Caprio en Id
Caprio en Id
com
Lihat diskusi, statistik, dan profil penulis untuk publikasi ini di:https://www.researchgate.net/publication/276422146
KUTIPAN BACA
108 8.297
5 penulis, termasuk:
Stefan Wiemer
ETH Zurich
430PUBLIKASI 20.154KUTIPAN
LIHAT PROFIL
Semua konten setelah halaman ini diunggah olehCharles Bruce Wordenpada 24 Agustus 2016.
Materi Daring:Tabel yang merangkum hubungan yang dipublikasikan dan gambar yang
menunjukkan hubungan antara percepatan dan intensitas puncak tanah.
Perkenalan
Intensitas makroseismik telah digunakan selama beberapa Selain penugasan intensitas tradisional yang dilakukan oleh para
abad sebagai gambaran dampak gempa bumi yang dirasakan. ahli (melalui survei lapangan pascabencana, dari laporan teknik dan
Saat ini, meskipun terdapat banyak seismograf digital modern lainnya, atau dari kuesioner pos), kuesioner berbasis internet, seperti
dan perekam gerak kuat, data intensitas makroseismik terus Survei Geologi AS (USGS) “Apakah Anda Merasakannya?” (DYFI) sistem (
memainkan peran penting dalam komunitas seismologi, teknik, Wald, Quitoriano, Dengler, dan Dewey, 1999), telah meningkatkan
dan pemodelan kerugian. Munculnya sistem ShakeMap (Wald, volume data intensitas yang tersedia secara signifikan, serta mendorong
Quitoriano, Heaton, Kanamori, dkk.,1999) semakin keterlibatan masyarakat dalam ilmu gempa bumi. Sistem bergaya DYFI
meningkatkan visibilitas dan pentingnya intensitas berbasis internet saat ini menjadi bagian integral dari banyak penilaian
makroseismik. Meskipun ahli seismologi terbiasa bekerja kerusakan pascagempa, dan merupakan alat komunikasi yang penting,
dengan nilai puncak gerakan tanah, sebagian besar pemodelan karena sistem ini memungkinkan umpan balik dari masyarakat mengalir
kehilangan cepat yang dilakukan di seluruh dunia kembali ke ahli seismologi. Bahkan untuk gempa bumi berkekuatan
menggunakan data makroseismik sebagai masukan bahaya, sedang, di daerah berpenduduk padat, ribuan hingga puluhan ribu
misalnya, Penilaian Cepat Gempa Bumi Global untuk Response tanggapan diajukan secara online. Data DYFI telah terbukti menjadi alat
(PAGER;Earle dkk.,2009), Penilaian Kerugian Gempa untuk yang berguna dan andal untuk mendeteksi variabilitas intensitas di suatu
Respon dan Mitigasi (QLARM;Trenafiloskidkk.,2011), dan Rutin wilayah (Atkinson dan Wald, 2007;Walddkk.,2011), dan jumlahnya jauh
Estimasi Kerugian Gempa Bumi (ELER;Kamardkk., 2009). lebih banyak daripada rekaman gerakan kuat. Data DYFI menambah
Intensitas makroseismik juga cocok untuk komunikasi dengan kendala yang berharga bagi banyak peristiwa baru-baru ini, baik di
banyak audiens non-teknis yang potensial, seperti masyarakat, Amerika Serikat (pasca tahun 1999) dan secara global (pasca tahun 2003),
media, komunitas tanggap gempa dan perencanaan, serta khususnya di bidang-bidang tertentu.
pendidik.
Gambar 1.Bentuk fungsional percepatan tanah puncak (PGA; kiri) dan kecepatan tanah puncak (PGV; kanan) terhadap hubungan intensitas diperoleh
untuk berbagai wilayah. Garis padat menunjukkan fungsi puncak gerakan tanah (PGM) dan rentang intensitas yang dibatasi oleh kumpulan data
masing-masing; garis putus-putus menunjukkan persamaan konversi gerakan tanah ke intensitas (GMICE) ketika diekstrapolasi di luar kumpulan
datanya. Perkiraan intensitas lebih sesuai pada nilai PGM yang lebih besar dibandingkan dengan nilai yang lebih kecil. (Diadaptasi dariCuadkk.,2010.)
dengan sedikit instrumen seismik. Penggunaan data makroseismik juga dapat 2005;Michelinidkk.,2008). Karena cakupan rekaman gerakan
mengkompensasi kurangnya rekaman gerakan tanah dan dengan demikian tanah yang tidak lengkap, ShakeMaps sering kali bersifat
membantu dalam merekonstruksi distribusi guncangan berdasarkan peristiwa prediktif dominan atau lokal, mengandalkan persamaan
sejarah (misalnya, ShakeMap Atlas,Allendkk.,2008; Pameran PAGER-Kucing, prediksi gerakan tanah (GMPE) dan kemudian menerapkan
Allendkk.,2009; dan Database Kerusakan Gempa Universitas Cambridge, GMICE untuk mengubahnya menjadi apa yang disebut
Tempat menyimpan bahan makanandkk.,2009). intensitas instrumental, variabel default yang digunakan dalam
Data makroseismik paling berguna jika data tersebut dapat tampilan peta. ketika berkomunikasi dengan komunitas
diintegrasikan sepenuhnya dengan rekaman gerakan tanah dan jika nonteknis. Ketidakpastian perkiraan intensitas dalam proses
observasi dapat dikonversi dari satu metrik ke metrik lainnya. Korelasi dua langkah ini harus memperhitungkan ketidakpastian GMPE,
antara ukuran puncak gerakan tanah (PGM), seperti percepatan tanah serta ketidakpastian GMICE.
