil.

Deteksi acara

Kami telah menunjukkan bahwa semua batu longsor berukuran sedang hingga besar di studi
ini pada prinsipnya dapat dideteksi dengan STA = LTA detektor kebetulan yang banyak
digunakan oleh, misalnya, observatorium seismologis dan umumnya berfungsi sebagai
algoritme cepat untuk menyaring dataset untuk acara. Namun, detektor STA = LTA harus
seimbang antara sensitivitas dan laju alarm palsu. Sedangkan pengaturan STA = LTA
dilaporkan di atas mendeteksi dengan aman semua acara kami, kami tidak memeriksa berapa
banyak alarm palsu akan diperkenalkan jika aliran data terus menerus dianalisis (kami
memotong data hingga 8 menit di sekitar peristiwa). Namun, STA = LTA memicu level
ambang 4.0 digunakan dalam penelitian ini umumnya digunakan untuk situs yang tenang
rata-rata (Trnkoczy, 2012). Meningkatkan jumlah stasiun yang diperlukan untuk hasil positif
dalam hal ini dapat digunakan menurunkan tingkat alarm palsu. Secara umum, ada yang lebih
sensitif namun terkadang algoritma lebih intensif secara komputasi untuk mendeteksi
kejadian dalam data seismik berkelanjutan. Dammeier et al. (2016) menunjukkan bagaimana
batuan longsor alpine dapat secara otomatis terdeteksi pada jaringan regional menggunakan
Markov tersembunyi model, yang memungkinkan kita untuk secara simultan mendeteksi dan
mengklasifikasikan gerakan massa dalam catatan seismik. Manconi et al. (2016) melaporkan
bahwa detektor multi-band prediktif FilterPicker (Lomax et al., 2012) cocok untuk
mendeteksi dan phasepick sinyal seismik yang muncul dari batuan longsoran. Lassie adalah
detektor koherensi berbasis stackand-delay untuk menemukan dan menemukan peristiwa
pada saat yang sama (Lopez Comino et al., 2017; Heimann et al., 2018) dan mungkin juga
berlaku untuk sinyal batuan longsoran. Soubestre et al. (2018) mendemonstrasikan
bagaimana tremor vulkanik yang koheren sinyal dapat dideteksi dan diklasifikasikan pada
jaringan seismik regional berdasarkan matriks kovarians jaringan. Sejak sinyal bebatuan
dalam beberapa aspek menyerupai sinyal tremor (onset muncul, durasi lama, konten
frekuensi) konsep ini mungkin juga berlaku untuk deteksi batuan longsor. Pencocokan
templat dan detektor ruang bagian (Maceira et al., 2010) biasanya digunakan untuk deteksi
gempa dan tremor, tetapi kami berspekulasi bahwa metode tersebut mungkin tidak cocok
untuk deteksi batuan longsor, karena untuk setiap peristiwa bentuk gelombang sangat
individual karena kompleksitas dan variabilitas dalam sumber mekanisme.

