s'abonner
Une étude récente menée par Társilo Girona de l’Université d’Alaska Fairbanks et Kyriaki Drymoni de l’Université Ludwig-Maximilians de Munich a proposé une nouvelle technique d’apprentissage automatique pour prédire les grands tremblements de terre des mois à l’avance. L’étude, publiée dans Nature Communications le 28 août 2024, visait à améliorer les prévisions sismiques et la sécurité publique.
Une avancée significative dans la prévision des tremblements de terre a été menée par deux géophysiciens composés du professeur adjoint de recherche Társilo Girona de l’Université d’Alaska Fairbanks (UAF) et du Dr Kyriaki Drymoni de la Ludwig-Maximilians-Universität de Munich, en Allemagne. Leurs recherches interdisciplinaires, qui se sont concentrées sur l’utilisation de l’apprentissage automatique pour évaluer l’activité sismique, ont fourni de nouvelles promesses pour prédire les grands tremblements de terre des mois à l’avance.
La nouvelle méthode impliquait l’analyse de volumes massifs de données sismiques pour identifier des modèles mineurs d’activité sismique de faible magnitude qui pourraient présager de grands tremblements de terre. L’étude de M. Girona et de M. Drymoni s’est concentrée sur la difficulté de découvrir des précurseurs de grands événements sismiques. Leur algorithme d’apprentissage automatique, formé sur des données historiques de tremblements de terre, peut détecter ces précurseurs, fournissant potentiellement des mois de préavis avant une catastrophe de grande ampleur.
« Il est essentiel de démêler les signaux précurseurs de tremblements de terre potentiellement destructeurs pour comprendre la dynamique de la croûte terrestre et fournir des alertes sismiques fiables. Les précurseurs des tremblements de terre sont ambigus, mais des études expérimentales récentes suggèrent que des signes d’alerte robustes peuvent précéder des événements sismiques importants à court terme (au jour le jour). Ici, nous montrons que la séquence M6.4-M7.1 2019 de Ridgecrest (Californie) et le tremblement de terre M7.1 de 2018 d’Anchorage (Alaska) ont été précédés par jusqu’à ~3 mois de troubles tectoniques à l’échelle régionale, comme en témoigne la sismicité anormale de faible magnitude qui s’étend sur ~15-25% du sud de la Californie et du centre-sud de l’Alaska », ont déclaré les chercheurs.
Les chercheurs se sont concentrés sur deux tremblements de terre importants récents : le tremblement de terre d’Anchorage de magnitude 7,1 en 2018 et la série de tremblements de terre de Ridgecrest, en Californie, en 2019. Dans les deux cas, ils ont découvert des signes d’activité sismique aberrante dans les mois précédant les événements principaux, la probabilité d’un tremblement de terre significatif grimpant à plus de 80% trois mois avant le tremblement de terre d’Anchorage et à 85% quelques jours avant qu’il ne se produise.
Cette recherche a été principalement testée dans des zones sismiquement actives telles que le centre-sud de l’Alaska et le sud de la Californie. Ces régions, reconnues pour leur forte activité sismique, ont fourni des données importantes pour tester la capacité de la méthode à prévoir les grands tremblements de terre. Les résultats de l’étude ont des ramifications de grande portée pour d’autres zones sujettes aux tremblements de terre, notamment la faille de San Andreas en Californie et la fosse de Nankai au Japon, qui sont toutes deux sensibles aux événements sismiques importants.
Les résultats ont été publiés dans Nature Communications le 28 août 2024. L’étude a nécessité plusieurs années de collecte et d’analyse de données, les résultats les plus récents indiquant une amélioration significative de la prévision des tremblements de terre. Cette technique a déjà démontré des résultats encourageants dans la prédiction rétroactive de grands tremblements de terre antérieurs, ouvrant la voie à son application possible dans la prévision en temps réel.
L’objectif principal de cette recherche était d’améliorer la sécurité publique et la préparation aux catastrophes. Les technologies traditionnelles de prévision des tremblements de terre ont souvent échoué à fournir une alerte suffisamment précoce. Le Dr Girona et le Dr Drymoni espéraient mettre au point une méthode plus fiable pour anticiper les événements sismiques, peut-être en sauvant des vies et en réduisant les dommages économiques grâce à des évacuations et à une préparation en temps opportun.
La méthode de prévision des chercheurs a utilisé des algorithmes d’apprentissage automatique entraînés sur des catalogues de tremblements de terre pour repérer des modèles d’activité sismique aberrante de faible magnitude, qui précèdent fréquemment les grands tremblements de terre.
Selon leurs découvertes, ces tremblements de terre précurseurs de faible magnitude pourraient être causés par une augmentation de la pression du fluide interstitiel à l’intérieur des failles, ce qui modifie les propriétés mécaniques des failles. Leur méthodologie a découvert cette activité antécédente dans 15% à 25% des zones touchées environ trois mois avant les tremblements de terre d’Anchorage et de Ridgecrest. La capacité du modèle à prévoir la probabilité qu’un tremblement de terre important se produise dans un délai donné est un énorme pas en avant dans la prévision des tremblements de terre.
Bien que l’approche en soit actuellement à ses premières phases d’application, des améliorations et une validation supplémentaires pourraient en faire un outil régulier dans les zones sujettes aux tremblements de terre, ce qui permettrait d’accroître la sécurité et la résilience des populations.
« Enfin, il convient de souligner que l’approche basée sur l’apprentissage automatique présentée dans cet article ne nécessite que des informations qui sont actuellement archivées régulièrement dans les catalogues de tremblements de terre ; pourrait aider à mieux comprendre la dynamique des réseaux de failles et à identifier les variations dans le champ de stress régional ; et peut être facilement mis en œuvre par les agences de surveillance pour surveiller la sismicité de faible magnitude en temps quasi réel. À terme, notre approche pourrait aider à concevoir des stratégies de niveau d’alerte sismique basées sur la détection des troubles tectoniques régionaux, et à améliorer la prévision des tremblements de terre de grande magnitude des semaines ou des mois à l’avance en Californie du Sud, dans le centre-sud de l’Alaska et potentiellement ailleurs", ont conclu les chercheurs.
