L'IA prévient des coulées de boue
En cas d'éboulis ou de coulées de boue, il reste généralement peu de temps pour donner l'alerte. Gr?ce à la surveillance sismique et à l'apprentissage automatique, des chercheurs de l'ETH Zurich et du WSL ont mis au point un système d'alarme capable de donner un avertissement précoce en cas de laves torrentielles à l'Illgraben.
Les laves torrentielles sont des mélanges d'éboulis, de terre et d'eau. Elles se forment souvent lors de fortes pluies sur des terrains alpins escarpés et grondent de manière incontr?lée à travers les gorges et les torrents de montagne vers la vallée. Rien qu'en Suisse, on compte plusieurs centaines d'événements par an. Le changement climatique favorise ce phénomène naturel, car les pergélisols deviennent visiblement instables et les phénomènes météorologiques extrêmes augmentent. Lorsque les laves torrentielles sont particulièrement importantes ou qu'elles se produisent à des endroits inattendus, elles déploient un potentiel destructeur considérable, mena?ant les personnes, les infrastructures et l'environnement.
Pour réduire le danger dans les zones exposées, les systèmes d'alerte jouent un r?le important. Il est décisif de détecter le plus t?t possible et de manière fiable les masses de boue et d'éboulis qui s'approchent. Aujourd'hui, les systèmes d'alerte sont basés sur des instruments qui doivent typiquement être installés dans des sections de vallée accessibles et situées en contrebas. Ainsi, ils n'enregistrent les événements que relativement tard - un problème très répandu dans la détection des laves torrentielles.
Des chercheurs de l'ETH Zurich et du WSL viennent de mettre au point un nouveau type de détecteur capable de détecter les laves torrentielles plus t?t. Il identifie déjà à une distance s?re les plus petites secousses qui provoquent des laves torrentielles peu après leur déclenchement. Les scientifiques dirigés par Fabian Walter, professeur de sismologie glaciaire à l'ETH, ont présenté leur approche novatrice dans la revue spécialisée page externeGeophysical Research Letters avant.
Mesures sur le site d'essai de lave torrentielle de l'Illgraben
Pour leur étude, les chercheurs ont choisi l'Illgraben dans le canton du Valais. Des matériaux rocheux et terreux se détachent fréquemment des pentes abruptes du bassin supérieur du chenal - il en résulte parfois d'énormes avalanches d'éboulis et de boue qui se déroulent sur deux à trois kilomètres à travers les gorges profondément encaissées de l'Illgraben. Elles rejoignent ensuite la vallée principale et parcourent encore cette distance avant de se jeter dans le Rh?ne. Depuis une vingtaine d'années, le WSL exploite à l'Illgraben un observatoire doté de stations de mesure, afin d'étudier la formation et le mouvement des laves torrentielles et de déterminer leur masse, leur densité et leur vitesse.
Dans les années 1960, le chenal inférieur de l'Illgraben a été assaini et sécurisé par plusieurs barrages, de sorte que la plupart des coulées restent dans le chenal et ne menacent pas les terrains environnants, comme l'embouchure de l'Illgraben dans le Rh?ne. Comme plusieurs sentiers de randonnée passent à proximité du fossé et dans le chenal, un système d'alerte précoce prévient depuis 2007 des laves torrentielles.
Ce système est basé sur des capteurs placés dans le lit de la rivière, notamment des géophones, des radars, des lasers et des caméras vidéo. Les instruments détectent les laves torrentielles de manière fiable, mais ne peuvent être utilisés que dans la partie inférieure de la vallée, où le torrent est accessible. Cela limite le temps d'alerte à quelques minutes.
Détecter les laves torrentielles à l'aide de capteurs sismiques
C'est à ce point faible que s'attaque la nouvelle étude. "Nous voulons détecter les chutes de pierres et les laves torrentielles le plus t?t possible afin d'avertir la population des zones à risque avec suffisamment de temps d'avance", expliquert Ma?gorzata Chmiel, première auteure du document et post-doctorante dans le groupe de recherche de Walter au Laboratoire de recherches hydrauliques hydrologiques et glaciologiques (VAW) de l'ETH Zurich. Au lieu de surveiller les laves torrentielles avec les instruments habituels, Walter et son équipe utilisent des capteurs sismiques, normalement utilisés pour mesurer les tremblements de terre.
Les sismomètres permettent également d'enregistrer les secousses provoquées par les laves torrentielles. Selon l'ampleur de l'événement, celles-ci peuvent même être éloignées de plusieurs kilomètres. "Ainsi, les laves torrentielles sont déjà potentiellement détectables alors qu'elles se trouvent encore dans des zones plus élevées et inaccessibles", explique Walter pour expliquer l'avantage de ce nouveau système de surveillance. Dans ce but, les chercheurs ont installé un réseau de sismomètres autour du bassin versant de l'Illgraben.