puncak (PGA) atau kecepatan tanah puncak (PGV) dan intensitas telah Alternatif untuk menerapkan GMPE dan kemudian GMICE (atau
dipelajari selama beberapa dekade. (Selanjutnya, PGM mengacu pada GMPE+GMICE) dalam sistem seperti ShakeMap adalah dengan
PGA atau PGV.) Hasilnya, data makroseismik dapat diubah menjadi menggunakan persamaan prediksi intensitas (IPE; misalnya,
parameter PGM (dan sebaliknya) untuk keperluan teknik, untuk menilai Atkinson dan Wald, 2007;Allendkk.,2012), analog intensitas GMPE,
bahaya seismik, dan untuk pemodelan kerugian. Dalam studi awal, yang secara langsung memprediksi intensitas makroseismik sebagai
hubungan awalnya dibuat antara beberapa gerakan tanah yang tercatat fungsi besaran dan jarak. Keuntungan dari pendekatan ini adalah
dan intensitas tertentu di suatu lokasi, melalui apa yang disebut
hubungan tunggal, dibandingkan pendekatan dua langkah, sudah
persamaan konversi intensitas ke gerakan tanah (IGMCEs;Gutenberg dan
cukup untuk memprediksi intensitas. Kami memilih untuk fokus
Richter, 1942; Trifunac dan Brady, 1975;Murphy dan O'Brien, 1977).
pada pendekatan GMPE+GMICE untuk memprediksi intensitas,
karena pendekatan inilah yang lebih umum digunakan dalam sistem
Dengan berkembangnya jaringan seismik dan semakin
ShakeMap di seluruh dunia, dan terdapat lebih banyak penelitian
melimpahnya rekaman gerakan kuat, kecenderungan tersebut
yang berfokus pada GMPE daripada IPE. Selain itu, GMPE biasanya
menjadi terbalik dan kini mengasosiasikan intensitas dengan nilai
menyertakan faktor koreksi lokasi, sedangkan IPE generasi saat ini
gerakan tanah tertentu dengan persamaan konversi gerakan tanah
sering kali tidak menyertakannya. Dalam pendekatan GMPE+GMICE,
ke intensitas. (GMICE;Wald, Quitoriano, Heaton, dan Kanamori, 1999;
dampak lokasi diperhitungkan berdasarkan ketentuan koreksi lokasi
Atkinson dan Sonley, 2000;Kaka dan Atkinson, 2004;Atkinson dan
GMPE. Dengan demikian, diasumsikan bahwa GMI-CE tidak
Kaka, 2007;Tselentis dan Danciu, 2008;Danngkua dan Cramer, 2011).
bergantung pada efek lokasi (Cuadkk.,2010).
Batasan studi ini untuk GMICE dan IGMCE adalah hubungan yang
Dalam studi ini, tujuan kami adalah untuk
disebutkan di atas tidak dapat diubah. Akibatnya, penelitian terbaru
meningkatkan perkembangan dan pemahaman GMICE
mencari hubungan yang dapat dibalik (Faenza dan Michelini, 2010;
dalam beberapa hal:
Kata-katadkk., 2012), memastikan timbal balik hasil. Pada Gambar1,
kami menampilkan ringkasan beberapa hubungan GMICE yang ada • Pertama, dengan menerapkan kriteria seleksi yang konsisten, kami
mengumpulkan kumpulan data global yang lebih besar dan lebih homogen
PGA dan PGV. dibandingkan yang tersedia sebelumnya.
Salah satu penerapan penting penggunaan GMICE adalah • Kedua, kami menerapkan analisis data yang terstandarisasi dan ketat untuk
berbagai sistem ShakeMap yang dipasang di seluruh dunia ( mendapatkan hubungan konversi yang dapat dibalik untuk GMICE global
Wald, Quitoriano, Heaton, Kanamori,dkk.,1999;Walddkk., yang baru.
Tabel 1
Kumpulan Data yang Dikumpulkan Persamaan Konversi Gerakan Tanah ke Intensitas (GMICE).
Wa99 5:6≤M≤7:3 Lebih besar dari 2 4–9 MMI 342/36 <58 Kalifornia <276
horisontal
komponen
Wo12 3≤M≤7:3 Lebih besar dari 2 1–8.6 MMI 2141/1878 <2 Kalifornia <488
horisontal
komponen
FM10 terintegrasi 3≤M≤6:9 Lebih besar dari 2 2–8 MCS 265/238 <3 Italia <200
dengan IMD horisontal
basis data komponen
TD08 (diperbarui) 3:5≤M≤6:9 Mandiri 4–8 MMI 164 <5 Yunani <141
horisontal
komponen
DC11 2:5≤M≤4:6 Mandiri 2–5 MMI 64 Tidak dikenal Tengah–timur <618
horisontal Amerika Serikat
komponen
Diagregasi 2:5≤M≤7:3 Lebih besar dari 2 2–9 Campuran 2380 <2 Aktif secara global <200
kumpulan data (ini horisontal Kerak
belajar) komponen
Atlas dikompilasi 4:2≤M≤8:1 Lebih besar dari 2 1–10 Campuran 1519/147 <10 Global <707
olehCuadkk. horisontal
(2010) komponen
Kami menggabungkan pasangan gerakan tanah-intensitas yang diambil dari berbagai penelitian:Wald, Quitoriano, Heaton, dan Kanamori (1999)DanKata-katadkk. (2012) dari
California (masing-masing Wa99 dan W12),Faenza dan Michelini (2010)dari Italia (FM10; IMD, Database Makroseismik Italia),Tselentis dan Danciu (2008)dari Yunani (TD08), dan
Danngkua dan Cramer (2011)dari Amerika Serikat bagian tengah-timur (DC11). Kumpulan data diperoleh dengan mengumpulkan semua data lainnya. PGM, puncak gerakan
tanah; MMI, intensitas Mercalli yang dimodifikasi; MCS, Mercalli–Cancani–Sieberg
• Terakhir, kami membandingkan hubungan GMICE global kami yang baru rinciannya tersedia dalam suplemen elektronik untuk artikel ini
dengan hubungan asli yang diperoleh dari kumpulan data regional, serta (Gambar. S1 – S7).
kumpulan data independen, dan menentukan apakah ada ketergantungan
regional dan cara terbaik untuk memperhitungkan ketergantungan ini.
