Introduction à la prévision du tremblement de terre

Les tremblements de terre sont parmi les catastrophes naturelles les plus dévastatrices, capables d'effacer des villes entières et de déclencher des risques secondaires tels que les tsunamis, les glissements de terrain et les incendies. La recherche de la précision de ces événements sismiques – avec des informations précises sur le moment, l'emplacement et l'ampleur – a été un défi central en sismologie depuis plus d'un siècle.

La physique complexe de la rouille du tremblement de terre

Les tremblements de terre proviennent de l'accumulation d'énergie de déformation dans la croûte terrestre qui dépasse la force de friction qui maintient une faille en place, provoquant une rupture soudaine et la libération d'énergie. Ce processus de rupture implique des phénomènes physiques hautement non linéaires et hétérogènes, y compris la redistribution du stress, les changements de pression fluide dans les zones de faille et les propriétés rocheuses variables.

L'initiation de la rupture est considérée comme dépendant de changements subtils et souvent indétectables dans les propriétés de la contrainte locale et de la roche à la profondeur. Parce que les failles fonctionnent au bord de l'échec, même les perturbations mineures peuvent déclencher un grand tremblement de terre, mais ces perturbations sont effectivement cachées à l'observation directe.

Tectonique des plaques et caractérisation des défauts

La théorie tectonique moderne fournit un cadre général pour identifier les régions sujettes à de grands tremblements de terre. La sismicité majeure se concentre le long des limites des plaques, y compris les zones de subduction (où une plaque plonge sous une autre), les failles de transformation (où les plaques glissent les unes après les autres) et les zones de collision continentale.

Des organismes comme US Geological Survey (USGS)[ produisent des cartes de risques sismiques illustrant la probabilité de tremblements de terre sur de longues périodes (habituellement de 30 à 50 ans).Ces cartes probabilistes sont essentielles à l'urbanisme, aux codes du bâtiment et à l'assurance, mais ne fournissent pas de prévisions précises sur le moment ou l'endroit où les tremblements de terre se produiront.

La caractérisation détaillée des défauts individuels – y compris les mesures des taux de glissement, des intervalles de récurrence et de la segmentation – améliore les évaluations des risques. Par exemple, la paléoséismologie étudie les tranchées entre les défauts pour découvrir les antécédents de ruptures passées.

Progrès récents en sismologie

Au cours des deux dernières décennies, les sismologues ont mis au point de nouvelles technologies et méthodes qui fournissent des informations limitées mais précieuses sur la prévision des tremblements de terre, et qui portent sur trois domaines clés : l'amélioration des réseaux de surveillance, les systèmes d'alerte rapide aux tremblements de terre et la recherche de précurseurs physiques ou statistiques des phénomènes sismiques.

Réseaux sismiques à haute densité et données en temps réel

Des régions sismiques comme le Japon, la Californie et la Nouvelle-Zélande abritent maintenant des réseaux sismiques denses composés de milliers d'instruments sensibles capables de détecter les microséismes, souvent avec des magnitudes inférieures à 3. Ces microséismes étaient auparavant indétectables mais sont cruciaux pour comprendre la dynamique des failles et les changements de stress.

L'analyse des variations de la vitesse des ondes sismiques dans ces réseaux peut révéler des variations subtiles de la croûte, comme la dilatation ou la migration des fluides le long des failles, qui précèdent parfois des tremblements de terre plus importants.

Systèmes d'alerte rapide lors du séisme

Les systèmes d'alerte précoce (TEE) du tremblement de terre sont apparus comme une technologie pratique et vitale, même s'ils ne prédisent pas les tremblements de terre à l'avance. Au lieu de cela, les systèmes d'alerte précoce détectent rapidement les ondes primaires (P) initiales et moins destructives générées par un tremblement de terre et envoient des alertes avant l'arrivée des ondes secondaires (S) les plus dommageables.

  • Parmi les exemples, on peut citer ShakeAlert aux États-Unis, qui est opérationnel depuis 2019 et qui couvre la Californie, l'Oregon et Washington.
  • Le système de l'Agence météorologique du Japon (AMI), qui est en place depuis le début des années 2000, fournit des alertes à l'échelle nationale et s'intègre aux infrastructures publiques.
  • Le système SASMEX du Mexique, qui permet d'alerter rapidement les grandes populations urbaines de Mexico et d'autres régions.

