Estimation de la magnitude et prédiction des mouvements du sol pour exploiter la détection acoustique distribuée par fibre optique pour l'alerte précoce des tremblements de terre

Rapports scientifiques volume 13, Numéro d'article : 424 (2023) Citer cet article

2911 Accès

1 Citations

92 Altmétrique

Détails des métriques

Les systèmes d'alerte précoce aux tremblements de terre (EEW) fournissent des secondes à des dizaines de secondes de temps d'avertissement avant que des mouvements du sol potentiellement dommageables ne soient ressentis. Pour des délais d'alerte optimaux, les capteurs sismiques doivent être installés le plus près possible des sources sismiques attendues. Cependant, alors que les tremblements de terre les plus dangereux sur Terre se produisent sous l'eau, la plupart des stations sismologiques sont situées sur terre; de précieuses secondes peuvent s'écouler avant que ces séismes ne soient détectés. Dans ce travail, nous exploitons l'infrastructure de fibre optique disponible pour EEW en utilisant la nouvelle approche de détection acoustique distribuée (DAS). Les mesures de déformation DAS des tremblements de terre de différentes régions sont converties en mouvements du sol à l'aide d'une approche de pile oblique en temps réel, les magnitudes sont estimées à l'aide d'un modèle théorique de source de tremblement de terre et les intensités de secousse du sol sont prédites via des équations de prédiction des mouvements du sol. Les résultats démontrent le potentiel de l'EEW basé sur le DAS et les gains de temps significatifs qui peuvent être obtenus par rapport à l'utilisation de capteurs standards, en particulier pour les séismes offshore.

Alors que la prévision des tremblements de terre reste hors de portée, la surveillance sismique continue a permis des systèmes d'alerte précoce aux tremblements de terre (EEW) qui fournissent des alertes aux centres de population et aux infrastructures critiques quelques secondes à des dizaines de secondes avant que des secousses intenses ne se fassent sentir1,2,3,4. Après le déclenchement de la rupture, un avertissement peut être émis en analysant les mouvements du sol enregistrés en temps réel pour évaluer le potentiel de dommages du tremblement de terre. Les performances des systèmes EEW dépendent largement de la répartition spatiale des capteurs sismiques disponibles5 ; pour une émission d'alerte rapide et robuste, des instruments sismiques doivent être installés à proximité de failles actives, là où des tremblements de terre sont susceptibles de se produire. Alors que la plupart des tremblements de terre les plus importants et les plus dangereux sur Terre se produisent au large des côtes dans les zones de subduction, la grande majorité des stations sismiques sont situées sur terre. Ainsi, un temps précieux peut être perdu à attendre que les ondes sismiques atteignent les stations terrestres6. Les solutions actuelles, telles que la densification des réseaux sismiques terrestres et l'installation de réseaux câblés de capteurs de fonds marins, sont mises en œuvre au Japon7 et au Canada8. Cependant, les coûts élevés empêchent leur mise en œuvre mondiale. Une alternative consiste à convertir les câbles à fibres optiques existants en réseaux sismiques denses via la nouvelle technologie de détection acoustique distribuée (DAS)9,10. Le déploiement mondial sans cesse croissant d'infrastructures de télécommunications à fibre optique, en particulier de câbles sous-marins, ouvre des opportunités pour une mise en œuvre généralisée et à faible coût du DAS pour EEW, évitant ainsi les déploiements et les opérations coûteuses au fond de l'océan. Le potentiel du DAS du fond marin pour l'EEW n'a pas encore été démontré quantitativement, une lacune abordée dans ce travail.

Au cours des dernières années, les avantages uniques du DAS se sont révélés précieux à diverses fins sismologiques, notamment l'analyse des tremblements de terre11,12,13 et l'imagerie du sous-sol14,15,16,17. Le DAS permet de mesurer les déformations transitoires du sol (déformations ou taux de déformation) le long des fibres optiques (par exemple, les câbles Internet), telles que celles qui traversent actuellement la majeure partie de notre planète, à la fois sur terre et sous l'eau. Contrairement aux capteurs ponctuels (par exemple, sismomètres, accéléromètres, GNSS), le DAS fournit des mesures de déformation longitudinale spatialement denses (tous les quelques mètres, généralement 10) le long de fibres optiques de plusieurs dizaines de kilomètres avec une portée maximale comprise entre 80 et 150 km, selon l'interrogateur DAS spécifique. Cette technologie permet une surveillance continue de vastes régions et fournit une image plus complète du champ d'ondes sismiques. Les mesures sont obtenues à l'aide d'un interrogateur qui est placé à une extrémité du câble et envoie des impulsions laser le long de la fibre. En raison des faibles hétérogénéités au sein de la fibre, une fraction de la lumière transmise est rétrodiffusée via la diffusion Rayleigh. Lorsque des ondes sismiques perturbent le câble, les hétérogénéités le long de la fibre changent de position, de même que le schéma de rétrodiffusion de Rayleigh. Les différences de phase de rétrodiffusion entre les échantillons temporels sont ensuite traduites en mesures de déformation ou de vitesse de déformation à des espacements de plusieurs mètres le long de fibres longues de plusieurs dizaines de kilomètres18. Cette technique permet de transformer n'importe quelle fibre optique en un réseau dense de capteurs sismo-acoustiques, produisant des mesures avec des résolutions spatiales et temporelles sans précédent.