Data
Meskipun isu ketergantungan regional terhadap GMPE telah Kami mengumpulkan database global dari wilayah kerak aktif,
dipelajari dengan sangat rinci, meskipun dengan hasil yang belum pasti ( termasuk pengamatanWald, Quitoriano, Heaton, dan Kanamori
Allen dan Wald, 2009), apalagi yang telah dilakukan sehubungan dengan (1999)DanKata-katadkk. (2012)dari California (masing-masing
GMICE. Salah satu tujuan penelitian ini adalah untuk mengukur perilaku kumpulan data Wa99 dan Wo12), versi terbaru dariTselentis dan
sistematis yang bergantung pada wilayah dalam hubungan antara Danciu (2008)dari Yunani (dataset TD08),Faenza dan Michelini (2010)
intensitas makroseismik dan rekaman gerakan tanah. Kami dari Italia (dataset FM10), dan pilihanDanngkua dan Cramer (2011)
menggabungkan kumpulan data yang dipublikasikan dari berbagai data dari wilayah New Madrid di CEUS (dataset DC11). Kumpulan
wilayah: California, Amerika Serikat bagian tengah-timur (CEUS), Yunani, data asli dariDanngkua dan Cramer (2011)berisi data dari CEUS,
dan Italia. Sebagian besar studi GMICE yang ada (Cuadkk.,2010) Kanada, dan Bhuj; namun, hanya pasangan dari CEUS yang berisi
berkonsentrasi pada satu wilayah atau menggabungkan data dari semua informasi yang kami perlukan (misalnya, jarak antara sumber
California dengan database yang lebih sedikit dari wilayah lain (misalnya, dan stasiun serta antara stasiun dan intensitas yang diukur), jadi
untuk CEUS). Perbandingan antara hubungan-hubungan yang diperoleh kami hanya menggunakan sebagian data tersebut. Kami juga
dari penelitian-penelitian sebelumnya menunjukkan bahwa kesenjangan menggunakan subset pasangan intensitas-PGM yang diekstraksi
tersebut dapat disebabkan oleh karakteristik daerah, namun dari dataset ShakeMap AtlasAllen dan Wald (2009), digunakan oleh
kesenjangan tersebut tidak pernah diukur. Dalam studi ini, kami Cuadkk. (2010), termasuk 1.516 pasangan intensitas–PGM, sebagai
mengumpulkan kumpulan data yang dipublikasikan dari pengamatan pengujian untuk melihat bagaimana kinerja GMICE global yang
intensitas PGM berpasangan dari wilayah kerak aktif, mengumpulkan diturunkan di wilayah yang aktif secara tektonik dari database yang
serangkaian metadata yang konsisten untuk menghasilkan GMICE global sepenuhnya independen. Selanjutnya, agar singkatnya, kami
baru, dan menentukan faktor koreksi untuk setiap wilayah sebagai sisa mengacu pada subset pasangan intensitas-gerakan tanah yang
rata-rata antara nilai prediksi dan observasi. . diekstraksi dari ShakeMap Atlas sebagai dataset Atlas, dan
Di sini kami menyajikan analisis kami pada PGV (cm=s), namun menekankan bahwa data Atlas digunakan dalam verifikasi, dan
prosedur yang sama telah diterapkan pada PGA (cm=s2),Ⓔdan itu bukan dalam derivasi, dari hubungan tersebut.
Gambar 3.Kumpulan data regional dan korelasi parametriknya. Histogram pada panel diagonal menunjukkan distribusi intensitas, logPGV,
logPGA, magnitudo, jarak hiposentral, dan kedalaman peristiwa. Panel atas setiap matriks berisi plot sebar antara parameter-parameter ini,
dan panel bawah menunjukkan korelasi timbal baliknya. Kami tertarik pada baris dan kolom pertama matriks yang menampilkan
ketergantungan intensitas pada parameter lainnya. Misalnya, pada data California, baris 1 kolom 2 menunjukkan plot sebar antara intensitas
Mercalli termodifikasi (MMI) dan PGV, sedangkan baris 2 kolom 1 menunjukkan korelasinya (0,88). Demikian pula baris 1 kolom 5
menunjukkan sebaran antara MMI dan jarak hiposentral (HDIST), dan baris 5 kolom 1 menunjukkan korelasinya sebesar 0,095.
kumpulan data dan kumpulan data Atlas. Kami tertarik untuk rentang waktu kami dan karena kami berasumsi bahwa peraturan
mengidentifikasi parameter yang paling berkorelasi dengan intensitas bangunan dan praktik konstruksi telah meningkat seiring berjalannya
makroseismik. Matriks menunjukkan bahwa logPGV adalah variabel yang waktu. Angka5menunjukkan data sebelum dan sesudah tahun 1990
berkorelasi paling kuat dengan intensitas, diikuti oleh logPGA, sehingga untuk wilayah yang diteliti. Analisis menunjukkan bahwa California dan
dalam analisis berikut kami akan fokus pada kedua parameter tersebut. Yunani memiliki perilaku serupa dalam waktu (P-nilainya masing-masing
adalah 0,7373 dan 0,816). Italia menunjukkan perilaku yang konsisten
ketika datanya tumpang tindih tetapi berbeda jika kita
mempertimbangkan keseluruhan rentang waktu (denganP-nilai masing-
Konsistensi Waktu masing 0,106 dan6:936×10−6). Data CEUS tidak ditampilkan karena
Kumpulan data gabungan kami mencakup jangka waktu lebih semuanya lebih baru dari tahun 1990. Kita dapat menyimpulkan bahwa
dari 30 tahun. Untuk menghindari inkonsistensi sistematis akibat deklarasi intensitas dalam database kita konsisten dalam hal waktu.
