En utilisant des données recueillies lors d’un tremblement de terre de magnitude 6,8 survenu en 2022 dans le comté de Luding, dans la province chinoise du Sichuan, des chercheurs ont testé si les observations du système mondial de navigation par satellite (GNSS) pouvaient être utilisées pour la prévision rapide des glissements de terrain déclenchés par un tremblement de terre.
Dans leurs rapport dans Lettres de recherche sismologiqueKejie Chen, de la Southern University of Science and Technology, et ses collègues partagent un ensemble de méthodes de prévision des glissements de terrain GNSS en temps quasi réel. Certains de leurs modèles ont identifié avec précision environ 80 % des emplacements des glissements de terrain déclenchés par le tremblement de terre de Luding, ont découvert les chercheurs.
Sur la base de leurs résultats, Chen et ses collègues montrent que la prévision en temps quasi réel des glissements de terrain lors d’un tremblement de terre comme celui de Luding pourrait être réalisée en environ 40 minutes, un temps qui pourrait être amélioré grâce au développement ultérieur de leurs modèles et à des calculs à plus grande vitesse, ont-ils noté.
Le tremblement de terre de Luding du 5 septembre 2022 sur le segment sud-est de la faille de Xianshuihe a provoqué plus de 6 000 glissements de terrain, qui ont causé de graves dommages sur plus de 3 500 kilomètres carrés de la région.
« Le nombre de glissements de terrain co-sismiques déclenchés par le tremblement de terre de Luding était important mais pas totalement inattendu compte tenu de la topographie et de l’activité sismique de la région. La région est connue pour sa vulnérabilité aux glissements de terrain, en particulier après des événements sismiques de grande ampleur », a déclaré Chen. « Cependant, l’ampleur des destructions et les endroits spécifiques touchés ont fourni de nouvelles informations sur le profil de risque de la région et ont souligné l’importance d’une surveillance continue et de modèles de prévision améliorés. »
Les données GNSS mesurent le mouvement du sol lors d’un tremblement de terre. Chen et ses collègues avaient déjà étudié l’utilisation des données GNSS pour localiser les sources des tremblements de terre et lancer des alertes précoces en cas de tsunami lorsque le tremblement de terre de Luding a eu lieu.
« Pour les tremblements de terre qui éclatent à l’intérieur des terres, en particulier dans les régions montagneuses de Chine, les glissements de terrain constituent le principal risque sismique en cascade », explique Chen. « Nos recherches se sont concentrées sur le développement et le perfectionnement des méthodes de prévision des glissements de terrain à l’aide du GNSS. Le tremblement de terre de Luding a fourni une étude de cas critique qui nous a permis d’évaluer et d’adapter nos méthodes dans le contexte des glissements de terrain cosismiques. »
Les chercheurs ont développé une méthode de prévision GNSS de bout en bout, qui commence par la construction de modèles de glissement de l’événement basés sur les données de décalage et de déplacement GNSS. Ils ont ensuite utilisé des simulations basées sur la physique du tremblement de terre avec ces modèles de glissement pour obtenir une mesure de la vitesse maximale du sol.
Enfin, Chen et ses collègues ont utilisé la vitesse maximale du sol avec un algorithme d’apprentissage automatique pour prédire une éventuelle distribution spatiale des glissements de terrain pour l’événement. Six tremblements de terre chinois d’une magnitude de 6,1 à 8,0 partageant des similitudes géologiques avec le tremblement de terre de Luding ont été utilisés pour entraîner l’algorithme de prédiction.
Une façon d’améliorer la méthode serait de combiner les observations GNSS avec des données sur les formes d’ondes de mouvement du sol à proximité des failles capturées par des accéléromètres à faible coût appelés MEMS, ont noté Chen et ses collègues. Pour améliorer l’alerte et la réponse aux tremblements de terre, la Chine a récemment inclus plus de 10 000 stations basées sur MEMS dans un système national d’alerte aux tremblements de terre.
« L’utilisation de ces deux types de données de manière complémentaire améliore la robustesse et la précision des prévisions de glissements de terrain », a déclaré M. Chen. « Les données GNSS peuvent valider et affiner les prévisions faites par les données MEMS, garantissant ainsi un système de surveillance complet. »
Plus d’information:
Lei Xia et al., Faisabilité de la prévision des glissements de terrain cosismiques basée sur des observations GNSS : une étude de cas du tremblement de terre de magnitude 6,8 de 2022 à Luding, en Chine, Lettres de recherche sismologique (2024). DOI: 10.1785/0220240069