DAS possède des fonctionnalités clés parfaitement adaptées aux défis d'EEW. Il facilite les mesures sismiques spatialement et temporellement continues dans des endroits difficiles d'accès, tels que sous l'eau19 et dans les forages20, plus proches des hypocentres sismiques. L'échantillonnage spatial dense facilite une séparation plus fiable entre les tremblements de terre et le bruit21 par rapport aux capteurs ponctuels. De plus, l'interrogateur DAS détecte toute la fibre depuis l'une de ses extrémités, annulant les considérations de puissance et de télémétrie pour les segments de fibre distants. Ainsi, l'utilisation de fibres optiques comme réseaux sismiques denses pourrait être déterminante dans la performance des systèmes EEW, améliorant considérablement les délais d'alerte sismique et permettant une meilleure préparation aux secousses intenses.

Bien que les avantages du DAS pour EEW soient attrayants, cette nouvelle technologie souffre de plusieurs inconvénients qui doivent être résolus. Pour que les mesures de déformation DAS représentent les déformations du sol, les fibres doivent être correctement couplées au sol. Cependant, étant donné que de nombreuses fibres n'ont pas été déployées avec des applications sismologiques à l'esprit, le couplage peut varier et être insuffisant le long de sections spécifiques, pour des mesures fiables. Les unités d'interrogateur DAS à la pointe de la technologie peuvent détecter des fibres jusqu'à ~ 150 km (comme le montre l'enregistrement du tremblement de terre effectué par une unité d'interrogateur Alcatel OptoDAS dans la Fig. 1 supplémentaire) ou jusqu'au premier répéteur, de sorte que plus de un système et une fibre peuvent être nécessaires pour couvrir de vastes régions. Le DAS enregistre les déformations ou taux de déformation : ces mesures sont très sensibles à la structure de vitesse locale sous la fibre13 et aux hétérogénéités latérales du sous-sol12,22. Cette propriété est gênante à la fois pour l'estimation de la magnitude du tremblement de terre, qui repose généralement sur les mesures du mouvement du sol (c. De plus, le DAS mesure les contraintes le long de l'axe de la fibre, de sorte que les ondes P enregistrées par les fibres horizontales induisent généralement de faibles amplitudes qui peuvent même être inférieures aux niveaux de bruit instrumentaux, ce qui pourrait entraver les capacités de localisation des tremblements de terre. En outre, alors que l'EEW est destiné aux grands tremblements de terre à courte distance, où des dommages sont attendus, de telles observations DAS ne sont actuellement pas disponibles. Ainsi, les effets de la saturation en amplitude du DAS et du comportement du couplage câble-sol lors de déformations intenses sont insuffisamment rapportés et étudiés. Dans les sections suivantes, nous abordons plusieurs des inconvénients mentionnés, mais des travaux supplémentaires sont nécessaires pour résoudre tous les problèmes afin d'utiliser de manière fiable DAS pour EEW.

Dans ce travail, nous proposons les premiers schémas quantitatifs en temps réel qui feront partie d'un système EEW opérationnel basé sur DAS. L'alerte précoce est généralement obtenue en (1) détectant un tremblement de terre, (2) en déterminant son emplacement, (3) en résolvant les paramètres de la source du tremblement de terre (magnitude et chute de contrainte24) et (4) en prédisant les intensités de secousse du sol, généralement les vitesses maximales du sol (PGV ) et les accélérations maximales du sol (PGA)25. A notre connaissance, ces quatre objectifs en temps réel n'ont pas encore été traités à l'aide du DAS. La détection et la localisation des tremblements de terre en temps réel peuvent être réalisées en utilisant soit des approches basées sur des capteurs ponctuels bien établies26,27,28,29 appliquées à des canaux DAS uniques ou multiples, soit des techniques de traitement de réseau telles que la formation de faisceaux12,30,31. Alors que la détection peut être réalisée avec une relative facilité même avec des algorithmes basés sur des capteurs ponctuels27,29, la localisation des tremblements de terre pose plusieurs défis qui sont propres aux données DAS12,22. Le champ d'onde de déformation enregistré peut ne pas être suffisamment cohérent pour une localisation fiable du tremblement de terre ou peut être dominé par des ondes diffusées. De plus, les emplacements géographiques des mesures le long de la fibre doivent être calibrés pour réduire les erreurs de localisation des tremblements de terre. Ces questions seront prises en compte lors de la conception de schémas de localisation des tremblements de terre en temps réel, un sujet de manuscrits ultérieurs. Ici, nous abordons les deux derniers objectifs : l'estimation de l'amplitude en temps réel et la prédiction de l'intensité des secousses.