perbedaan kriteria deklarasi intensitas dan/atau peraturan Konsisten dengan penelitian sebelumnya (Atkinson dan Wald, 2007;Kata-
bangunan, kami melakukan analisis varians (ANOVA) sebelum dan katadkk.,2012), kami mengasumsikan kesetaraan antara DYFI dan MMI
sesudah tahun 1990 untuk semua wilayah. Uji ANOVA terdiri dari tradisional yang dianggap berasal dariDeweydkk. (2002)DanWald,
kombinasi uji statistik yang cocok untuk menyimpulkan apakah rata- Quitoriano, Dengler, dan Dewey (1999). Selain itu, kesepakatan yang baik
rata kelompok (atau model) yang berbeda adalah sama atau tidak. pada intensitas tinggi antara regresi yang diperolehWald, Quitoriano,
Ini menghitung probabilitas yang terkait dengan hipotesis nol (P- Heaton, dan Kanamori (1999), menggunakan data MMI tradisional, dan
nilai) bahwa rata-ratanya sama. (AP-nilai>0:05mendukung hipotesis data yang diperoleh dariKata-katadkk. (2012), yang diperoleh dengan
nol.) Kami memilih tahun 1990 karena berada di tengah-tengah data DYFI, merupakan bukti tambahan dari kesetaraan ini (Gbr.1).
Gambar 4.Kumpulan data gabungan dan Atlas serta korelasi parametriknya. Histogram pada panel diagonal menunjukkan distribusi intensitas,
logPGV, logPGA, magnitudo, jarak hiposentral, dan kedalaman peristiwa. Panel atas berisi plot sebar antara parameter-parameter ini, dan panel bawah
menunjukkan korelasi timbal baliknya. Kami tertarik pada baris dan kolom pertama yang menampilkan ketergantungan intensitas pada parameter
lainnya. (Skala untuk kedua dataset tidak sama).
Gambar 6.(a) logPGV versus intensitas Deming cocok untuk hubungan global kita (garis padat ungu) pada data. Pilihan rata-rata dan satu
dan dua standar deviasi juga ditampilkan. Sisipan menunjukkan histogram distribusi residu. (b) Uraian penentuan intensitas dan kesalahan
PGM (lihatDerivasi Hubunganbagian untuk diskusi). (c) Perbandingan hubungan global yang dikoreksi (ungu) dengan penelitian lain
ditunjukkan pada Gambar1(abu-abu).
hubungan turunan. Regresi ortogonal Deming Angka2menunjukkan data rata-rata untuk setiap wilayah. Kami
meminimalkan jumlah kuadrat residu pada keduanyaX DanY kemudian memperoleh hubungan regresi global untuk mengukur
arah secara bersamaan. Hal ini memerlukan kesalahan agar ketergantungan regional. Kami membuang data gabungan dari
kedua variabel independen dan terdistribusi normal, dan empat wilayah, memperoleh satu set 15 pasangan INT-PGM dan
bahwa rasio δ variansnya (δ ! σ2 X)
kamu=σ2 dikenal. Menjadi- menguji apakah regresi tunggal atau bilinear lebih tepat. Kami
Karena proses binning dan rata-rata, kita dapat menetapkan menerapkan tes Davies (Davis, 1987) untuk memahami apakah data
kesalahan konstan pada intensitas yang sama dengan setengah bin lebih baik dimodelkan dengan hubungan linier atau bilinear. Tes ini
(yaitu, 0,25), dan untuk logPGM, kita menetapkan deviasi standar memberikanP-nilai yang terkait dengan hipotesis nol hubungan
yang sesuai di setiap bin (σPGM). Dalam kasus kami, σPGMtidak garis tunggal. Tes ini lebih menyukai regresi bilinear (P%nilai !9:6×10
konstan, jadi kita asumsikan δ sebagai rata-rata rasio varians, dan −07), dengan break point di logPGV !0:32dan logPGA!1:58 (sesuai
setelah itu kita evaluasi pengaruh variasi δ antara nilai minimum dengan intensitas masing-masing 4,92 dan 4,87; Gambar.6aDanⒺ
dan maksimumnya. Kami memverifikasi bahwa fluktuasi δ dalam S3). Karena data yang diberikan pada hubungan Deming sudah
kisaran tersebut tidak memiliki dampak yang relevan pada titik dirata-ratakan sebelumnya, kami mendefinisikan ketidakpastian
potong dan kemiringan dalam model kami, sehingga kami dengan menggabungkan deviasi standar rata-rata yang
mempengaruhinya kurang dari 0,6%. Regresi ortogonal pada data diperoleh dari proses binning padaXDankamusumbu (yaitu, 0,25
binned hanya memungkinkan satu regressor, jadi kami fokus pada untuk intensitas, 0,4 untuk logPGV, dan 0,3 untuk logPGA; Gambar.
variabel dengan korelasi tertinggi, yaitu intensitas makroseismik 6b), daripada menggunakan deviasi yang jauh lebih kecil yang
dan PGM (Gambar 2).3). Karena kumpulan data kami berisi terkait dengan intersep dan kemiringan yang diperoleh dari relasi
pengamatan dari skala intensitas yang berbeda, kami akan Deming. Dengan menerapkan trigonometri dasar (Gbr.6b), kita
menyebut intensitas sebagai INT, dengan pemahaman bahwa, mengetahui bahwa kemiringan β adalah garis singgung sudut ξ
dalam regresi kami, parameter ini merupakan kombinasi data MMI antara garis regresi dan absis.