Kinerja Picking Kurtosis dan akurasi lokasi

Hibert et al. (2014a) merancang picker onset kuat untuk sinyal batu longsor berdasarkan
transisi dalam kurtosis. Namun, metode ini hanya diterapkan pada skala yang sangat lokal
(jaringan perpanjangan beberapa kilometer) di sekitar gunung berapi. Baillard et al. (2014)
juga mendokumentasikan kinerja kurtosis picker untuk lokalisasi gempa di jaringan seismik
regional bekerja. Di sini kami menunjukkan bahwa konsep ini juga dapat diterapkan untuk
sinyal yang agak muncul yang disebabkan oleh massa gravitasi pergerakan pada jarak
regional. Delapan dari 14 acara yang dapat dilokasi dalam penelitian ini dapat terletak
beberapa kilometer dari penyimpangan dari lokasi sebenarnya (lihat Tabel 1), yang
menunjukkan itu berdasarkan onset mengambil presisi yang sama seperti untuk gempa bumi
adalah mungkin. Namun, beberapa lokasi harus dianggap sebagai keberuntungan, karena
jumlah stasiun rendah dan Kesenjangan azimut besar, sangat mencolok untuk beberapa
peristiwa yang paling baik. Kami sebenarnya mengamati bahwa hasil lokasi saat ini kurang
kuat dan dapat berubah beberapa kilometer ketika parameter tertentu dari pemetik kurtosis
(mis., the panjang jendela yang bergerak, frekuensi sudut filter bandpass) disesuaikan. Ini
kemungkinan besar karena keduanya tidak menguntungkan kondisi kebisingan dan
pemrosesan sederhana yang kami gunakan tujuan demonstrasi. Selain itu, kami tidak
menerapkan penanganan outlier otomatis pada tahap ini. Beberapa yang buruk lokasi yang
tercantum dalam Tabel 2 dapat dijelaskan oleh pencilan yang kuat dalam pengambilan
kurtosis karena kebisingan. Kami berharap bahwa akurasi pengambilan dapat sangat
ditingkatkan jika tindakan diambil untuk membuat pick kurtosis lebih kuat dan untuk
mengecualikan outlier. Pekerjaan di masa depan harus mencakup ketiga komponen merekam
seismik dan menggunakan pita frekuensi sempit yang berbeda untuk perbandingan, seperti
yang disarankan oleh Hibert et al. (2014a). Kami berharap bahwa mengevaluasi kurtosis pilih
di antara frekuensi yang berbeda band akan menekan outlier (karena kebisingan) dan
karenanya membuatnya penentuan awal lebih kuat dan tepat. Namun, dalam hal ini studi -
karena tingkat pengambilan sampel yang rendah untuk catatan yang lebih lama - kita bisa
tidak memperluas pemrosesan ke frekuensi yang lebih tinggi. Frekuensi yang lebih rendah
sangat lemah dalam amplitudo atau tidak ada untuk hampir semua batuan longsor dalam
penelitian ini. Ini sejalan dengan pengamatan dari beberapa penelitian lain yang melaporkan
kisaran frekuensi 1-5 Hz sebagai yang dominan untuk catatan seismik regional batuan
longsor (Deparis et al., 2008; Dammeier et al., 2011; Manconi et al., 2016). Selain metode
kurtosis, pemetik berdasarkan, mis., Prediksi autoregresif (Küperkoch et al., 2012) mungkin
sangat cocok untuk pick onset darurat, karena mereka termasuk frekuensi dan informasi fase
selain amplitudo (kurtosis picker hanya berdasarkan amplitudo). Sejak menentukan
timbulnya sinyal yang muncul adalah tantangan, pickless lokasi rutin seperti korelasi bentuk
gelombang (Arrowsmith et al., 2016) juga harus dieksplorasi untuk gerakan massa. Manconi
et al. (2016) menyarankan menggabungkan probabilitas lokasi yang diperoleh dari
gelombang seismik dengan probabilitas lokasi berdasarkan kemiringan medan untuk
mempersempit potensi area sumber. Untuk tujuan lokasi kami mengasumsikan onset pertama
dari sinyal batuan longsor menjadi gelombang langsung, mis., kerak, P. Kecepatan fase rata-
rata yang diamati dari kedatangan pertama adalah sekitar 5,0 km − 1 (lihat Gambar. 3), yang
mirip dengan pengamatan oleh Dammeier et al. (2011) dan mewakili nilai khas untuk
kecepatan gelombang P di kerak atas Pegunungan Alpen Timur (Ye et al., 1995; Husen et al.,
2003; Hausmann et al., 2010). Untuk beberapa acara (Einserkofel, Hochwand, Gamsgrube,
Trins, Stubaital, Dobratsch, Mellental, Zwölferkofel) kedatangan kedua yang sangat berbeda
terlihat (lihat Gambar. 3b) yang bergerak pada kecepatan rendah sekitar 3,0 km s − 1. Dalam
rentang kecepatan ini kita berpotensi mengharapkan kedua kerak S gelombang dan
gelombang permukaan. Jika jenis gelombangnya jelas dapat diidentifikasi pilihan tahap
kedua akan tersedia yang bisa secara drastis meningkatkan akurasi lokasi. Sebagian besar dari
Peristiwa (Gbr. 3a) tidak menunjukkan onset dan amplitudo kedua yang jelas secara bertahap
meningkat ke arah maksimum setelah serangan pertama. Bentuk cerutu jenis ini lebih banyak
ditemukan di yang lain studi seismik tanah longsor dan batu longsor (Deparis et al., 2008;
Dammeier et al., 2011; Hibert et al., 2014a). Untuk itu Peristiwa kami mengamati bahwa
kelompok sinyal sekitar maksimum perjalanan amplitudo lebih lambat dari onset pertama,
yang menunjukkan bahwa gelombang P dan jenis gelombang lainnya bercampur dalam sinyal
dan memperumit analisis in-detail dari fase seismik atau polarisasi. Mekanisme masing-
masing batuan longsor Peristiwa kemungkinan mempengaruhi kekuatan relatif di mana
tertentu jenis gelombang dihasilkan. Kami juga menyarankan itu tergantung pada mekanisme
slide, mis., gelombang P dan gelombang S tidak harus bersemangat pada saat yang sama
selama acara. Selain itu, batu longsor berpotensi menjadi sumber yang sangat terarah energi
seismik yang dapat memperkenalkan pola radiasi anisotropik untuk energi seismik. Wang et
al. (2016) menunjukkan pengaruh hamburan pada topografi permukaan untuk keperluan
lokasi dan kita harus perhatikan bahwa gerakan massa gravitasi mungkin sangat terpengaruh
oleh efek seperti itu karena terjadi di daerah topografi yang diucapkan dan di permukaan
bumi.