La plupart des systèmes EEW opérationnels reposent sur des relations empiriques pour l'estimation de la magnitude et la prédiction du mouvement du sol32,33. La robustesse de ces relations repose en grande partie sur la qualité, la quantité et la gamme de magnitude des observations sismiques disponibles34. Étant donné que le DAS est une technologie de mesure sismique relativement nouvelle9, les ensembles de données DAS sismiques actuels sont insuffisants à tous égards pour concevoir des méthodes empiriques robustes, et une approche basée sur la physique qui ne repose pas sur la disponibilité des données devrait être développée24,35,36. Récemment, une approche holistique basée sur la physique pour l'estimation en temps réel des paramètres de la source du tremblement de terre (magnitude et chute de contrainte) et la prédiction du mouvement du sol a été proposée24. Une méthode similaire, adaptée aux données DAS, est développée ici en dérivant une expression théorique pour l'estimation de l'amplitude en temps réel à l'aide de la moyenne quadratique (rms) des accélérations du sol.

Étant donné que le DAS mesure les déformations (ou taux de déformation) et que la magnitude du tremblement de terre est directement liée aux mouvements du sol (déplacements, vitesses et accélérations)23, les mesures DAS doivent d'abord être converties en mouvements du sol37. Cet objectif est généralement atteint en utilisant la lenteur apparente (inverse de la vitesse), \({p}_{x}\), mesurée le long de la fibre38 :

où ϵ(t) et D(t) sont respectivement les séries chronologiques des déformations et des déplacements du sol, et n égal à 0, 1 ou 2 correspond respectivement aux conversions en déplacements, vitesses ou accélérations du sol. Cette relation suppose un couplage parfait entre la fibre et la Terre, une hypothèse qui s'est avérée valable pour différentes fibres et installations11,13,37,37,38,39. On a observé que la lenteur changeait rapidement à la fois dans le temps et dans l'espace (le long de la fibre) : les variations temporelles sont dues aux différences de vitesse entre les phases sismiques enregistrées (c'est-à-dire, P-, S-, ondes de surface)37 et les variations spatiales sont le résultat de les hétérogénéités latérales de vitesse souterraine, qui peuvent être importantes et abruptes12,16,22,37. Une conversion précise des taux de déformation en accélérations au sol nécessite que la lenteur soit résolue en fonction du temps et de l'espace. Récemment, une méthode de conversion des déformations en mouvements du sol basée sur la pile oblique a été proposée37, et est modifiée et adaptée ici pour le traitement en temps réel.

Les approches présentées dans ce manuscrit s'appuient sur les avancées mentionnées ci-dessus dans le traitement des données sismiques EEW24 et DAS basées sur la physique37. Le potentiel de conversion des déformations modifiées en mouvements du sol et la nouvelle expression de magnitude pour EEW sont examinés en conjonction avec une équation théorique de prédiction des mouvements du sol (GMPE)40. Dans les sections suivantes, nous présentons et validons un protocole en temps réel efficace sur le plan informatique qui repose sur des formulations analytiques simples pour l'analyse des tremblements de terre enregistrés par DAS. Les taux de déformation sont convertis en accélérations au sol à l'aide d'une approche de pile oblique adaptée en temps réel. Ensuite, les magnitudes des tremblements de terre sont estimées via une expression analytique dérivée à l'aide du modèle de spectres de source oméga-carré41,42. Sous réserve du modèle théorique, cette expression d'amplitude est applicable à tous les enregistrements de mouvement du sol en champ lointain (ondes P et S). Ce schéma est appliqué à plusieurs segments de fibres bien couplés le long de différentes fibres de fond océanique. Enfin, la magnitude est utilisée pour prédire PGV et PGA loin de l'hypocentre à l'aide d'un GMPE24,40, dérivé à l'aide du même modèle de source oméga-carré. Le fait que l'estimation de la magnitude et la prédiction du mouvement du sol soient dérivées du même modèle théorique contribue à la stabilité et à la cohérence des estimations, comme indiqué dans les sections suivantes. Les prédictions de magnitude et de secousse maximale du sol sont continuellement mises à jour et modifiées à mesure que de nouveaux signaux sismiques sont enregistrés. Nous démontrons la robustesse de ces approches en temps réel pour une large plage de magnitude et montrons que l'utilisation de fibres offshore bien couplées pour l'EEW peut améliorer considérablement les temps d'avertissement par rapport à ceux attendus des systèmes EEW standard basés sur des capteurs ponctuels.