dan MCS. Hubungan yang kami selidiki adalah Kami memperoleh yang berikut ini untuk setiap
segmen regresi:
DALAM! α1" β1logPGM jika logPGM≤TPGM σX! σPGV"δX σY! σINTI"δkamu
dan INT! α2" β2logPGM jika logPGM >TPGM: #1$
δkamu! Rdosa ξ Dan σX! Rkarena ξ δY! σXtgξ
Berkat reversibilitasnya, IGMCE yang sesuai dapat dengan mudah
diperoleh δX! R'karena ξ Dan σkamu! R'dosa ξ δX! σkamu=tgξ:
logPGM! #INT − α1$=β1 jika INT≤TINTI Untuk dua bagian regresi, kita masing-masing memilikinya
dan logPGM! #INT − α2$=β2 jika INT >TINTI; #2$ σY! σINTI" σPGM×β1 σX! σPGV" σINTI=β1
σY! σINTI" σPGM×β2 σX! σPGV" σINTI=β2 #3$
denganTPGMDanTINTImenjadi ambang batas akhir dalam kasus
hubungan bilinear. Dalam penelitian ini, satuan PGM adalah Pada Gambar6c, kita dapat mengapresiasi bagaimana hubungan turunan
sentimeter per detik untuk PGV dan sentimeter per detik kuadrat berperilaku sehubungan dengan hubungan GMICE yang ada seperti yang
untuk PGA. diilustrasikan pada Gambar1.
Meja 2
Koefisien untuk Persamaan(1)Dan(2)untuk Hubungan Global
Wilayah TPGM(catatan10PGM) α1 β1 σX1 σkamu1 α2 β2 σX2 σkamu2 TINTI
Global PGV 0,3±0,2 4.424 1.589 0,6 0,9 4,018 2,671 0,5 1,3 4,92±0,3
PGA 1,6±0,2 2.270 1.647 0,4 0,7-1,361 3,822 0,4 1,4 4,87±0,3
PGM, puncak gerakan tanah; PGV, kecepatan gerak puncak, dinyatakan dalam sentimeter per detik; dan PGA, percepatan
puncak tanah dalam sentimeter per detik kuadrat; σ, kesalahan aktifXDankamuporos hubungan global.
Kami melakukan analisis residu pada regresi untuk DW, tes Durbin – Watson; BP, tes Breusch – Pagan.
memverifikasi bahwa semua asumsi tersirat terpenuhi, yaitu Hubungan PGA global diperoleh dari 13 poin pertama yang
lulus uji BP.
residu (diprediksi-diamati) terdistribusi secara normal di
sekitar nol dengan varian konstan (yaitu, ε∈N#0; $,dengan
konstanta Σ), dan keduanya tidak berkorelasi. Analisis ini
bergantung pada hal-hal berikut: Dari analisis sederhana plot matriks semua data (Gbr.4, kolom
1 dan baris 4 dan 5 dari kumpulan data gabungan), kita dapat
• ItuT-tes memverifikasi distribusi residu sekitar nol; hasil positif
melihat bahwa, meskipun besaran dan intensitas memiliki korelasi
menegaskan bahwa model tersebut sesuai dengan data.
sebesar 71%, log jarak hiposenter (HDIST) dan intensitas memiliki
• Tes Durbin–Watson (Durbin dan Watson, 1950) korelasi yang jauh lebih rendah (18%). Konfirmasi korelasi yang
memeriksa korelasi nol dari residu; ini akan
rendah ini berasal dari analisis residu regresi (prediksi-pengamatan)
memvalidasi signifikansi statistik dari regresi.
versus jarak dan besaran hiposentral (Gambar 2).7). Kami
• Tes Breusch – Pagan (Breusch dan Pagan, 1979) mengevaluasi
mempertimbangkan korelasi tinggi antara intensitas dan jarak
varians residu; tes ini sensitif terhadap penilaian yang
dalam data Atlas (Gbr. 2).4, kolom 1, baris 5) merupakan artefak
berlebihan terhadap kebaikan kecocokan.
karena distribusi magnitudo dalam kumpulan data. Sebagaimana
Tes ini lulus-gagal, asalkanP-nilai yang terkait dengan dicatat dari distribusi besaran Atlas (Gbr.4, kolom 4, baris 4),
hipotesis nol. Kami menerapkan pengujian pada masing- sebagian besar besaran dalam kumpulan data Atlas adalah antara 7
masing regresi, dan semuanya lulus, menunjukkan bahwa dan 7,5. Maka masuk akal jika intensitasnya berskala dengan jarak
residu bekerja dengan baik dan regresi tersebut mewakili untuk besaran tertentu. Untuk jarak dan besaran, kami melakukan
data. Hasil pengujian ditabulasikan pada Tabel3. tiga regresi berbeda: garis hijau mewakili hasil yang diperoleh
dengan menerapkan regresi ortogonal (TLS) pada semua titik data,
garis merah adalah OLS pada data yang sama, sedangkan garis
Ketentuan Besaran dan Jarak oranye adalah hasilnya. dari OLS yang diterapkan pada data binned
Atkinson dan Kaka (2007)mempopulerkan pendekatan (0,25 dalam jarak log dan 0,5 satuan magnitudo). Plot kiri pada
sekuensial untuk regresi GMICE. Pada langkah pertama, Gambar7menunjukkan hubungan yang hampir vertikal antara
ketergantungan intensitas pada PGM dikarakterisasi. Pada residu dan logHDIST menggunakan TLS, sedangkan kedua garis OLS
langkah kedua, ketergantungan residu dari langkah pertama hampir datar dengan titik potong nol. Oleh karena itu, kami percaya
pada besaran dan jarak dikarakterisasi dan digunakan untuk bahwa masuk akal untuk mengabaikan istilah jarak. Plot di sebelah
menghasilkan istilah koreksi besaran dan jarak. Hasil akhirnya kanan menggambarkan tren linier yang berbeda antara residu dan
adalah hubungan untuk memprediksi intensitas sebagai fungsi besaran. Oleh karena itu, kami hanya mempertimbangkan
dari PGM, magnitudo, dan jarak. Pendekatan sekuensial ini juga kontribusi dari segi besarnya saja.
