Outils personnels

Vous êtes ici : Accueil / Science et société / Sciences pour tous / Actu des publis / Reconnaître automatiquement les séismes sous-marins avec des hydrophones

Reconnaître automatiquement les séismes sous-marins avec des hydrophones

Les réseaux d'hydrophones mouillés en mer ne sont relevés qu'au bout d'un an ou plus et stockent des volumes gigantesques d'enregistrements sonores. Comment automatiser l'analyse de ces données pour y reconnaître de façon fiable les différents types d'ondes sismiques ?

Bandeau Sukhovich.jpg

Les dorsales océaniques sont le siège d'une activité sismique de faible magnitude, qu'on étudie par des sismomètres posés sur le fond ou des hydrophones placés dans la colonne d'eau. Les ondes acoustiques générées par les séismes sous-marins (ondes T) se propagent pratiquement sans atténuation sur de très grandes distances dans une couche d'eau qui agit comme un guide d'onde ("canal SOFAR") ; c'est donc à cette profondeur que sont placés les hydrophones, dont la disposition en réseau permet de localiser les séismes.

A part ces ondes T, les hydrophones enregistrent aussi des ondes provenant de séismes très lointains (ondes P télésismiques) et d'autres bruits : il est donc nécessaire de les distinguer dans les enregistrements. Cette tâche est facile pour un observateur expérimenté mais exigeante en temps, ce qui interdit de l'appliquer aux masses considérables de données stockées par les hydrophones entre leur mouillage et leur récupération, soit en général pendant un an ou plus. Les méthodes automatisées mises au point jusqu'ici ont l'inconvénient de ne séparer qu'un type de signal par rapport à tout le reste. Cet article décrit donc une nouvelle méthode de reconnaissance des ondes T et P, ainsi que des autres sources sonores captées par les hydrophones.

                                                                                                                                       

mouillage-hydrophone.jpeg

Mouillage d'un hydrophone dans l'océan Indien à bord du N/O Marion-Dufresne

 

La méthode suit plusieurs étapes :

- l'intégralité des données est analysée avec un méthode classique où le début et la fin de chaque signal sont détectés en calculant le rapport des puissances puissances moyennes reçues à court terme (10 s) et à long terme (100 s).

- en utilisant la transformée dite "en ondelettes", les propriétés acoustiques du signal sont exprimées par les proportions de la puissance totale reçues au sein de sept bandes de fréquences.

- ces sept proportions caractérisent un signal. En les comparant à une banque de signaux connus, il est possible de déduire de quel type de signal il s'agit : ondes télésismiques P ou T, bruits de navire ou d'iceberg. Cette comparaison est faite par une suite "d'arbres de décision", séquences de règles dichotomiques permettant de séparer les signaux en groupes de même origine. Les règles de décision sont préalablement élaborées pendant une "phase d'apprentissage" à partir de signaux modèles (par exemple, les signaux identifiés par un observateur).


Sukhovich_Fig 1.jpg

Exemples d'une onde P télésismique (à gauche) et d'une onde T (à droite) : le signal (en haut), sa transformée en ondelettes (au milieu) et le spectrogramme (en bas)

 

La méthode a été appliquée aux enregistrements recueillis de juin 2002 à avril 2003 par deux hydrophones (S2 et S5) situés de part et d'autre de la dorsale médio-atlantique ; ces données ayant déjà été analysées, les résultats de la reconnaissance automatique peuvent être confrontés au catalogue des évènements sismiques ainsi identifiés. Tous les signaux détectés par la méthode automatique ont été identifiés à l'aide du catalogue. Dans la plupart des cas, il s'agissait d'ondes T, plus rarement d'ondes P ; les signaux ne correspondant à aucun évènement sismique étaient dus à des passages de bateaux ou à des icebergs (les signaux émis par des cétacés sont trop courts pour être retenus par la détection automatique).

 Sukhovich_Fig 3.jpg

 

Caractérisation des quatre principaux types de signaux par les proportions de l'énergie reçue dans les sept bandes de fréquence

 

La capacité maximale de prédiction du modèle peut être évaluée en l'appliquant aux données qui ont servi à le construire. Les résultats de l'arbre construit avec l'ensemble des données sont très bons puisque seuls un et cinq des 1570 et 1329 signaux des deux hydrophones ont été mal classés.