Pour démontrer les mérites des schémas EEW basés sur DAS proposés, nous avons compilé un ensemble de données sismiques DAS provenant de différents environnements tectoniques. Les données ont été enregistrées par quatre fibres différentes du fond de l'océan : deux au large de la Grèce13,16,37,43, une au large de la France13,19,37,44 et une au large du Chili (Fig. 2 supplémentaire). Les mesures en Grèce, en France et au Chili ont été effectuées à l'aide de trois interrogateurs différents : un interrogateur Febus A1 DAS, un interrogateur Aragon Photonics hDAS et un interrogateur ASN OptoDAS, respectivement (voir "Earthquake dataset" dans Methods). Nous avons analysé un total de 53 tremblements de terre enregistrés par DAS allant de la magnitude 2 à 5,7 (Fig. 2 supplémentaire) à des distances hypocentrales de 17 à 365 km (Fig. 3 supplémentaire). Les métadonnées du tremblement de terre sont fournies dans le tableau supplémentaire 1.

Idéalement, la magnitude du moment devrait être estimée à l'aide d'enregistrements sismiques des déplacements du sol, D, plutôt que des vitesses du sol, V, ou des accélérations, A, et les signaux devraient inclure autant de leur partie basse fréquence que possible pour éviter la saturation de la magnitude23,35. Les déplacements du sol peuvent être obtenus à partir de mesures DAS bien couplées en intégrant les mesures de déformation dans le temps (ou double intégration des vitesses de déformation) et en les divisant par la lenteur apparente (n = 0 dans l'équation 1)11,37,38,39. Cette approche de conversion a été démontrée par des études antérieures qui ont pris en compte la réponse des instruments DAS11 et le couplage45. Cependant, l'utilisation de déplacements au sol convertis en DAS est difficile compte tenu des niveaux de bruit instrumentaux intrinsèquement élevés, en particulier à de grandes distances le long de longues fibres13,46,47. Le comportement du bruit instrumental DAS est démontré sur la Fig. (1) pour un tremblement de terre de magnitude 3,6 enregistré à une distance de 135 km d'une fibre optique au large du sud-est de la Grèce13,16,37,43 (voir la carte dans la Fig. 2 supplémentaire). Aux basses fréquences, le bruit instrumental de l'intégrale temporelle des déformations (∝ D, Fig. 1a, b), des déformations (∝ V, Fig. 1c, d) et des taux de déformation (∝ A, Fig. 1e, f) est proportionnel à f −2, f −1 et indépendant de la fréquence, f, respectivement. En conséquence, les séries temporelles de déformations intégrales (∝ D, Fig. 1a) et de déformations (∝ V, Fig. 1c) sont contaminées par du bruit à basse fréquence, et leur utilisation peut entraîner une surestimation de l'amplitude et de fausses alarmes. Ainsi, nous n'utilisons que les taux de déformation (∝ A) pour l'estimation de la magnitude en temps réel, même s'ils présentent une corrélation plus faible avec la magnitude du séisme par rapport aux déformations intégrales (∝ D) et aux déformations (∝ V) (voir "La relation entre le tremblement de terre paramètres source et mouvements du sol" dans Méthodes). Étant donné que le bruit instrumental des taux de déformation augmente à mesure que f aux hautes fréquences (Fig. 1f), un filtre passe-bas est nécessaire. Ce filtre ne biaisera pas les estimations de magnitude car les tremblements de terre plus importants produisent un rayonnement de fréquence inférieure.

Bruit instrumental DAS. (a,b) Déformations intégrales, (c,d) déformations et (e,f) taux de déformation d'un séisme de magnitude 3,6 enregistré à une distance hypocentrale de 135 km à 21 km le long d'une fibre au large de la Grèce. Les signaux filtrés entre 0,06 et 10 Hz sont représentés à gauche en fonction du temps depuis l'arrivée de l'onde P (a,c,e) et les spectres correspondants sont représentés à droite (courbes bleues b,d,f). Les spectres préfiltrés (courbes oranges b,d,f) démontrent que le bruit basse fréquence est b ∝ f −2, d ∝ f −1 et f indépendant de la fréquence.