diterapkan olehTselentis dan Danciu (2008),Danngkua dan Kesesuaian regresi dari residu versus besaran
Cramer (2011), DanKata-katadkk. (2012)dalam studinya masing- dijelaskan oleh
masing. Selain peningkatan residu dari penerapan koreksi jarak
Sisa!1& 0:6 − 0:2 & 0:6×MAG#TLS$; Sisa!0:65 &
dan magnitudo, Atkinson dan Kaka menemukan bahwa istilah-
istilah ini menghilangkan perbedaan regional antara kumpulan 0:05 − 0:14 & 0:01×MAG#OLS$; dan Residu!0:4&
data California dan CEUS. Oleh karena itu kami mengevaluasi 0:3 − 0:11 & 0:06×MAG#BIN$:
kontribusi besaran dan jarak sebagai koreksi untuk hubungan
turunan. #4$
Angka 8.Perbandingan residu sebelum dan sesudah termasuk besarannya (masing-masing titik abu-abu dan hijau), diperoleh dengan menggunakan regresi TLS.
Pada (a) kita memiliki sisa dari semua data, sedangkan pada (b), (c), (d), dan (e) kita dapat melihat wilayah demi wilayah bagaimana kinerja istilah magnitudo. Kami
juga memasukkan tren sebelum dan sesudah koreksi jangka besaran.
Gambar 9.(a) Detail tiga wilayah yang memiliki lebih dari 100 catatan. Sisipan kanan atas menunjukkan nilai rata-rata logPGV untuk
California, Yunani, dan Italia pada setiap kelompok intensitas, dan hubungan global. Panel bawah (b) menunjukkan distribusi residu
(diprediksi – diamati).
jarak hiposenter, dan magnitudo dan menggambarkan lasi, sedangkan koreksi yang diperoleh dalam penelitian ini
kontribusi dari istilah koreksi yang berbeda. Dalam kasus menunjukkan peningkatan prediksi di ketiga representasi.
penelitian ini, istilah koreksinya adalah koreksi regional Meskipun Atkinson dan Kaka menemukan bahwa koreksi jarak
yang dijelaskan di atas; dan untukAtkinson dan Kaka (2007) dan magnitudo menghilangkan perbedaan regional, penerapan
DanKata-katadkk. (2012), koreksinya adalah suku jarak dan koreksi yang sama pada data independen ini menunjukkan bahwa
magnitudo yang diperoleh dari studi tersebut. ketentuan koreksi yang diperoleh dengan menyesuaikan residu
Kami menguji ketiga hubungan tersebut pada kumpulan data hanya menyelesaikan sebagian perbedaan regional. Analisis kami
yang sepenuhnya independen untuk memperkirakan bagaimana menunjukkan bahwa regionalisasi lebih baik daripada koreksi
kinerja istilah koreksi ini saat diekspor ke data lain. Dari Gambar12, besaran dan jarak dalam hal mengurangi ketidakpastian yang
tersisa. Bagi kami, regionalisasi secara fisik juga merupakan
kami melihat bahwa sisa koreksi dariAtkinson dan Kaka (2007) Dan
pendekatan yang lebih masuk akal, karena perbedaan regional
Kata-katadkk. (2012)tidak berkinerja seperti yang diharapkan ketika
memang diharapkan dan terlihat jelas dalam data yang kami
diterapkan pada data independen. Faktanya, dalam dua dari tiga
selidiki.
kasus (sisa versus PGV dan residu versus jarak), relasi yang dikoreksi
berperilaku lebih buruk dibandingkan relasi yang tidak dikoreksi.
Kesimpulan dan Pembahasan
Gambar 10.Perbandingan hubungan global yang dikoreksi dengan hubungan yang diturunkan secara regional untuk PGA dan PGV. Simbol menunjukkan
pasangan intensitas-logPGM rata-rata untuk setiap wilayah, dan garis putus-putus menunjukkan hubungan global yang sesuai (hijau untuk Kalifornia, merah untuk
Italia, dan biru untuk Yunani).
Gambar 11.(a) Database Atlas sehubungan dengan hubungan global PGV. Warnanya bergantung pada asosiasi koreksi: abu-abu untuk
California, biru untuk Yunani, dan hijau untuk Italia. (b) Distribusi residu secara geografis (diprediksi–diamati).
Tabel 5
Penugasan Kesamaan Regional untuk Data Atlas PGV
Jumlah Rata-rata Standar Terkait Kekuatan
Bangsa Atlas Pengamatan Sisa Deviasi Wilayah T-Tes % Rata-rata_Corr SD_Corr
Untuk setiap wilayah dalam kumpulan data Atlas, kami mencantumkan jumlah observasi, residu rata-rata, dan
deviasi standar sebelum dan sesudah (dalam tabel berlabel AVG_CORR, dan SD_CORR) koreksi, wilayah terkait, dan
kekuatan yang sesuai dariT-tes.
Tabel 6
Perbandingan Studi Terbaru
Himpunan data Kalifornia Italia Yunani Atlas
PGV Pelajaran ini 0,6 ± 0,7 − 0,5 ± 0,8 0,1 ± 0,6 0,0 ± 0,7
AK07 0,6 ± 0,6 − 0,7 ± 0,8 − 0,3 ± 0,6 − 0,1 ± 0,7
Wo12 0,0 ± 0,6 − 1,2 ± 0,8 − 0,7 ± 0,6 − 0,6 ± 0,7
PGA Pelajaran ini 0,6 ± 0,7 − 0,3 ± 0,9 0,0 ± 0,8 0±1
AK07 0,3 ± 0,7 − 0,8 ± 0,9 − 0,6 ± 0,8 0±1
Wo12 0,0 ± 0,7 − 1,1 ± 0,9 − 0,8 ± 0,8 − 0,6 ± 0,9
Kami membandingkan mean dan deviasi standar dari residu (prediksi-observasi) yang
diperoleh dari penelitian ini,Atkinson dan Kaka (2007; AK07), danKata-katadkk. (2012;
Wo12) pada kumpulan data global dan Atlas. Residu rata-rata penelitian ini untuk wilayah
California, Yunani, dan Italia juga merupakan koreksi regional yang diperoleh dan
tercantum dalam Tabel4.