Dans la réalité, l'arbre est élaboré à partir d'un sous-échantillon puis appliqué à l'ensemble des données. Le sous-échantillon contient des signaux dont les types sont identifiés manuellement

par un observateur. La façon dont il est construit est donc importante. Sa taille est un compromis entre la qualité du modèle prédictif et le temps passé à identifier les signaux ; pour les données d'un seul hydrophone, les essais ont montré qu'une proportion de 10 % de l'ensemble suffit. Il doit aussi être représentatif, en incluant des signaux de tous les types et en intégrant la variabilité des signaux au sein d'un type donné. Comme par définition les signaux ne sont pas identifiés, le sous-échantillon a été tiré au hasard, à partir d'une classification automatique ne reposant que sur les caractéristiques acoustiques des enregistrements, donc sans mettre en jeu de connaissance préalable. Pour chaque hydrophone, on a testé le pouvoir prédictif du modèle en l'appliquant à 100 sous-échantillons issus de tirages aléatoires différents.

 

 

Bien classés

Faux positifs

Faux négatifs

Ondes T

1471

19

5

Ondes P

17

2

0

Navires

0

0

14

Icebergs

58

3

5

Performance moyenne (sur 100 sous-échantillons aléatoires) du classement des signaux de l'hydrophone S2

 

Pour chaque hydrophone, les ondes P et T sont à peu près toujours bien identifiées. Par contre, tous les signaux de navires et quelques-uns d'icebergs ont été identifiés par erreur comme ondes T ; ces T "faux positifs" ne sont pas très nombreux et seront éliminés lors de la localisation des évènements. Les résultats sont très voisins quand on combine les données des deux hydrophones au lieu de les analyser séparément.

Dans tous les cas, aucun signal de navire n'a été identifié : ils ont été le plus souvent confondus avec les ondes T. Leur faible nombre dans les sous-échantillons d'apprentissage explique qu'ils soient mal reconnus par la suite. L'inclusion forcée de signaux de navires dans le sous-échantillon améliore nettement ce résultat, ce qui signifie que si les données viennent d'une zone de fort trafic maritime, la classification sera meilleure.

 

 

Bien classés

Faux positifs

Faux négatifs

Ondes T

2687

8.5

13

Ondes P

38

5

1

Navires

23

2

3

Icebergs

125

9

3

Performance moyenne (sur 100 sous-échantillons aléatoires) du classement des signaux des hydrophones S2 et S5 avec des sous-échantillons simulant des conditions de fort trafic maritime

 

 Cette nouvelle méthode d'identification automatique des signaux a donc un potentiel très important, et pourrait être utilisée dans d'autres applications de la géophysique.

 

L'article

Sukhovich, A., Irisson J.-O., Perrot J., and Nolet G., 2014. Automatic recognition of T and teleseismic P waves by statistical analysis of their spectra: An application to continuous records of moored hydrophones, J. Geophys. Res. Solid Earth, 119, 6469–6485.

Voir la première page

 

Les auteurs

Les auteurs de cet article sont membres du Laboratoire Domaines Océaniques (LDO- IUEM, Brest), du Laboratoire d'océanographie de Villefranche (LOV) et de Géoazur (Université de Nice)

 

La revue

Journal of Geophysical Research est la plus connue des publications de l'American Geophysical Union. Publiée sans interruption depuis 115 ans par cette association scientifique, la revue s'est adaptée à l'évolution des disciplines et a maintenant sept sections, dont celle consacrée aux enveloppes solides de la Terre. JGR-Solid Earth couvre les applications de la physique et de la chimie des enveloppes solides et du noyau liquide de la planète.

 

Contacts

Auteurs : consulter l'annuaire de l'IUEM
Service Communication et médiation scientifique : communication.iuem@univ-brest.fr


Retour à la liste des publications

Photo du mois

Geovide_PLherminier_0790.JPG

(C) Pascale Lherminier / Ifremer