ScarpLearn : l’intelligence artificielle au service de la géomorphologie des failles normales

Les failles normales, souvent à l’origine de séismes destructeurs, laissent dans le paysage des escarpements caractéristiques (scarps). Mesurer leur hauteur permet de mieux comprendre l’activité passée des failles, mais cette tâche reste longue, subjective et difficile à reproduire.



Pour simplifier et fiabiliser ce travail, des chercheurs ont développé ScarpLearn, une méthode basée sur l’apprentissage profond (deep learning). L’outil utilise des réseaux de neurones convolutifs (CNN) entraînés sur des données simulées pour estimer automatiquement la hauteur des scarps, tout en fournissant une évaluation des incertitudes.

Testé sur des failles au Mexique (Trans-Mexican Volcanic Belt) et dans le Rift du Malawi, ScarpLearn montre plusieurs avantages par rapport aux méthodes classiques :

  • un gain de temps considérable,
  • des résultats plus reproductibles et précis,
  • une meilleure gestion des incertitudes.

Au-delà de ces cas d’étude, ScarpLearn illustre le potentiel de l’intelligence artificielle pour l’analyse morphotectonique. Cette approche ouvre la voie à une compréhension plus fine des failles normales et des risques sismiques qu’elles génèrent.


L’étude complète est publiée dans SEISMICA

Références

Arrowsmith, J. Ramón, Pollard, D. D., & Rhodes, D. D. (1996).
Hillslope Development in Areas of Active Tectonics.
Journal of Geophysical Research : Solid Earth, 101(B3), 6255–6275.

Hodge, M., Biggs, J., Fagereng, AAke, Elliott, A., Mdala, H., & Mphepo, F. (2019).
A Semi-Automated Algorithm to Quantify Scarp Morphology (SPARTA) : Application to Normal Faults in Southern Malawi.
Solid Earth, 10(1), 27–57.

Mattéo et al., 2021
L. Mattéo, I. Manighetti, Y. Tarabalka, J.-M. Gaucel, M. van den Ende, A. Mercier, O. Tasar, N. Girard, F. Leclerc, T. Giampetro, S. Dominguez, J. Malavieille
Automatic Fault Mapping in Remote Optical Images and Topographic Data With Deep Learning
Journal of Geophysical Research : Solid Earth , 126(4) (2021)

Núñez Meneses, A., Lacan, P., Zúñiga, F. R., Audin, L., Ortuño, M., Rosas Elguera, J., León-Loya, R., & Márquez, V. (2021).
First Paleoseismological Results in the Epicentral Area of the Sixteenth Century Ameca Earthquake, Jalisco – México.
Journal of South American Earth Sciences, 107, 103121.

Pousse-Beltran et al., 2022
L. Pousse-Beltran, L. Benedetti, J. Fleury, P. Boncio, V. Guillou, B. Pace, M. Rizza, I. Puliti, A. Socquet
36Cl Exposure Dating of Glacial Features to Constrain the Slip Rate along the Mt. Vettore Fault (Central Apennines, Italy)
Geomorphology, 108302 (2022)

Contacts scientifiques :

  • Léa Pousse-Beltran – Chercheuse, ISTerre – IRD
  • Théo Lallemand – Chercheur, ISTerre
  • Laurence Audin – Chercheuse, ISTerre – IRD
  • Pierre Lacan – Chercheur, UNAM (Universidad Nacional Autónoma de México)
  • Andres David Nunez-Meneses – Chercheur, UNAM (Universidad Nacional Autónoma de México)
  • Sophie Giffard-Roisin – Chercheuse, ISTerre – IRD


Financements et soutiens

  • Agence Nationale de la Recherche, dans le cadre du programme France 2030, référence ANR-23-IACL-0006
  • MIAI@Grenoble Alpes (ANR19-P3IA-0003)
  • Infrastructure GRICAD
  • ISTerre, dans le cadre du Labex OSUG@2020 (Investissements d’Avenir – ANR10-LABX56)
  • Appel R&T 2022 du CNES : Hybridation des données, Nº34500075632
  • Programme PNTS de l’INSU-CNRS
  • Projets PAPIIT IN108220 et IG101823 attribués à Pierre Lacan
  • Projet collaboratif franco-mexicain SEP-CONACYT-ANUIES-ECOS Nº321193 et projet IGCP-669 Ollin de l’UNESCO-IUGS
  • Universidad Nacional Autónoma de México, dans le cadre d’une bourse PASPA – DGAPA (mobilité académique de P. Lacan)
  • Programme DINAMIS