Les systèmes EEW peuvent arrêter automatiquement les trains, ouvrir les portes de l'ascenseur et envoyer des alertes sur les smartphones, réduisant ainsi considérablement les blessures et les pertes économiques lors des tremblements de terre.

Recherche sur les précurseurs physiques

Les scientifiques ont exploré divers phénomènes physiques qui pourraient être précurseurs de grands tremblements de terre, notamment les fluctuations des niveaux d'eau souterraine, la libération de gaz de radon, les anomalies électromagnétiques et même le comportement inhabituel des animaux. L'hypothèse sous-jacente est que le stress intense et la microfracturation qui précèdent la rupture produisent des signaux mesurables.

Par exemple, des expériences en laboratoire simulent la rupture de roche et montrent que la microcraquage peut générer des signaux électriques ou libérer des gaz piégés dans des espaces interstitiaires. Des études de terrain, comme l'étude du tremblement de terre 2011 , ont identifié des diminutions subtiles de la vitesse sismique mois avant le choc principal, suggérant une dilatation de zone de faille ou un mouvement fluide.

Cependant, ces précurseurs potentiels sont confondus par de nombreuses sources de bruit environnemental, y compris les changements de pression atmosphérique, les marées océaniques et l'activité humaine. L'absence de signaux cohérents et répétables sur différents tremblements de terre et régions limite leur utilisation pratique dans la prévision.

Limites des méthodes actuelles de prévision

Malgré des décennies de recherches et de multiples succès signalés, aucune méthode de prévision des tremblements de terre n'a encore satisfait aux normes scientifiques rigoureuses requises pour des prévisions fiables et systématiques.

Manque de précurseurs clairs et répétables

Pour qu'un précurseur du tremblement de terre soit utile, il doit se produire régulièrement avant les grands tremblements de terre et avoir un faible taux de fausses alarmes. Jusqu'à présent, aucun paramètre observable ne répond à ces critères à l'échelle mondiale ou même régionale.

Le tremblement de terre de Haicheng en Chine en 1975 est souvent cité comme un exemple rare de prédiction à court terme réussie, basée sur l'activité de préchaudage et le comportement animal inhabituel. Cependant, Haicheng reste un aberrant; le tremblement de terre de Tangshan en 1976, qui a causé des pertes massives, s'est produit sans avertissement.

Le chaos des systèmes de défaillance

La dynamique de rupture du tremblement de terre présente des caractéristiques des systèmes chaotiques, ce qui signifie que la prédiction précise à long terme est théoriquement impossible au-delà d'un certain horizon. Le concept de -criticité auto-organisée -- décrit les systèmes de faille comme étant perpétuellement près d'un état critique, où des perturbations mineures pourraient déclencher de grands événements imprévisibles.

En raison de cette imprévisibilité inhérente, les prévisions déterministes précisant le moment exact, l'emplacement et la grandeur des jours ou des semaines à l'avance sont largement considérés comme inaccessibles avec la compréhension scientifique et la technologie actuelles.

Défis éthiques et sociaux

Même si les méthodes prédictives ont montré une certaine compétence, la diffusion d'avertissements de tremblements de terre publics soulève de graves défis éthiques et sociaux. Les fausses alarmes peuvent provoquer la panique, des perturbations économiques et la perte de confiance du public envers les autorités.

Pour ces raisons, la plupart des agences sismiques priorisent les évaluations probabilistes à long terme des risques et les systèmes d'alerte rapide sur les prévisions déterministes à court terme. L'USGS déclare explicitement que ni lui ni aucune autre institution scientifique n'a jamais prédit un tremblement de terre majeur et préconise la communication de probabilités plutôt que de certitudes.

Le rôle de l'apprentissage automatique dans les prévisions du tremblement de terre

Les percées récentes dans l'apprentissage automatique (ML) et l'intelligence artificielle offrent de nouvelles possibilités d'analyse des données sismiques et pourraient améliorer la prévision des tremblements de terre.

Reconnaissance du modèle sismique

Des réseaux neuronaux avancés, y compris des architectures convolutionnelles et récurrentes, ont été formés pour détecter les séquences de préhension, les signaux sismiques cachés et les changements de forme d'onde subtils avant les principaux choc. Une étude remarquable de chercheurs de Stanford et de Google a appliqué l'apprentissage profond aux formes d'onde de la séquence de séisme Ridgecrest 2019 en Californie, découvrant que les préhensifs contenaient des informations prédictives sur la magnitude de mainshock à venir.