Gambar 6. Besaran lokal semua batuan longsor dibandingkan volumenya (titik-titik hitam).
Distribusi menunjukkan hubungan linier (biru line) antara besarnya dan volume logaritmik.
Persamaannya dengan parameter pas terbaik dan koefisien determinasi R2 ditunjukkan di atas
grafik. Pasangan data (Ml D 0: 0, V D 150000 m3; ditandai merah) kemungkinan outlier
karena perkiraan volume yang salah. Kami dengan demikian mengecualikan titik ini dari fit
linear
Diskriminasi Kejadian

Kami menunjukkan bahwa batu longsor dan gempa bumi dari hal yang sama daerah sumber
dapat dibedakan oleh beberapa parameter sederhana seperti rasio antara amplitudo
maksimum dan rata-rata sinyal seismik atau distribusi amplitudo. Manconi et al. (2016)
menyajikan kriteria keputusan yang kuat saja berdasarkan rasio Ml = Md dari besarnya lokal
Ml dan besarnya durasi Md. Hibert et al. (2014a) mengusulkan menggabungkan beberapa
kriteria dalam keputusan logika fuzzy sederhana algoritma dan kami menyarankan bahwa
pendekatan serupa juga bisa aman membedakan batuan longsor dari gempa bumi di suatu
daerah skala. Perhatikan, bagaimanapun, bahwa setiap daerah di mana metode tersebut
diterapkan mungkin memerlukan modifikasi individual dari ambang keputusan untuk setiap
parameter. Baru-baru ini, algoritma keputusan yang lebih canggih berdasarkan pembelajaran
mesin miliki telah dikembangkan yang memungkinkan kita untuk mengklasifikasikan segala
jenis gempa acara dalam database acara besar dengan presisi tinggi, setelah dilatih oleh
acara-acara terkenal yang telah diketahui. Dammeier et al. (2016) menunjukkan bagaimana
acara pelatihan tunggal dapat digunakan untuk memindai data kontinu untuk batuan longsor
berdasarkan Markov tersembunyi model. Pengklasifikasi berdasarkan algoritma hutan acak
adalah berhasil diterapkan untuk mengklasifikasikan gerakan massa gravitasi dan peristiwa
lainnya dalam beberapa pengaturan yang berbeda, seperti gunung berapi (Maggi et al., 2017)
dan tanah longsor yang bergerak lambat (Provost et al., 2017), dan menunjukkan potensi
besar untuk aplikasi ke jaringan seismik regional (Hibert et al., 2018). Pengklasifikasi hutan
acak bekerja lebih andal, semakin banyak pelatihan acara tersedia. Studi terbaru
menunjukkan bahwa sensitivitas yang lebih tinggi dari 85% dapat dicapai jika hanya 10%
Peristiwa di dalam dataset digunakan untuk melatih algoritma (Provost et al., 2017; Hibert et
al., 2018). Dalam karya Provost et al. (2017) ini sesuai dengan 20–40 acara pelatihan per
acara kategori, yang besarnya urutan yang sama dengan jumlah peristiwa dalam penelitian
ini, menunjukkan bahwa ini bisa terjadi cukup untuk menyaring kumpulan data yang lebih
besar.
Estimasi volume

