Les chercheurs ont utilisé l'IA pour identifier les changements dans l'atmosphère terrestre générés lorsque les vagues de tsunami commencent à se former en mer.
Cela pourrait considérablement allonger le délai d'alerte pour les communautés côtières confrontées à des risques de tsunamis.
Valentino Constantinou, de la société Terran Orbital Corporation, basée en Floride, explique : "Il n'existe pas de réseau mondial de détection des vagues de tsunami et l'installation de matériel physique, comme les systèmes basés sur des bouées, est coûteuse. Mais nous savons que les petites constellations de satellites prolifèrent partout".
La vitesse des signaux produits par les tremblements de terre en mer est influencée par la densité des particules chargées dans l'ionosphère terrestre, qui se trouve à environ 300 à 350 kilomètres au-dessus de la surface.
Lorsqu'un tsunami génère des ondes de choc qui remontent dans l'atmosphère, il modifie la densité de ces particules chargées, ce qui entraîne des modifications légères mais détectables des signaux reçus par les satellites.
Recherche précédente menée par le Jet Propulsion Laboratory de la NASA et l'université Sapienza de Rome en Italie a abouti à une méthode de calcul permettant d'évaluer les fluctuations de la densité des particules chargées dues aux tsunamis.
Sur cette base, M. Constantinou et son équipe ont converti les données, à l'origine en format unidimensionnel, en images bidimensionnelles. Ces images ont ensuite été analysées par des modèles d'intelligence artificielle à la recherche de signes liés aux tsunamis.
L'équipe a entraîné son système d'IA à l'aide de données provenant de trois tsunamis spécifiques provoqués par des tremblements de terre : le tsunami chilien de 2010, le tsunami japonais de 2011 et le tsunami canadien de 2012.
Ils ont testé l'efficacité du modèle sur un quatrième tsunami provoqué par le tremblement de terre d'Illapel en 2015 au Chili. L'IA a été examinée de près afin d'évaluer sa capacité à différencier les changements induits par les tsunamis du bruit de fond ionosphérique standard.
Afin de minimiser les faux positifs, les chercheurs ont filtré les perturbations causées par les stations terrestres en communication avec les satellites aériens.
Selon Quentin Brissaud de NORSAR, une fondation norvégienne de recherche sismique qui n'est pas liée à l'étude, cette méthodologie a donné "d'assez bons résultats" avec un taux de précision de détection supérieur à 90%. Cependant, Brissaud a souligné qu'il faudrait davantage de données pour vérifier la fiabilité de ce système pour différents types de tsunamis.
Quentin Brissaud note que "la rareté des tsunamis de grande ampleur rend difficile l'analyse et la prévision de tels événements".
L'un des défis que pose le déploiement d'un système mondial d'alerte aux tsunamis est la nécessité d'un partage international des données. Comme l'indique M. Constantinou, "les données sont souvent détenues par les gouvernements ou les partenaires commerciaux qui exploitent les satellites. Il n'y a pas d'endroit unique où saisir les données pour un système mondial".
En savoir plus sur l'étude
Le présent étude associe des données satellitaires à l'apprentissage automatique pour analyser les changements dans l'atmosphère terrestre déclenchés par les tsunamis.
Bien que la détection des tsunamis ait récemment progressé, les systèmes d'alerte précoce ne couvrent toujours pas suffisamment de nombreuses côtes.
Voici comment cela fonctionne :
- Des chercheurs ont mis au point un cadre basé sur l'IA pour identifier les signes précurseurs de tsunamis en surveillant les perturbations ionosphériques itinérantes (TID) dans l'ionosphère de la Terre. Ces perturbations affectent le contenu total en électrons (TEC), qui peut être détecté par le système mondial de navigation par satellite (GNSS).
- Cette approche exploite les données de plusieurs systèmes satellitaires tels que GPS, Galileo, GLONASS et BeiDou. Elle offre une couverture en temps réel de la haute mer et constitue un complément précieux pour les zones géographiques qui ne sont pas accessibles aux systèmes d'alerte traditionnels basés sur des bouées.
- Le modèle d'IA utilise des réseaux neuronaux convolutifs (CNN) formés sur les données historiques des tsunamis de 2010 à Maule, de 2011 à Tohoku et de 2012 à Haida-Gwaii. Il a ensuite été validé avec les données du tsunami d'Illapel de 2015, atteignant une précision de 91,7%.
- Le système utilise une stratégie d'atténuation des faux positifs (FPM) qui réduit considérablement le taux de fausses alarmes.
De nombreux systèmes d'IA sont déployés pour prédire les catastrophes environnementales, notamment Le centre d'information sur les inondations de Googlequi a récemment été étendu à d'autres régions.