Cependant, ces modèles d'apprentissage automatique ont souvent du mal à généraliser au-delà des régions et ensembles de données spécifiques sur lesquels ils ont été formés, ce qui les a conduits à suradapter leurs compétences prédictives à des environnements ou des périodes tectoniques différents, limitant ainsi leur utilité opérationnelle actuelle.

Modèles d'intégration et de prévision des données

L'intégration de divers ensembles de données géophysiques — formes d'ondes sismiques, mesures géodésiques GPS, observations géochimiques et données hydrologiques — permet la construction de modèles multidimensionnels plus riches. Les réseaux neuronaux, qui intègrent des lois connues d'accumulation de déformation, de friction et de transfert de contraintes, ont montré des promesses dans la reproduction de comportements complexes de défaillance.

Néanmoins, le défi fondamental demeure : les grands tremblements de terre sont rares, avec seulement quelques événements significatifs enregistrés au siècle dans une région donnée.Cette rareté des données de formation rend difficile de distinguer les véritables modèles prédictifs des corrélations coïncidantes. Un article de science sur la prévisibilité des tremblements de terre a souligné que, si les techniques ML améliorent les prévisions de postchocs à court terme, l'extension de ces méthodes à la prévision des tremblements de terre nécessite des percées dans la compréhension de la physique de la nucléation des tremblements de terre.

Orientations futures en sismologie

Compte tenu de la complexité inhérente et de l'imprévisibilité des tremblements de terre, l'avenir de la prévision sismique repose sur des approches multidisciplinaires qui améliorent les modèles probabilistes, élargissent l'infrastructure d'observation et approfondissent la recherche fondamentale.

Infrastructure de surveillance améliorée

Des réseaux de capteurs de plus en plus denses, tant sur terre que sous le fond océanique, sont essentiels pour capter des signaux sismiques subtils et des phénomènes de glissement lent liés à de grands tremblements de terre.Les observatoires du fond marin, comme Japans S-Net et les États-Unis Ocean Observatories Initiative (OOI)[, qui se trouvent hors de la zone de subduction de Cascadia, fournissent des données en temps réel sur les tremblements et les glissements de faille lents qui étaient auparavant indétectables.

D'autres instruments, comme les jauges de forage et les manomètres de pression des eaux souterraines, offrent une plus grande sensibilité en mesurant la déformation crustale et les variations de fluide à la profondeur, complétant les sismomètres de surface. La vision est de déployer des grilles d'observation denses en temps réel avec espacement sous-kilomètre dans les régions critiques, analogues aux réseaux radar denses utilisés pour la prévision météorologique.

Recherche interdisciplinaire et simulations de laboratoire

Les études expérimentales en laboratoire utilisant des échantillons de granit ou d'autres roches dans des conditions de contrainte contrôlées simulent les processus de microcraquage et de glissement qui conduisent à la rupture.Ces expériences permettent de comprendre les lois de frottement des failles et la séquence des événements précédant la défaillance.

Un article de nature sur la prévision des tremblements de terre en laboratoire[ a démontré que l'apprentissage automatique peut prédire le moment et l'ampleur des tremblements de terre en laboratoire avec une grande précision, offrant un environnement contrôlé pour tester et affiner les algorithmes de prévision avant de les appliquer aux données de terrain.

Prévisions probabilistes du tremblement de terre opérationnel

Au lieu de se concentrer sur les prédictions binaires, de nombreuses agences émettent maintenant des prévisions opérationnelles de tremblements de terre qui communiquent les probabilités de tremblements de terre dommageables dans des fenêtres de temps spécifiées allant d'heures à semaines. Par exemple, le modèle USGS=s opérationnel pour les répliques en Californie utilise le modèle de séquence de type épidémique après choc (ETAS), qui met à jour les estimations de risques sismiques en temps réel après les événements majeurs.

L'élargissement des prévisions probabilistes pour couvrir les principaux chocs en intégrant des facteurs tels que le déclenchement du stress, les événements de glissement lent et le fluage des failles est un domaine de recherche actif.

Conclusion

La prévision du tremblement de terre demeure l'un des défis les plus redoutables de la science de la Terre. La physique chaotique de la rupture de la faille, la rareté des grands événements et la difficulté d'isoler les précurseurs fiables du bruit de fond imposent des limites fondamentales à la prévision déterministe.

Plutôt que de chercher un seul prédicteur ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------