Mengekstraksi volume atau informasi massa yang andal dari catatan seismik tentang
pergerakan massa tetap menantang dan membutuhkan lebih banyak penelitian tentang faktor-
faktor yang mempengaruhi efisiensi generasi gelombang seismik. Di antara faktor-faktor ini
adalah massa massal, mekanisme jatuhkan (jatuh bebas dan benturan versus geser),
kemiringan, dan jarak runout. Untuk 19 tahun Peristiwa dalam penelitian ini kami hanya
dapat memperkirakan mekanisme penurunan dari foto, yang tidak selalu konklusif.
Sementara sebagian besar acara akan diklasifikasikan sebagai longsoran batu, beberapa
mungkin termasuk fase jatuh bebas dan lebih bisa dianggap sebagai batu jatuh (lihat Tabel 1).
Untuk peristiwa bencana itu menghasilkan sinyal jangka panjang yang kuat, sifat-sifat
tersebut dapat terbalik dari data seismik (Allstadt, 2013; Ekström dan Stark, 2013; Hibert et
al., 2014b). Radiasi jangka pendek adalah lebih rumit untuk ditafsirkan. Hibert et al. (2017b)
melaporkan hubungan skala sederhana antara momentum massa massal dan amplitudo
seismik periode pendek untuk bencana tanah longsor dari dalam area sumber yang sama jika
mekanisme sumber dapat dibandingkan di antara berbagai kejadian. Mereka juga melaporkan
pengamatan serupa untuk eksperimen musim gugur blok tunggal terkontrol (Hibert et al.,
2017a). Pada skala lokal, pengetahuan tentang topografi dan sejumlah besar peristiwa
membantu membatasi estimasi parameter berdasarkan sinyal seismik (Hibert et al., 2014a).
Namun pada skala regional, hamburan, redaman, dan penyebaran seismik periode pendek
tidak diketahui gelombang dapat mengaburkan hubungan penskalaan potensial. Deparis et al.
(2008) menunjukkan bahwa hubungan atenuasi regional yang diekstraksi dari gempa bumi
mungkin tidak berlaku untuk catatan rockfall dan karenanya magnitudo lokal mungkin tidak
tepat mencerminkan jumlah energi seismik yang dilepaskan oleh sumber. Mereka
berpendapat bahwa kecepatan gerak puncak bukan ukuran yang baik untuk mengkarakterisasi
sinyal rockfall. Sebaliknya, Dammeier et al. (2011) mengurangi hubungan yang dibatasi
dengan baik antara parameter batuan longsor dan kecepatan puncak tanah seismik. Ini sesuai
dengan temuan kami yang menunjukkan hubungan kekuatan-hukum yang dapat diterima
antara amplitudo seismik maksimum rata-rata dan volume geser. Namun, perlu diketahui
bahwa terlepas dari perkiraan volume, besarnya lokal mungkin tidak didefinisikan dengan
baik, terutama untuk magnitudo rendah (Ml <2) peristiwa dengan hanya beberapa bacaan
amplitudo yang tersedia. Dammeier et al. (2011) mengemukakan bahwa propagasi regional
dan pelemahan sinyal batuan longsor sangat dipengaruhi oleh topografi. Selain itu, beberapa
penelitian mengamati seismik itu efisiensi - rasio energi potensial yang tersedia daripada
energi seismik yang dilepaskan - biasanya rendah untuk massa gravitasi gerakan (Deparis et
al., 2008; Ekström dan Stark, 2013; Hibert et al., 2014a). Ini mungkin sebagian menjelaskan
korelasi yang buruk antara amplitudo seismik dan volume batuan longsor untuk beberapa
studi (termasuk yang ini), karena ini menunjukkan bahwa sebagian besar energi potensial
dilepaskan melalui proses lain (mis., gesekan, retak, deformasi plastik) dan tidak
ditransmisikan secara seismik (Deparis et al., 2008). Manconi et al. (2016) berupaya untuk
menurunkan hukum penskalaan untuk batuan longsor volume tidak didasarkan pada
amplitudo seismik tetapi pada durasinya besarnya Md, dan mereka menunjukkan korelasi
empiris yang wajar bahkan untuk peristiwa mekanisme dan asal yang sangat berbeda area.
Kelemahan umum dari banyak penelitian (termasuk yang ini ) yang bertujuan untuk
mengidentifikasi skala hubungan untuk energi seismik yang diciptakan oleh gerakan massa
gravitasi pada skala regional adalah jumlah acara terbatas (Deparis et al., 2008; Dammeier et
al., 2011; Manconi et al., 2016). Ini sebagian disebabkan oleh terbatasnya ketersediaan data
seismik berkualitas tinggi (jaringan) kepadatan, laju pengambilan sampel), batasan geografis
(mis., batas negara), atau kurangnya informasi acara yang dapat diandalkan (mis., volume).
Memajukan pengetahuan kita tentang seismik periode pendek radiasi yang diciptakan oleh
gerakan massa gravitasi sekarang disebut untuk beberapa tindakan: menggabungkan atau
mengecek acara nasional database, yang sayangnya sering berakhir di perbatasan negara,
harus sangat meningkatkan jumlah acara yang tersedia untuk analisis dan kekokohan
parameter acara. Pendekatan multidisiplin juga harus dieksplorasi untuk membatasi
parameter acara secara rutin melalui, mis., penginderaan jauh. Akhirnya, algoritma
penyaringan data yang efisien akan memungkinkan kami untuk mendeteksi dan
mengklasifikasikan gerakan massa gravitasi di dalam dataset besar, seperti jaringan seismik
AlpArray (Hetenyi et al., 2018). Ini akan secara drastis meningkatkan jumlah acara untuk
dipelajari dan dengan demikian membuka kemungkinan baru untuk menyelidiki pemicu dan
mekanisme pergerakan massa gravitasi.
5. Kesimpulan

