Science. Sur la prévision des tremblements de terre
La surface solide de la Terre, celle que nous avons directement sous nos pieds, n'est jamais continue. Elle est constituée de plaques plus ou moins étendues, indépendantes les unes des autres et qui se déplacent en glissant sur un magma pâteux constitué de matière non encore solidifiée. Elles se trouvent à des profondeurs différentes. Les plus profondes ont été envahies par les eaux, où elles forment des océans. D'autres plus élevées constituent les continents. Leurs mouvements sont généralement très lents ce qui les a rendu longtemps indétectables.
Cependant comme il est apparu que la plupart des tremblements de terre violents, suivis de séismes, provenaient de tels glissements de terrain, leur observation est devenue essentielle. Elles peut se faire à partir de capteurs terrestres dont l'on observe les relevés. Mais le plus souvent, elle est permise aujourd'hui par des vues aériennes ou satellitaires. Comme ces déplacements sont lents, ils se traduisent lorsqu'ils sont observés par des milliers ou dizaines de milliers d'images que les géologues et sismologues ne peuvent interpréter, faute de temps.
La plupart de ces tremblements de terre sont tellement dispersés dans le temps et l'espace qu'ils passent généralement inaperçus. On les nomme des tremblements de terre fantômes ou plus scientifiquement, des « slow slips » ou glissement lents. Ils se produisent plus en profondeur que les tremblements de terre usuels. Dans le Pacifique Nord Ouest, le long d'une faille où la plaque dit Juan de Fuca glisse lentement sous la plaque nord américaine, zone sensible sujette à de fréquents séismes de faible amplitude, les sismologues ont installé des réseaux de capteurs qui ont détecté depuis 2003 plus d'une douzaine de tels tremblement de terre fantômes, se produisant environ une fois par an.
Aussi, le géophysicien Paul Johnson et son équipe, suivis par d'autres groupes de chercheurs, ont utilisé des logiciels d'intelligence artificielle dits d'apprentissage profond (deep learning) capables d'identifier des formes et leurs mouvements respectifs, semblables à ceux utilisés aujourd'hui couramment pour la reconnaissance de la voix et des mouvements. Ils ont ainsi construits des modèles de laboratoire capables de prévoir des tremblements de terre violents ou lents à partir de données transmises par l'observation géophysique. Voir leur article du 30 août 2017 intitulé Machine Learning Predicts Laboratory Earthquakes.
Aujourd'hui, dans l'article dont nous publions ici le résumé (abstact) présenté sur le site arxiv.org, ils indiquent que de tels algorithmes pourraient prédire la survenue de glissements lents avec quelques jours d'avance. La prédiction des tremblements de terre d'amplitude dangereuse pourrait s'en trouver considérablement améliorée.
Source
Référence citée
A Silent Build-up in Seismic Energy Precedes Slow Slip Failure in the Cascadia Subduction Zone
https://arxiv.org/abs/1909.06787
We report on slow earthquakes in Northern Cascadia, and show that continuous seismic energy in the subduction zone follows specific patterns leading to failure. We rely on machine learning models to map characteristic energy signals from low-amplitude seismic waves to the timing of slow slip events.
We find that patterns in seismic energy follow the 14-month slow slip cycle. Our results point towards a recurrent build-up in seismic energy as the fault approaches failure. This behavior shares a striking resemblance with our previous observations from slow slips in the laboratory.