La performance de l'algorithme de conversion (voir "Conversion en temps réel des taux de déformation en accélérations au sol" dans Méthodes) est démontrée pour un tremblement de terre de magnitude 3,8 enregistré au large du Chili à une distance hypocentrale de 60 km (voir la carte dans la Fig. 2 supplémentaire) pour un seul canal DAS à une distance de 103 km le long de la fibre (Fig. 2). Notez que les ondes P directes ne sont pas visibles, bien que les ondes diffusées induites par les ondes P soient clairement visibles (1 à 6 s sur les figures 2a, b). La même analyse pour le plus grand tremblement de terre de l'ensemble de données, une magnitude de 5,7, est illustrée à la Fig. 4 supplémentaire ; pour ce tremblement de terre, les amplitudes de vitesse de déformation présentent une certaine saturation (voir discussion). L'approche à pile oblique en temps réel résout les vitesses apparentes des différentes phases sismiques : ~ 4,2 km/s pour les ondes S directes (6 à 9 s sur les Fig. 2a, b) et ~ 1,8 km/s pour les ondes de surface (par exemple, 1 à 6 s et 10 à 13 s sur les Fig. 2a, b). En raison de ces variations de vitesse, les accélérations au sol sont quelque peu différentes des taux de déformation : les accélérations (courbe bleue sur la Fig. 2c) présentent une différence d'amplitude notable entre les ondes S rapides et les ondes de surface lentes, tandis que les taux de déformation (courbe noire sur la Fig. .2c) affichent des amplitudes similaires pour les deux phases. Une comparaison entre les performances de la conversion en pile oblique en temps réel et l'approche présentée précédemment37 indique que les adaptations en temps réel ne diminuent pas la qualité de la conversion (Fig. 5 supplémentaire).

Conversion des taux de déformation en accélérations au sol et estimation de la magnitude. a Taux de déformation d'un séisme de magnitude 3,8 enregistré à une distance hypocentrale de 60 km entre 102,3 km et 103,6 km le long d'une fibre au large du Chili. Le segment de fibre utilisé pour l'estimation de l'amplitude est codé par couleur (102,7 km à 103,3 km). b Semblance en fonction de la lenteur apparente et du temps d'arrivée de l'onde P pour un canal DAS de référence à 103 km de l'interrogateur (ligne noire pointillée en a). La lenteur lissée (Voir Méthodes) est indiquée par une courbe rouge. c Taux de déformation (noir) et accélérations au sol converties (bleu) pour le canal DAS de référence. d Évolution de l'amplitude en temps réel en utilisant des chutes de contrainte de 1 MPa (courbe en pointillés) et 10 MPa (courbe pleine). Les heures d'arrivée des ondes P et S sélectionnées manuellement sont indiquées par des lignes magenta.