Kami telah menguraikan metode sederhana tentang cara mencari tanda tangan seismik batuan
longsor dalam data dari seismik regional jaringan hingga lebih dari 200 km dari tempat
asalnya. Pemilih fase berbasis Kurtosis memungkinkan kita untuk mendeteksi dengan andal
onset sinyal batu longsor meskipun karakter mereka muncul. Menghasilkan akurasi lokasi
berada dalam kisaran beberapa kilometer dan dapat berpotensi dikurangi lebih lanjut dengan
memasukkan yang tepat penanganan outlier dan jika fase sekunder dapat dengan jelas terkait.
Diskriminasi otomatis dari gempa bumi dan sumber lokal atau regional lainnya
dimungkinkan dengan kombinasi sederhana dari tiga parameter keputusan, seperti rasio
amplitudo maksimum-tomean. Berdasarkan seperangkat parameter yang lebih besar, aplikasi
teknik pembelajaran mesin di masa depan untuk data dari jaringan seismik regional
menjanjikan otomatis klasifikasi acara dengan akurasi tinggi. Ini kemungkinan akan
meningkatkan jumlah kejadian batuan longsor yang terdeteksi secara seismik pada skala
regional. Dataset parameterisasi yang lebih besar dan lebih baik batu longsor akan
memperjelas hubungan penskalaan antara parameter peristiwa dan yang dapat diamati
seismik dan akan membantu untuk lebih memahami gelombang seismik yang diciptakan oleh
gerakan massa gravitasi. Jaringan seismik regional dapat mencakup wilayah yang luas dan
luas saat yang sama memberikan data berkelanjutan untuk seri waktu yang sangat lama.
Kombinasi cakupan ruang dan resolusi temporal saat ini tidak tertandingi oleh metode
geofisika lainnya. Dengan demikian, jaringan seismik cocok untuk jarak jauh mempelajari
aktivitas batuan longsor yang bergantung waktu. Ini mungkin termasuk variasi jangka
panjang dalam aktivitas batuan longsor yang berpotensi dikaitkan untuk perubahan iklim,
sebelum dan sesudah slide dari acara utama, dan wawasan yang lebih rinci tentang faktor-
faktor pemicu longsor. Ketersediaan data. Mayoritas data bentuk gelombang seismik
digunakan dalam penelitian ini tersedia secara terbuka untuk diunduh di European Integrated
Data Archive (EIDA; http://www.orfeus-eu.org/data/eida/ index.html, akses terakhir: Oktober
2018). Data bentuk gelombang dengan kode jaringan Z3 diperoleh dari AlpArray Seismic
sementara Network (AlpArray Seismic Network, 2015), yang pada saat itu publikasi tidak
tersedia secara terbuka sesuai dengan keputusan Kelompok Kerja AlpArray. Silakan kunjungi
http: //www.alparray.ethz. ch / id / seismic_network / backbone / akses data / (akses terakhir:
Oktober 2018) untuk deskripsi lengkap tentang akses data. Semua pemrosesan yang
diperlukan untuk makalah ini dilakukan menggunakan ObsPy toolbox (Krischer et al., 2015;
Tim Pengembangan ObsPy, 2017). Untuk tujuan lokasi kami menggunakan modul tertentu
dari paket perangkat lunak analisis SEISAN (Havskov dan Ottemoller, 1999). Foto dan
referensi Rockslide untuk estimasi volume di Tabel 1 adalah sebagai berikut (tanggal akses
terakhir untuk semua tautan di bawah: Oktobe 2018).

