dP2 - dP1 = vP × (tP2 - tP1) = constante où dP1 et dP2 sont les distances des capteurs à la source
Chapitre 4 – Applications des méthodes de détection et de localisation sur trois périodes caractéristiques
4.1. Détection des signaux sismiques
4.1.1. Détection visuelle avec SonoView
Il s’agit d’effectuer dans un premier temps un « scanner visuel » des enregistrements sismiques. Tous types de signaux naturels confondus, mais en en ayant a priori retiré les signaux parasites (cf. section 3.2.1), nous avons identifié 710 signaux sismiques pour les deux semaines d’octobre 2009 et 874 signaux sismiques pour le mois de mai 2010 (Tableau 4.1).
Tableau 4.1. Comparaison entre le nombre d’événements pointés manuellement et par détection
semi-automatique.
Période et site d’acquisition
Octobre 2009 (15 jours) Super-Sauze Novembre 2009 (7 jours) Valoria Mai 2010 (31 jours) Super-Sauze
Événements pointés manuellement avec HypoLine 710 Non testé 874
Événements candidats pointés automatiquement 2097 12287 2082
Événements restants après contrôle manuel 755 1615 1529
À Valoria, avec l’accélération du mouvement, certains capteurs sont endommagés et il est plus difficile de distinguer clairement les signaux sismiques possiblement significatifs du mouvement parmi d’autres induits par des bruits extérieurs dont la quantité ne cesse d’augmenter (Fig. 4.1). Cela rend les étapes manuelles assez laborieuses à cause de la durée que nécessite leur traitement.
Nous en concluons que le principe d’affichage des canaux de manière condensée est certes commode pour avoir un aperçu global des variations du signal ; dans le cas de longs enregistrements ou
d’enregistrements très complexes en signaux, il nous faut considérer une méthode plus rapide et surtout peut-être plus automatique pour optimiser notre temps d’identification des signaux sismiques.
Figure 4.1. Évolution des super-spectrogrammes lors de l’accélération sur le glissement de Valoria le 13
novembre 2009. Les cercles noirs mettent en évidence des occurrences possibles de signaux sismiques.
4.1.2. Détection semi-automatique
Nous visionnons les mêmes périodes d’acquisition afin de comparer l’efficacité de la méthode de détection semi-automatique avec la lisibilité de la méthode uniquement visuelle et manuelle. Les résultats sont complétés dans le Tableau 4.1.
En première approche, si l’on compare avec l’analyse manuelle préalablement faite pour les périodes d’acquisition sur le glissement de Super-Sauze, la méthode semi-automatique permet d’isoler plus du double de signaux sismiques. Nous avons repris les catalogues pour vérifier l’exactitude de la classification de ces signaux entre signaux naturels et signaux parasites (section 3.2). La quantité de signaux à exclure car considérés comme parasites est variable selon les périodes. Elle dépend en effet de l’activité anthropique (remontées mécaniques, hélicoptères, personnes sur le terrain…) et de problèmes électroniques. Une fois ces signaux filtrés il reste encore presque 50 % de signaux sismiques en plus pour la période de mai par exemple. En effet, certains signaux sont très brefs ou
d’amplitude très faible à cause de l’atténuation et de la fracturation du milieu. Cela réduit d’autant la possibilité de les détecter visuellement sur la base d’une variation de couleurs.
Concernant la semaine d’acquisition à Valoria, la détection semi-automatique isole plus de 12000 signaux sismiques. Nous en retenons seulement environ 1600, soit moins de 20 % comme étant probablement significatifs de la mécanique du glissement (Tableau 4.1). Par soucis d’économie de temps et probablement parce que le résultat aurait été peu significatif du fait des difficultés à distinguer les signaux, nous préférons ne pas nous engager dans la comparaison des détections semi-automatiques et visuelles pour cette troisième période.
On peut donc considérer que la méthode de détection semi-automatique proposée par Helmstetter & Garambois (2010) est un bon moyen de détecter une grande quantité de signaux sismiques, malgré la forte atténuation des milieux argileux. Elle permet par ailleurs d’économiser une quantité de temps non négligeable. Il reste cependant nécessaire d’effectuer un contrôle visuel de validation des signaux sismiques catalogués pour supprimer d’éventuels bruits et signaux externes.
4.1.3. Validité de la classification théorique des signaux sismiques
Nous classifions les signaux sismiques détectés en types A, B et C à partir de la classification que nous avons établie en section 3.2.2 sur la base de l’analyse des spectrogrammes et des sismogrammes. Si nous affichons sous forme graphique la fréquence dominante des signaux sismiques en fonction de leur durée, nous constatons que les trois types de signaux se concentrent vers trois pôles plus ou moins distincts (Fig. 4.2).
Figure 4.2. Fréquence dominante en fonction de la durée des signaux sismiques pour les trois périodes initiales.
On constate que chaque type de signal sismique tend à se concentrer dans une aire bien définie en durée et en fréquence.
Nous ne considérons pas l’amplitude du signal comme un critère de distinction dans la mesure où elle ne varie pas systématiquement entre les types de signaux. En effet, l’amplitude d’un même type de signal peut varier d’une dizaine à plusieurs milliers de nanomètres par seconde pour des signaux du même type (Fig. 4.3). Pour chaque période d’acquisition, la distribution en amplitude (moyenne des
amplitudes maximales comme défini en section 3.4.1) des signaux sismiques de type A et de type B suit pour des amplitudes supérieures à 300 nm.s-1 une loi de puissance de type Gutenberg-Richter avec des coefficients calculés par régression linéaire compris entre 1,1 et 1,9. Ces valeurs sont assez proches des valeurs obtenues sur le glissement de Séchilienne (Helmstetter & Garambois 2010) mais plus élevées que celles déjà obtenues par Walter et al. (2011) pour le glissement de Super-Sauze dans le cas spécifique des fissures. On remarque d’ailleurs que la valeur du coefficient b (calculé par analogie à la loi de distribution de Gutenberg-Richter) est différente pour les signaux de type A entre le mois d’octobre 2009 et le mois de mai 2010. Cela peut être dû au fait que les amplitudes, les paramètres d’atténuation (saturation, fracturation…) et la distance des sources à l’antenne sismique varient (Amitrano 2012). Ce qui confirme la complexité de la structure interne du glissement et que les sources ne sont probablement pas toutes localisées dans la même région. Quant au manque de données pour les amplitudes inférieures à 300 nm.s-1, cela peut être à cause du niveau de bruit trop élevé pour détecter proprement tous les signaux sismiques de faible amplitude.
Figure 4.3. Distribution cumulée des signaux sismiques de type A et de type B détectés sur le glissement de
Super-Sauze en (a) octobre 2009 et (b) mai 2010 et (c) sur le glissement de Valoria. (d) Variations de l’amplitude des signaux sismiques de type A et de type B détectés durant l’accélération sur le glissement de Valoria. Les amplitudes sont estimées après avoir filtré le signal entre 2 et 50 Hz et varient entre 102 et 104 nm.s-1. On estime aussi la valeur du coefficient b par analogie à la loi de distribution de Gutenberg-Richter.
La classification théorique que nous avions fixée sur la base des analyses précédentes (section 3.2.2) nous permet donc de bien identifier trois types de signaux sismiques qui se distinguent essentiellement par leur contenu fréquentiel et leur durée. Nous pouvons alors chercher à localiser ces signaux sismiques par types afin de renforcer notre classification puis de mieux contraindre l’interprétation des sources possibles.