Les tremblements de terre et les tsunamis qu’ils génèrent ont causé 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 du mal à estimer rapidement et avec précision la magnitude des très grands tremblements de terre.

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 à partir de 1 400 emplacements potentiels de tremblements de terre au Japon, Andréa Licciardigéophysicien à l’Université Côte d’Azur en France, et ses collègues ont pu estimer instantanément la magnitude de grands tremblements de terre sur la base de signaux d’élastogravité rapides (PEGS).

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

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

Les scientifiques ont appris que bien que les PEGS puissent en principe 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 surmontent 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 peut 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 cet article est intéressant. En fait, la découverte du PEGS a déjà été faite dans mon article sur 2016 puis confirmé dans le rôle de Vallée et al. en 2017,” a dit Jean-Paul Montagner, géoscientifique à l’Institut de Physique du Globe de Paris qui n’a pas participé à la nouvelle recherche. “Alors ce qui est innovant dans ces travaux, 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 est basé sur les données sous-jacentes, les signaux d’élastogravité”, a-t-il expliqué. “Une fois qu’un tremblement de terre se produit, ces signaux voyagent plus vite que les ondes sismiques et sont très 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 conventionnels.” P vagues au moins pour les grands séismes (magnitude supérieure à 8,3/8,4).

Amélioration de l’alerte précoce aux tsunamis

Licciardi a noté 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 ainsi atténuer son impact.

“Les systèmes d’alerte précoce classiques basés sur P les ondes 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 très sensible à la magnitude de ces grands tremblements de terre”, a expliqué Licciardi. “En fait, l’applicabilité de notre modèle est limitée à des tremblements de terre aussi importants (magnitude supérieure à 8,3/8,4) car l’amplitude du signal pour des tremblements de terre relativement plus petits est trop petite et cachée 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 aux tremblements de terre car pour les plus grands tremblements de terre, il y a beaucoup de temps (jusqu’à quelques minutes) pendant lequel ils acquièrent de l’ampleur et de la force”, a-t-il expliqué. Andreas Plesch, un scientifique principal de la Terre à l’Université de Harvard qui n’a pas été impliqué dans les nouveaux travaux. “Les auteurs soulignent à juste titre que sur 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 avertissements de tsunami pourraient être émis non seulement plus tôt (des dizaines de secondes ou peut-être même des minutes), mais aussi avec une plus grande 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.