1. http://tirv1.orf.at/stories/228199
2. http://tirv1.orf.at/stories/514304
3. http://kaernten.orf.at/news/stories/2506673
4. www.srf.ch/play/tv/news-clip/video/
fast-unbemerkt-riesen-bergsturz-im-bergell?id=
6f9ce66d-6c9b-47c3-9842-5ee19531af57
5. http://www.zeit.de/2014/36/bergell-bergsturz-schweiz
6. Geoforum Tirol, Tagungsband, 14. Geoforum Umhausen, 2012
7. https://www.meinbezirk.at/telfs/lokales/heuer-bereitsvier-mal-soviele-einsaetze-wie-im-vergleich-zum-
vorjahrd212155.html
8. Loew et al. (2017) (see below)
9. http://tirol.orf.at/news/stories/2535035
10. http://www.vilan24.ch/Flaesch.114.0.html?&cHash=0a607912512d9efae1fe768fb2a36494&tx_ttnews%5Btt_
news%5D=7719
11. https://www.zamg.ac.at/cms/de/geophysik/news/massiver-felssturz-am-dobratsch-bei-villach
12. https://www.tirol.gv.at/meldungen/meldung/artikel/ersteinschaetzung-der-landesgeologie-keine-gefahr-
fuersiedlungsraum
13. http://www.tt.com/panorama/natur/10657382-91/%C3%B6tztaler-felssturz-kam-einem-erdbeben-gleich.csp
14. E.Vigl,https://backend.univie.ac.at/fileadmin/user_upload/i_img/Geophyik/
Aktenvermerk_Steinschlag_Mellental_E_Vigl.pdf
15. J. Reinmüller, https://backend.univie.ac.at/fileadmin/user_upload/i_img/Geophyik/Dachl-Felssturz.pdf
16. http://www.tt.com/panorama/natur/11727492-91/nach-felssturz-in-hopfgarten-land-baut-sicherheitsdamm.csp
17. https://www.unsertirol24.com/2016/08/20/berg-stuerzt-in-prags-beeindruckende-bilder/

