Surveillance des tremblements de terre à la vitesse de la lumière - Eos

Les tremblements de terre et les tsunamis qu’ils génèrent ont fait près d’un million de victimes au cours des 30 dernières années. De nombreux systèmes d’alerte ont été développés pour limiter les coûts humains et matériels de ces catastrophes naturelles. Cependant, ces systèmes ont des difficultés à estimer rapidement et avec précision la magnitude des très grands séismes.

Maintenant, une étude publiée dans La nature a décrit un modèle d’apprentissage automatique qui reconnaît les modèles dans les données sismiques pour mieux estimer la magnitude et l’emplacement d’un grand tremblement de terre.

À l’aide de 350 000 scénarios de modélisation de tremblements de terre se produisant sur 1 400 sites sismiques potentiels au Japon, Andrea Licciardi, géophysicien à l’Université Côte d’Azur en France, et ses collègues ont réussi à estimer instantanément la magnitude de grands tremblements de terre sur la base de signaux d’élastogravité rapides ( PEG).

Les PEGS sont des perturbations gravitationnelles générées par le mouvement de grandes masses de roches lors d’un tremblement de terre. Elles se propagent à la vitesse de la lumière, transportant les informations sur les tremblements de terre beaucoup plus rapidement que les ondes sismiques traditionnellement utilisées dans les systèmes d’alerte précoce.

“Ce qui est innovant dans cet article, c’est l’utilisation de techniques d’apprentissage automatique, qui permet d’améliorer la détection de ces très petits signaux.”

Les scientifiques savent que bien qu’en principe le PEGS puisse aider à accélérer les alertes sismiques, leur très faible amplitude a empêché leur utilisation dans les systèmes d’alerte. Les chercheurs de la nouvelle étude ont surmonté cette limitation grâce à un algorithme d’intelligence artificielle basé sur les données du système mondial de navigation par satellite. En utilisant l’algorithme, ils ont montré que la magnitude des grands tremblements de terre pouvait être estimée avec précision sur la base des secondes PEGS après le début du tremblement de terre et suivie à mesure que le tremblement de terre se développe.

« Je pense que ce document est intéressant. En fait, la découverte du PEGS a déjà été faite dans mon article de 2016 puis confirmée dans l’article de Vallée et al. en 2017 », a déclaré Jean-Paul Montagner, géoscientifique à l’Institut de physique du Globe de Paris qui n’a pas participé à la nouvelle recherche. “Ce qui est donc innovant dans cet article, c’est l’utilisation de techniques d’apprentissage automatique, qui permet d’améliorer la détection de ces très petits signaux.”

Licciardi a accepté. “Le principal avantage de notre modèle repose sur les données sous-jacentes, les signaux d’élastogravité”, a-t-il expliqué. “Une fois qu’un tremblement de terre se produit, ces signaux se propagent plus rapidement que les ondes sismiques et sont fortement sensibles à la magnitude du tremblement de terre…. De ce fait, notre modèle peut estimer la magnitude du tremblement de terre plus rapidement et plus précisément que les systèmes d’alerte précoce conventionnels basés sur P vagues au moins pour les grands tremblements de terre (magnitude supérieure à 8,3/8,4).

Améliorer l’alerte précoce aux tsunamis

Licciardi a souligné que le temps de réponse du modèle d’environ une minute peut améliorer considérablement les prévisions d’alerte précoce aux tsunamis. Dans un scénario en temps réel, a-t-il dit, la magnitude récupérée par le modèle peut être utilisée pour estimer rapidement la taille de la vague de tsunami induite et donc atténuer son impact.

« Les systèmes d’alerte précoce classiques basés sur P les vagues ne peuvent pas faire la distinction entre un tremblement de terre de magnitude 8 et un tremblement de terre de magnitude 9, alors que notre modèle ne souffre pas de cette limitation », a déclaré Licciardi. “Il fournit l’estimation la plus précise de la magnitude en fonction du temps.”

La force du nouveau modèle dans la prévision des grands tremblements de terre “est due au fait que le signal d’élastogravité est fortement sensible à la magnitude de ces grands tremblements de terre”, a expliqué Licciardi. “En fait, l’applicabilité de notre modèle est limitée à des séismes aussi importants (magnitude supérieure à 8,3/8,4) car l’amplitude du signal pour des séismes relativement plus petits est trop faible et enfouie dans le bruit de fond. C’est pourquoi d’autres outils et données sont encore nécessaires dans le cadre de l’alerte précoce.

“Ceci est important pour les systèmes d’alerte précoce des tremblements de terre, car pour les plus grands tremblements de terre, il y a un temps prolongé (jusqu’à quelques minutes) pendant lequel ils accumulent de l’ampleur et de la force”, a expliqué Andreas Plesch, un scientifique principal de la Terre à l’Université de Harvard qui n’a pas été impliqué dans le nouveau travail. “Les auteurs soulignent à juste titre que pendant cette période prolongée, la méthode, en particulier si elle est combinée à d’autres méthodes, a le potentiel opérationnel de suivre la croissance d’un tel tremblement de terre plus tôt et plus précisément.”

Plesch a en outre noté qu’en utilisant le nouveau modèle, les alertes aux tsunamis pourraient être émises non seulement plus tôt (de quelques dizaines de secondes, voire de quelques minutes), mais aussi avec plus de confiance et avec de meilleures estimations de la hauteur des vagues dérivées d’estimations de magnitude améliorées.

—Mohammed El-Saïd (@MOHAMMED2SAID), écrivain scientifique

Citation: El-Said, M. (2022), Surveillance des tremblements de terre à la vitesse de la lumière, Éos, 103, https://doi.org/10.1029/2022EO220261. Publié le 2 juin 2022.
Texte © 2022. Les auteurs. CC BY-NC-ND 3.0
Sauf indication contraire, les images sont soumises au droit d’auteur. Toute réutilisation sans l’autorisation expresse du titulaire des droits d’auteur est interdite.