menunjukkan bagaimana besaran dan jarak, yang telah digunakan Seperti yang telah diidentifikasi, variabilitas antar skala intensitas dapat
untuk mengatasi ketergantungan regional, tidak memperoleh hasil berperan dalam variasi regional ini.Mussondkk. (2009)menekankan bahwa
yang diharapkan dalam situasi yang lebih umum. Berdasarkan data perbandingan skala yang berbeda belum dipelajari secara mendalam dalam
yang tersedia, kami memperoleh tiga hubungan berbeda untuk tiga literatur, dan perbedaan antar ahli dalam menilai intensitas dengan skala yang
wilayah di California, Yunani, dan Italia, dan hubungan global yang sama bisa lebih besar dibandingkan perbedaan yang dinilai oleh ahli yang
dengannya perilaku regional dapat direproduksi dengan sama dengan menggunakan skala yang berbeda. Oleh karena itu, kami tidak
menerapkan istilah sisa wilayah tertentu. Kami kemudian menguji dapat mengukur seberapa besar pengaruh pilihan skala tertentu terhadap
hubungan global kami dengan kumpulan data independen yang hasil akhir, namun faktor koreksi yang didefinisikan secara implisit mencakup
lebih kecil dari wilayah lain, dan menemukan hasil yang konsisten ketidakpastian ini. Sumber utama ketidakpastian dalam penetapan intensitas
dalam ketidakpastian. mungkin mencerminkan variabel-variabel dalam respon manusia: kepadatan
MengikutiFaenza dan Michelini (2010)DanKata-kata dkk. penduduk dan lingkungan sosial, ekonomi, dan budaya dapat mempengaruhi
(2012), kami memilih regresi ortogonal yang memungkinkan gambaran guncangan dan kerusakan. Selain itu, persentase bangunan
adanya ketidakpastian pada kedua variabel (yaitu PGM dan bersejarah yang lebih tinggi (seperti yang ditemukan di Italia, misalnya) yang
intensitas), dan menghasilkan hubungan yang dapat dibalik. pada abad-abad yang lalu mungkin pernah mengalami guncangan yang tinggi
Melalui analisis awal, kami menguji apakah hubungan linear dapat berdampak pada tingkat guncangan yang terkait dengan kerusakan
atau bilinear lebih sesuai untuk data. Hubungan bilinear pada bangunan tersebut, sehingga meningkatkan kerentanannya. Selain
diperlukan untuk kumpulan data global. Hubungan global keberadaan dan kepatuhan terhadap peraturan bangunan (yang dapat
kita sejalan dengan penelitian-penelitian tersebut di atas berbeda-beda di setiap negara),
dalam satu standar deviasi.
Gambar 12.Residu intensitas (diprediksi-diamati) untuk GMICE yang diperoleh dalam penelitian ini,Atkinson dan Kaka (2007; AK07), danKata-kata dkk. (
2012; Wo12), untuk PGV. Segitiga menunjukkan hasil sebelum penerapan ketentuan koreksi yang ditentukan dalam setiap penelitian, dan lingkaran
menyertakan pengaruh koreksi tersebut. Garis putus-putus dan garis padat mewakili kesesuaian LOESS dengan titik relatif yang diplot dan
menggambarkan kontribusi faktor koreksi dalam perkiraan akhir.
Paparan penduduk terhadap aktivitas seismik dapat mengurangi reaksi kata-kata hampa berasal darihttp://earthquake.usgs.gov/shakemap
mereka terhadap guncangan tanah dengan intensitas yang lebih rendah. (terakhir diakses September 2011).
Kami memperoleh GMICE dari rezim tektonik aktif. Tidak ada data Data untuk Amerika Serikat bagian tengah-timur (
yang cukup untuk menyatakan apakah GMICE bergantung pada Danngkua dan Cramer, 2011) adalah darihttp://
lingkungan tektonik. Namun, sebagai pengujian, kami memilih kumpulan earthquake.usgs.gov/dyfi/(terakhir diakses Februari 2011). Data
data tektonik campuran dari Atlas untuk memverifikasi kinerja GMICE untuk Yunani (Tselentis dan Danciu, 2008) tersedia di
kami untuk rezim tektonik yang berbeda dan menemukan bahwa www.isesd.cv.ic.ac.uk(terakhir diakses Juni 2008). Data Italia
kinerjanya baik dalam pengaturan yang lebih umum ini. disediakan oleh Licia Faenza dan Alberto Michelini (Istituto
GMICE global kami akan berguna untuk aplikasi ShakeMap, Nazionale di Geofisica e Vulcanologia, Italia); data tersedia
disertai dengan koreksi regional yang meningkatkan kinerja sistem berdasarkan permintaan. Untuk Faenza dan Michelini (2010)
di area yang datanya tidak mencukupi untuk menghasilkan GMICE dataset (FM10), kami mengintegrasikan informasi yang
spesifik wilayah. Saat memilih faktor koreksi regional, penting untuk diberikan dengan Database Makroseismik Italia online 2011 (
memilih faktor yang paling sesuai dengan wilayah yang http://emidius.mi.ingv.it/DBMI11; terakhir diakses Mei 2013).
dipertimbangkan dan tidak bergantung pada kedekatan geografis. Data ShakeMap Atlas disediakan oleh Georgia Cua (ETH
Membandingkan hasil penelitian ini dengan hasil GMICEs yang Zürich). Data tersedia berdasarkan permintaan.
diperolehAtkinson dan Kaka (2007),Kata-katadkk. (2012), dan Perangkat lunak yang digunakan dalam penelitian ini
dengan persamaan prediksi intensitas yang diturunkan olehAllen dikembangkan dengan menggunakan bahasa pemrograman open
dkk. (2012), kami menemukan konsistensi umum di antara semua source R(R project,http://www.r‑project.org/; terakhir diakses Maret
hubungan. Namun, untuk keperluan teknik, yang terbaik adalah 2013) dan paket Tersegmentasi agar sesuai dengan model regresi
menggunakan hubungan regional jika tersedia, karena hubungan dengan hubungan garis putus-putus (http://cran.r-project.org/web/
tersebut lebih terkalibrasi untuk area di mana hubungan tersebut packages/segmented/ segmented.pdf; terakhir diakses Maret 2013).
diterapkan. Beberapa plot dibuat menggunakan Alat Pemetaan Generik (http://
www.soest. hawaii.edu/gmt; terakhir diakses Maret 2013).