The Supplement related to this article is available online at: https://doi.org/10.5194/esurf-6-955-

2018-supplement
Team list. The AlpArray Working Group: http://www.alparray.ethz.ch/en/seismic_network/backbone/data-policy-
and-citation/ (last access: 25 October 2018).

Author contributions. FF led the study, developed the codes, and wrote the paper. WL compiled the event list,
provided event details,and analyzed individual events. GB supervised the study and helped compile the paper. The
AlpArray Working Group jointly installed the seismic network Z3 and developed guidelines to ensure data
quality.
Competing interests. The authors declare that they have no conflict of interest.

Special issue statement. This article is part of the special issue “From process to signal – advancing
environmental seismology”. It is a result of the EGU Galileo conference, Ohlstadt, Germany, 6–9 June 2017.
Ucapan Terima Kasih. Pekerjaan ini didanai oleh nomor proyek FWF Austria Science Fund P26391. Pekerjaan ini
mendapat manfaat dari diskusi bermanfaat di konferensi EGU Galileo tentang Seismologi Lingkungan 2017,
Ohlstadt, Jerman. Kami berterima kasih kepada Helmut Hausmann (ZAMG) atas bantuannya dalam menyusun
parameter acara dan informasi independen. Nils Tilch dan Alexandra Haberler dari Survei Geologi Austria (GBA)
terima kasih atas kerja sama dan bantuan dalam menyusun acara database, verifikasi data seismik, dan memberi
tahu kami tentang longsoran batuan baru. Kami mengakui penggunaan data dari jaringan AlpArray (kode Z3;
AlpArray Seismic Network, 2015); silakan kunjungi halaman beranda proyek di http://www.alparray.ethz.ch
(akses terakhir: 25 Oktober 2018) untuk daftar lengkap orang yang berkontribusi pada jaringan seismik AlpArray.
Untuk penelitian ini kami menggunakan data seismik dari beberapa data permanen jaringan seismik dan kami
menghargai operasi yang berkelanjutan dari jaringan seismik ini oleh lembaga yang bertanggung jawab: BW net
(Departemen Ilmu Bumi dan Lingkungan, Geofisika Observatory, University of Munchen, 2001), CH net (Swiss
Layanan Seismologis SED di ETH Zurich, 1983), CR net, FR net (RESIF, 1995), GN net (Institut de Physique du
Globe de Paris IPGP & Ecole et Observatoire des Sciences de la Terre de Strasbourg EOST, 1982), GU net
(University of Genova, 1967), GR net, IV net (INGV Seismological Data Center, 1997), MN net (lembaga mitra
proyek MedNet, 1988), NI net (OGS Istituto Nazionale di Oceanografia e di Geofisica Sperimentale dan
University of Trieste, 2002), OE net, OX net (OGS Istituto Nazionale di Oceanografia e di Geofisica
Sperimentale, 2016), SI net, SL net (Badan Lingkungan Slovenia, 2001), dan ST net (Survei Geologi-Provincia
Autonoma di Trento, 1981). Kita mengakui ORFEUS dan EIDA karena menyediakan alat untuk diakses data
seismik.

Diedit oleh: Michael Dietze

Ditinjau oleh: Naomi Vouillamoz dan satu wasit anonim