La chute de contrainte, Δτ, est un paramètre fondamental de la source sismique qui affecte fortement les intensités de mouvement du sol40,48,49,50 (voir "La relation entre les paramètres de la source sismique et les mouvements du sol" dans Méthodes). Pour une prédiction optimale du mouvement du sol, l'amplitude et la chute de contrainte doivent être déterminées, comme l'ont démontré des études récentes3,36,40. Étant donné que dans ce cadre, nous n'utilisons qu'une seule métrique de mouvement du sol, c'est-à-dire les accélérations du sol rms, Arms, nous ne pouvons estimer que l'amplitude (voir "Estimation de la magnitude à partir des accélérations du sol à bande limitée" dans Méthodes) tandis que la chute de contrainte doit être définie a priori. Étant donné que Arms est fortement affecté par la chute de contrainte et que sa valeur a priori peut s'écarter de sa valeur réelle spécifique au séisme40,51, il est utile d'examiner l'effet de la variabilité de la chute de contrainte sur l'estimation de la magnitude et la prédiction des secousses intenses. À cette fin, nous avons synthétisé Arms en utilisant un filtre Butterworth passe-bas idéal, et PGVsynt et PGAsynt pour différentes amplitudes en utilisant Δτ = 10 MPa à une distance hypocentrale de 50 km (voir "Mouvements synthétiques du sol" dans Méthodes). Nous avons ensuite utilisé les Arms synthétiques pour estimer les magnitudes, en utilisant différentes chutes de contraintes a priori de 1, 10 et 100 MPa (Eq. 7). La magnitude estimée et la chute de contrainte a priori ont ensuite été utilisées pour prédire PGVpred et PGApred (Eq. 10), en supposant que la distance est connue (Fig. 3). Lors de l'utilisation de Δτ = 10 MPa dans les équations. (7) et (10), les écarts d'amplitude, de PGV et de PGA sont faibles (panneaux b, d et f de la Fig. 3, respectivement) et principalement attribués aux approximations faites lors de la dérivation de l'Eq. (7) (Voir note complémentaire 1). Lorsque la contrainte chute dans l'Eq. (7) est sous-estimé (Δτ = 1 MPa) et surestimé (Δτ = 100 MPa), les magnitudes sont respectivement surestimées et sous-estimées jusqu'à 1,33 unités de magnitude pour les grands séismes (Fig. 3a ). Lorsque ces grandeurs biaisées et ces chutes de contrainte sont utilisées pour prédire PGV et PGA, elles donnent des prédictions raisonnables : les écarts-types des résidus sont limités à ~ 0,43 unités log10(PGV) et log10(PGA) (courbes pleines sur la Fig. 3c ,e, respectivement). Ce comportement est expliqué en inspectant l'Eq. (10) : au premier ordre40, \(PGV\propto {M}_{0}^{1/2}\Delta {\tau }^{1/2}\) et \(PGA\propto {M}_ {0}^{1/3}\Delta {\tau}^{2/3}\), donc en utilisant des chutes de contraintes sous-estimées avec des moments sismiques surestimés (et vice-versa), comme c'est le cas ici , se traduira par des écarts relativement faibles entre le PGV et le PGA ; Les biais d'amplitude et de perte de contrainte réduisent l'effet de l'autre sur les prédictions de mouvement du sol. En revanche, si des grandeurs synthétiques sont utilisées conjointement avec les chutes de contraintes surestimées et sous-estimées, les écarts entre PGV et PGA seraient significativement plus élevés (courbes en pointillés sur les figures 3c, e). Des explications supplémentaires sur la forme des parcelles résiduelles sont fournies dans la note complémentaire 2.

L'effet de la variabilité de la chute de contrainte sur l'estimation de l'amplitude et la prédiction du mouvement du sol. Magnitude synthétique estimée moins en fonction de la magnitude synthétique pour (a) les chutes de contrainte sous-estimées (1 MPa), surestimées (100 MPa) et (b) connues (10 MPa). Les logarithmes des mouvements du sol de pointe prédits moins les logarithmes des mouvements du sol de pointe synthétiques en fonction de l'amplitude synthétique sont indiqués pour PGV pour (c) 1 MPa et 100 MPa et (d) 10 MPa, et pour PGA pour (e) 1 MPa et 100 MPa et (f) 10 MPa. L'effet de l'utilisation de l'amplitude synthétique sur les écarts (c) PGV et (e) PGA est indiqué par des courbes en pointillés semi-transparentes. Dans tous les panneaux, les courbes correspondant à 1, 10 et 100 MPa sont indiquées respectivement par des courbes rouges, noires et bleues.

Lors de la mise en œuvre des méthodes proposées sur différentes fibres dans différents contextes tectoniques, la chute de contrainte a priori peut être estimée à l'aide des observations sismiques disponibles40,52,53 ou tirée d'études antérieures, si elles sont disponibles. Cependant, les résultats de la Fig. 3 montrent que, bien que les écarts entre la chute de contrainte de tremblement de terre synthétique et celle utilisée dans l'Eq. (7) peut avoir un impact significatif sur l'estimation de l'amplitude, l'effet sur la prédiction du mouvement du sol est minimisé et l'approche peut être utilisée de manière fiable même avec une chute de contrainte biaisée. L'effet de la variabilité de la chute de contrainte sera examiné plus en détail à l'aide de tremblements de terre enregistrés dans la section suivante.