Data dan Sumber Daya
Semua data yang digunakan dalam artikel ini berasal dari sumber Ucapan Terima Kasih
terbitan yang tercantum dalam daftar pustaka. Jika tersedia, kami
Kami ingin mengucapkan terima kasih kepada Donny T. Danngkua dan Chris H. Cramer, Licia
melaporkan situs web tersebut, yang didefinisikan seperti dalam
Faenza dan Alberto Michelini, serta Akis Tselentis dan Laurentiu Danciu yang telah membagikan
makalah asli, yang digunakan dalam penelitian sebelumnya untuk kumpulan data mereka. Semua data tersedia berdasarkan permintaan dari penulis asli.
mengunduh data dan tanggal terakhir kali diakses untuk artikel ini. Data Kami juga berterima kasih kepada Eduard Kissling atas komentarnya yang
untuk California berasal dariKata-katadkk. (2012). Pertanyaan “Apakah bermanfaat dan atas kebaikan yang ditunjukkan dalam menjawab pertanyaan kami tentang
tektonik dan banyak lagi, dan Gorgia Cua atas diskusi konstruktifnya. Kami berterima kasih
Anda Merasakannya?” (DFYI) situs web tersedia dihttp://
kepada Lapo Boschi karena telah membaca naskah versi awal.
earthquake.usgs.gov/dyfi/(terakhir diakses September 2011); katalog
Naskah ini diperbaiki dengan komentar dari Chris Cramer dan dua pengulas
data gempa Survei Geologi AS tersedia dihttp://earthquake.usgs.gov/ anonim. Kami berterima kasih kepada Associate Editor Cesar Trifu atas dukungannya
research/monitoring/ anss(terakhir diakses September 2011); dan am- dalam mempersiapkan naskah akhir untuk diterbitkan.
hanya di bawah alternatif,Biometrika74,33–43. Teknik dan Metode Survei Geologi AS,buku 12, bagian A, bab.
de Groen, PPN (1996). Pengantar total kuadrat terkecil,Baru 1, Reston, Virginia, 132 hal.
Arsip untuk Wiskunde14,TIDAK. 2, 237–254. Worden, CB, MC Gerstenberger, DA Rhoades, dan DJ Wald (2012). Masalah-
Deming, KAMI (1943).Penyesuaian Statistik Data,Wiley, New York. hubungan abilistik antara parameter gerakan tanah dan intensitas Mercalli yang
Dewey, JW, MG Hopper, DJ Wald, V. Quitoriano, dan ER Adams dimodifikasi di California,Banteng. Seismol. sosial. Saya.102,TIDAK. 1, 204–221.
(2002). Distribusi intensitas dan peta isoseismal untuk gempa bumi
Nisqually, Washington tanggal 28 Februari 2001,Geol AS. Bertahan. Rept
File Terbuka. 02-346,57 hal. Layanan Seismologi Swiss
Dewey, JW, BG Reagon, L. Dengler, dan K. Moley (1995). Intensitas ETH Zürich
peta distribusi dan isoseismal untuk gempa bumi Northridge, California, Sonneggstarsse 5
tanggal 17 Januari 1994,Geol AS. Bertahan. Rept File Terbuka. 95-92,35. 8092 Zurich, Swiss
Durbin, J., dan GS Watson (1950). Setidaknya menguji korelasi serial caprio.marta@gmail.com
regresi kuadrat I,Biometrika37,409–428. (MC, BT, SW)
Earle, PS, DJ Wald, KS Jaiswal, TI Allen, KD Marano,
AJ Hotovec, MG Hearne, dan JM Fee (2009). Penilaian segera gempa bumi
global untuk respons (PAGER): Sebuah sistem untuk menentukan Sinergis
dengan cepat dampak gempa bumi global di seluruh dunia,Geol AS. Inc.1520 South College Avenue
Bertahan. Rept File Terbuka. 2009-1131,15 hal. Fort Collins, Colorado 80524
Faenza, L., dan A. Michelini (2010). Analisis regresi intensitas MCS (CBW)
dan variabel gerakan tanah di Italia dan penerapannya di ShakeMap,
Geofisika. J.Int.78,1138–1152.
Gutenberg, B., dan CF Richter (1942). Magnitudo, intensitas, Survei Geologi AS
energi dan percepatan,Banteng. Seismol. sosial. Saya.32,163–191. Jalan Illinois 1711
Kaka, SI, dan GM Atkinson (2004). Hubungan antar instrumental Emas, Colorado 80401-1435
variabel gerakan tanah dan intensitas Mercalli yang dimodifikasi di Amerika (DJW)
Utara bagian timur,Banteng. Seismol. sosial. Saya.94,TIDAK. 5 Agustus 1728–
1736. Kamer, Y., E. Abdulhamitbilal, MB Demircioglu, M. Erdik, U. Hancilar, Naskah diterima 25 September 2014;
K. Sesetyan, C. Yenidogan, dan AC Zulfikar (2009).Kerugian akibat gempa Diterbitkan Online 5 Mei 2015