Point crucial : la détection automatique
Le véritable défi consistait cependant à créer un détecteur capable de distinguer spécifiquement les secousses d'une lave torrentielle des autres vibrations du sol dans un flux continu de données sismiques. En effet, les troupeaux de vaches, les chantiers éloignés ou le trafic ferroviaire et routier font également trembler le sol.
L'équipe de Walter a eu recours à l'apprentissage automatique - une méthode d'intelligence artificielle dans laquelle un ordinateur apprend de manière autonome, à l'aide de données d'entra?nement, comment reconna?tre des modèles dans de grands ensembles de données. Les chercheurs ont entra?né l'algorithme d'apprentissage avec des signaux de mouvements de masse antérieurs qu'ils avaient enregistrés auparavant à l'Illgraben, soit 22 événements au total. Ils ont ensuite testé leur système dans des conditions réelles avec des données de surveillance sismique en temps réel.
Résultat : sur les 13 laves torrentielles et petites inondations qui se sont produites à l'Illgraben durant l'été 2020, le détecteur d'IA a identifié chacune d'entre elles de manière fiable - sans générer de fausses alertes. "L'algorithme a déjà détecté les premières secousses de laves torrentielles se produisant très en amont", souligne Walter. Dans l'Illgraben, cela a permis d'augmenter les temps d'alerte d'au moins 20 minutes par rapport aux systèmes de détection existants. "Il s'agit d'une énorme amélioration", explique Walter.
Généraliste ou spécialiste ?
Avec leur étude, les scientifiques ont fourni la preuve que les laves torrentielles peuvent être détectées à un stade précoce gr?ce aux données sismiques et à l'apprentissage automatique. L'Illgraben offre à cet effet un laboratoire naturel idéal, et l'approche y fonctionne bien. Toutefois, la méthode nécessite un vaste ensemble de signaux de laves torrentielles pour entra?ner l'algorithme. "De telles données d'entra?nement ne sont presque jamais disponibles ailleurs", admet le spécialiste des mouvements sismiques de masse.
Il n'est pas encore clair dans quelle mesure le détecteur entra?né à l'Illgraben peut également détecter des laves torrentielles dans d'autres bassins versants. Les chercheurs souhaitent à l'avenir étendre l'algorithme de manière à ce qu'il puisse s'en sortir avec moins de données d'entra?nement, voire même sans données spécifiques au lieu.
Coopération pour la détection précoce des dangers naturels
Les ambitions des chercheurs ne s'arrêtent toutefois pas là. Ce détecteur d'un nouveau genre est un premier jalon dans un projet d'ordre supérieur du WSL et de Swisscom Broadcast. La coopération en matière de recherche, à laquelle le groupe de Walter participe également de manière déterminante, vise à améliorer la surveillance des mouvements de masse dans l'espace alpin. Swisscom Broadcast développe à cet effet une plate-forme qui rassemble des flux de données provenant de différentes sources et les évalue en temps réel afin de détecter les dangers naturels à un stade précoce.
Actuellement, la plate-forme Dangers naturels est alimentée en premier lieu par les capteurs sismiques de Fabian Walter ainsi que par les sismographes du Service sismologique suisse. Les chercheurs s'emploient à intégrer à l'avenir d'autres sources de données pertinentes - des valeurs de précipitations et des mesures du permafrost à une multitude de capteurs de l'Internet des objets, en passant par le monitoring sismique à l'aide de c?bles en fibre optique. "Pour traiter des quantités de données aussi énormes, il faut des procédés de big data et des algorithmes intelligents", explique Walter. Le détecteur d'IA pour les laves torrentielles est un premier pas dans cette direction.
Discussion en atelier avec Fabian Walter
Fabian Walter occupe depuis 2015 une chaire d'assistant en sismologie glaciaire à l'ETH Zurich, soutenue par le Fonds national suisse (FNS). La présente étude a été soutenue par le canton du Valais, le WSL, le FNS, le Service sismologique suisse et Swisscom Broadcast.
Référence bibliographique
Chmiel M, Walter F, Wenner M, Zhang Z, McArdell BW, Hibert C : page externeL'apprentissage automatique améliore l'alerte de flux de débris. Geophysical Research Letters (2021), doi : page externe10.1029/2020GL090874
Plus d'informations
- page externe call_made Dangers naturels - un nouveau système de surveillance testé avec succès (Discussions en atelier, 28.11.2019)
- chevron_right Recherche sur les mouvements de masse alpins à la VAW
- page externe call_made Recherche sur les laves torrentielles au WSL : Site d'essai de laves torrentielles de l'Illgraben, Susten-Leuk (VS)