Un algorithme soulève de nouvelles questions sur les enregistrements des tremblements de terre à Cascadia

La zone de subduction de Cascadia, dans le nord-ouest du Pacifique, a pour habitude de produire des tremblements de terre puissants et destructeurs qui ont englouti des forêts et engendré des tsunamis qui ont atteint jusqu’aux côtes du Japon.

Le dernier grand tremblement de terre s’est produit en 1700. Mais ce ne sera probablement pas le dernier. Et les zones qui risquent d’être touchées sont désormais des métropoles animées qui abritent des millions de personnes.

Déterminer la fréquence des tremblements de terre – et quand le prochain « grand » tremblement de terre se produira – est une question scientifique active qui implique de rechercher des signes de tremblements de terre passés dans les archives géologiques sous la forme de roches, de sédiments et de paysages secoués.

Cependant, une étude menée par des scientifiques de l’Université du Texas à Austin et leurs collaborateurs remet en question la fiabilité d’un enregistrement de tremblements de terre qui couvre des milliers d’années – un type de dépôt géologique appelé turbidite que l’on trouve dans les couches du fond marin.

Les chercheurs ont analysé une sélection de couches de turbidite de la zone de subduction de Cascadia datant d’il y a environ 12 000 ans avec un algorithme qui évaluait la corrélation entre les couches de turbidite.

Les chercheurs ont constaté que dans la plupart des cas, la corrélation entre les échantillons de turbidite n’était pas meilleure qu’aléatoire. Étant donné que les turbidites peuvent être causées par une série de phénomènes, et pas seulement par des tremblements de terre, les résultats suggèrent que le lien entre les enregistrements de turbidite et les tremblements de terre passés est plus incertain qu’on ne le pensait auparavant.

« Nous aimerions que tous ceux qui citent les intervalles de temps des séismes de subduction de Cascadia comprennent que ces chronologies sont remises en question par cette étude », a déclaré Joan Gomberg, chercheuse en géophysique à l’US Geological Survey et co-auteure de l’étude. « Il est important de mener des recherches plus approfondies pour affiner ces intervalles. Ce que nous savons, c’est que Cascadia a été sismiquement active dans le passé et le sera à l’avenir, donc en fin de compte, les gens doivent être préparés. »

Les résultats ne modifient pas nécessairement la fréquence estimée des tremblements de terre à Cascadia, qui se produit environ tous les 500 ans, ont déclaré les chercheurs. L’estimation actuelle de la fréquence est basée sur une série de données et d’interprétations, pas seulement sur les turbidites analysées dans cette étude. Cependant, les résultats soulignent la nécessité de mener davantage de recherches sur les couches de turbidites, en particulier, et sur la façon dont elles sont liées les unes aux autres et aux grands tremblements de terre.

Jacob Covault, co-auteur et professeur de recherche à l’École de géosciences de l’Université du Texas à Jackson, a déclaré que l’algorithme offre un outil quantitatif qui fournit une méthode reproductible pour interpréter les enregistrements des tremblements de terre anciens, qui sont généralement basés sur des descriptions plus qualitatives de la géologie et de leurs associations potentielles.

« Cet outil fournit un résultat reproductible, de sorte que tout le monde peut voir la même chose », a déclaré Covault, co-directeur du laboratoire Quantitative Clastics du Bureau of Economic Geology de la Jackson School. « On peut potentiellement contester ce résultat, mais au moins on dispose d’une base de référence, d’une approche reproductible. »

Les résultats ont été publié dans le journal Bulletin de la Société géologique d’AmériqueL’étude a impliqué des chercheurs de l’USGS, de l’Université de Stanford et de la Division des études géologiques et géophysiques de l’Alaska.

Les turbidites sont les restes de glissements de terrain sous-marins. Elles sont constituées de sédiments qui se sont déposés sur le fond marin après avoir été projetés dans l’eau par le mouvement turbulent des sédiments se précipitant sur le fond de l’océan. Les sédiments de ces couches présentent une gradation particulière, avec des grains plus grossiers en bas et des grains plus fins en haut.

Mais il existe plusieurs façons de former une couche de turbidite. Les tremblements de terre peuvent provoquer des glissements de terrain lorsqu’ils secouent le fond marin. Mais les tempêtes, les inondations et toute une série d’autres phénomènes naturels peuvent également en provoquer, bien qu’à une échelle géographique plus réduite.