Les performances de la conversion en temps réel des taux de déformation en accélérations du sol, de l'estimation de la magnitude et de la prédiction du mouvement du sol sont démontrées à l'aide d'un catalogue composite de tremblements de terre de 53 tremblements de terre DAS et de capteurs ponctuels (sismomètre et accéléromètre) enregistrés en Grèce, en France et au Chili. (Voir "Ensemble de données sur les tremblements de terre" dans les méthodes, le catalogue des tremblements de terre dans le tableau supplémentaire 1 et les cartes montrant les emplacements des tremblements de terre, des fibres et des capteurs ponctuels dans la figure supplémentaire 2). Ces tremblements de terre varient de magnitude 2 à 5,7 (Fig. 3 supplémentaire) et ont été enregistrés par quatre fibres offshore différentes à l'aide de trois interrogateurs DAS différents. Les enregistrements DAS sont convertis en accélérations au sol et utilisés pour estimer la magnitude, tandis que les enregistrements de capteurs ponctuels sont utilisés pour comparer les PGV et PGA observés et prédits. Les emplacements des tremblements de terre (et les distances hypocentrales) et les temps d'arrivée des ondes P et S sont supposés connus : les premiers sont extraits des catalogues de tremblements de terre disponibles et les seconds sont sélectionnés manuellement. En pratique, la localisation et la sélection de phase des tremblements de terre seront réalisées en temps réel via des modules supplémentaires, dont le développement dépasse le cadre de ce manuscrit. Ainsi, les incertitudes et les écarts signalés dans cette section devraient être plus importants lorsque la détection et la localisation des tremblements de terre sont également mises en œuvre en temps réel.

Comme indiqué précédemment, l'objectif d'un système EEW est de produire des prévisions de mouvement du sol robustes, tandis que les estimations de magnitude ne sont qu'un sous-produit. De plus, alors que nous estimons les magnitudes des moments, la plupart des catalogues rapportent des magnitudes locales, dont les valeurs peuvent différer significativement54. Ainsi, dans une analyse ultérieure, nous nous concentrons sur les écarts entre les PGV et PGA prédits et observés en tant que mesure de la performance des algorithmes, et accordons moins d'attention à l'accord entre les grandeurs rapportées en temps réel et celles du catalogue.

L'amplitude est estimée à l'aide de plusieurs segments de fibre bien couplés pour chaque câble. La qualité du couplage est évaluée en inspectant le champ d'onde sismique des tremblements de terre le long de la fibre et en identifiant les sections qui affichent des fronts d'onde sismiques continus et de petites variabilités d'amplitude inférieures à 4 dB37. Les données DAS sont converties en accélérations du sol et une estimation initiale de la magnitude est obtenue deux secondes après la détection de l'onde P au niveau du premier segment de fibre, et est continuellement mise à jour avec des intervalles de données croissants et à mesure que le tremblement de terre est enregistré à des emplacements supplémentaires le long de la fibre. L'analyse utilise toutes les phases disponibles, y compris les arrivées P et S directes, les ondes diffusées et les ondes de surface. Pour les ondes P, qui sont rarement non détectées par les réseaux DAS horizontaux, les phases P diffusées et arrivant plus tard sont utilisées pour l'analyse. Dans ce travail, les phases ont été identifiées et sélectionnées manuellement, tandis qu'en temps réel, elles seront réalisées via des algorithmes automatiques21,31. L'estimation de la magnitude en temps réel est démontrée pour un séisme de magnitude 3,8 du catalogue en utilisant un seul segment de fibre sur la Fig. 2d. La magnitude augmente avec le temps, à partir des ondes P diffusées (2 à 7 s), suivie d'une augmentation significative avec les arrivées des ondes S (7 à 9,5 s). Comme prévu théoriquement (Fig. 3), les estimations d'amplitude varient pour différentes chutes de contrainte a priori, avec des amplitudes de 5,8 et 4,6 pour 1 et 10 MPa, respectivement, à 9,5 s de la détection des ondes P. Un comportement similaire est observé pour le séisme de magnitude 5,7 du catalogue illustré à la Fig. 4d supplémentaire. Les estimations de magnitude s'améliorent avec le temps, comme le montrent les figures 4a à c, où les magnitudes en temps réel et de catalogue sont comparées à 4, 10 et 15 s à partir de la première détection d'onde P, pour l'ensemble de données.

Estimation de la magnitude en temps réel et prédiction du mouvement du sol à l'aide de 10 MPa. Amplitude en temps réel en fonction de l'amplitude du catalogue à a 4, b 10 et c 15 s à partir de l'arrivée de l'onde P au premier segment de fibre. Les estimations et les moyennes d'événements spécifiques au segment de fibre sont indiquées par des symboles noirs et rouges, respectivement. La ligne noire en pointillés est une ligne 1:1 et les écarts-types des valeurs résiduelles d'amplitude sont indiqués dans les coins inférieurs droits pour les estimations spécifiques au segment (noir) et les moyennes d'événement (rouge). Les écarts entre les logarithmes des mouvements du sol de pointe prédits et observés sont tracés pour d PGV et e PGA en fonction de la distance hypocentrale. Le code couleur correspond aux grandeurs du catalogue. Les tremblements de terre du Chili, de la Grèce et de la France sont respectivement indiqués par des étoiles, des cercles et des triangles. Les légendes des panneaux indiquent ce qui suit : nom du câble (nombre de séismes, nombre d'observations PGV et PGA), (résidus moyens, écart type aux résidus). Les variabilités intra-événement moyennes, c'est-à-dire l'écart-type optimal des résidus, pour PGV sont de 0,68, 0,5 et 0,52 pour le Chili, la Grèce et la France, respectivement, et pour PGA sont de 0,71, 0,61 et 0,59 pour le Chili, la Grèce et la France, respectivement.