Actuellement, pour relier les turbidites aux tremblements de terre passés, il faut généralement les trouver dans des carottes géologiques prélevées au fond de la mer. Si une turbidite apparaît à peu près au même endroit dans plusieurs échantillons sur une zone relativement grande, elle est considérée comme un vestige d’un tremblement de terre passé, selon les chercheurs.

Bien que la datation au carbone des échantillons puisse aider à préciser la chronologie, il existe encore beaucoup d’incertitudes dans l’interprétation de la question de savoir si des échantillons qui apparaissent à peu près au même moment et au même endroit sont liés par le même événement.

Une meilleure compréhension de la relation entre les différents échantillons de turbidite a incité les chercheurs à appliquer une méthode plus quantitative aux données de turbidite, un algorithme appelé « déformation temporelle dynamique ». Cette méthode algorithmique remonte aux années 1970 et possède un large éventail d’applications, de la reconnaissance vocale au lissage des graphiques dans les environnements de réalité virtuelle dynamique.

C’est la première fois qu’il est appliqué à l’analyse des turbidites, a déclaré le co-auteur Zoltán Sylvester, professeur de recherche à la Jackson School et co-chercheur principal du Quantitative Clastics Lab, qui a dirigé l’adaptation de l’algorithme pour l’analyse des turbidites.

« Cet algorithme a été un élément clé de nombreux projets sur lesquels j’ai travaillé », a déclaré Sylvester. « Mais il est encore très peu utilisé dans les géosciences. »

L’algorithme détecte la similitude entre deux échantillons qui peut varier au fil du temps et détermine dans quelle mesure les données entre eux correspondent.

Pour les logiciels de reconnaissance vocale, cela signifie reconnaître des mots clés même s’ils sont prononcés à des vitesses ou des hauteurs différentes. Pour les turbidites, cela implique de reconnaître les propriétés magnétiques partagées entre différents échantillons de turbidites qui peuvent sembler différentes d’un endroit à l’autre bien qu’elles proviennent du même événement.

« Corréler les turbidites n’est pas une tâche simple », a déclaré Nora Nieminski, co-auteure du rapport et responsable du programme sur les risques côtiers pour la Division des levés géologiques et géophysiques de l’Alaska. « Les turbidites présentent généralement une variabilité latérale importante qui reflète leur dynamique d’écoulement variable. Par conséquent, on ne s’attend pas à ce que les turbidites conservent le même caractère de dépôt sur de grandes distances, ou même sur de petites distances dans de nombreux cas, en particulier le long des marges actives comme Cascadia ou dans divers environnements de dépôt. »

Les chercheurs ont également soumis les corrélations produites par l’algorithme à un autre niveau d’examen. Ils ont comparé les résultats aux données de corrélation calculées à l’aide de données synthétiques obtenues en comparant 10 000 paires de couches de turbidite aléatoires. Cette comparaison synthétique a servi de contrôle contre les correspondances fortuites dans les échantillons réels.

Les chercheurs ont appliqué leur technique aux diagraphies de susceptibilité magnétique des couches de turbidite dans neuf carottes géologiques recueillies lors d’une campagne scientifique en 1999. Ils ont constaté que dans la plupart des cas, la connexion entre les couches de turbidite qui avaient été corrélées auparavant n’était pas meilleure qu’aléatoire. La seule exception à cette tendance concernait les couches de turbidite qui étaient relativement proches les unes des autres, à une distance d’à peine 24 km.

Les chercheurs soulignent que l’algorithme n’est qu’une façon d’analyser les turbidités et que l’inclusion d’autres données pourrait modifier le degré de corrélation entre les carottes d’une manière ou d’une autre. Mais selon ces résultats, la présence de turbidités au même moment et dans une zone générale du registre géologique ne suffit pas à les relier définitivement les unes aux autres.

Et même si les algorithmes et les approches d’apprentissage automatique peuvent aider dans cette tâche, il appartient aux géoscientifiques d’interpréter les résultats et de voir où mène la recherche.

« Nous sommes là pour répondre à des questions, pas seulement pour appliquer l’outil », a déclaré Sylvester. « Mais en même temps, si vous faites ce genre de travail, cela vous oblige à réfléchir très attentivement. »