Une comparaison entre prédit (Eq. 10) et observé (voir "Ensemble de données sur les tremblements de terre" dans Méthodes) PGV et PGA à 15 s indique que les résidus sont indépendants de la distance hypocentrale (Fig. 4d, e et Supplémentaire Fig. 6d, e) et l'ampleur du catalogue (Fig. 7d, e supplémentaires), et que leurs écarts-types sont relativement faibles, seulement légèrement supérieurs aux valeurs optimales, c'est-à-dire les variabilités intra-événement signalées dans la légende de la Fig. 4. Ce dernier résultat suggère que le pic au sol les résidus de mouvement sont principalement causés par différentes conditions de site et de chemin qui peuvent être prises en compte dans les futures implémentations, sous réserve de recherches supplémentaires. Alors que les estimations de magnitude sont très sensibles à la chute de contrainte a priori, les résidus PGV et PGA présentent une faible sensibilité (Fig. 4 et Fig. 6 supplémentaire pour 10 et 1 MPa, respectivement). Ce comportement est en outre démontré en examinant la magnitude moyenne et les résidus PGV et PGA pour le plus grand tremblement de terre disponible (Fig. 8 supplémentaire): les résidus moyens montrent une faible sensibilité à la chute de contrainte et des tendances similaires à celles théoriquement prédites (Fig. 3), c'est-à-dire , les résidus PGV sont plus élevés pour la sous-estimation de la chute de contrainte, et les résidus PGA sont plus faibles pour la sous-estimation de la chute de contrainte.

Les résultats présentés dans ce manuscrit démontrent que le DAS peut être utilisé de manière fiable pour l'estimation de la magnitude en temps réel et la prédiction du mouvement du sol, deux composants essentiels d'un système EEW opérationnel. L'utilisation de DAS pour EEW présente plusieurs avantages significatifs par rapport à l'utilisation de capteurs ponctuels standard, en particulier dans le gain de temps pour les séismes offshore. Ce dernier avantage est illustré à la Fig. 5 en utilisant la fibre déployée au large du Chili, où les tremblements de terre au fond de l'océan présentent un risque sismique important. Pour les tremblements de terre en mer illustrés à la Fig. 5a, au moment où les ondes S devraient atteindre le littoral chilien, les estimations de magnitude en temps réel se situent généralement à moins d'une demi-unité de magnitude des valeurs du catalogue, ce qui permet une émission d'alerte robuste avant que des secousses intenses au sol ne soient ressentie sur terre, et bien avant que les séismes ne soient enregistrés par le réseau sismique disponible (Fig. 5b). Le gain de temps obtenu en utilisant la fibre offshore du Chili par rapport au réseau actuel de capteurs ponctuels est défini ici comme la différence entre l'arrivée de l'onde P au segment de fibre le plus proche et à la quatrième station sismique, comme l'exigent couramment les systèmes EEW55. Ce gain de temps peut atteindre 25 s pour les tremblements de terre qui se produisent près de la fibre et peut même entraîner une détection précoce et l'émission d'alertes pour les tremblements de terre terrestres où la couverture des capteurs ponctuels est clairsemée (Fig. 5b). Ces précieuses secondes peuvent avoir un impact décisif sur l'atténuation du risque posé par des séismes offshore potentiellement catastrophiques.

Gain de temps grâce au DAS offshore Chili. La région est indiquée par un rectangle noir dans la carte en médaillon en b. a Estimations de l'amplitude du catalogue (Mcat) et en temps réel (MRT) lorsque les ondes S devraient atteindre le littoral. Les tremblements de terre sont indiqués par des cercles dont la taille correspond aux magnitudes du catalogue et la couleur correspondant aux temps d'estimation MRT. Le chemin le plus court vers le littoral est indiqué par des lignes pointillées grises pour chaque tremblement de terre. La fibre est indiquée par une courbe bleue et les segments de fibre utilisés pour l'estimation de l'amplitude sont indiqués par des rectangles noirs. b Gain de temps de l'onde P (échelle de couleur rouge) pour différentes localisations possibles de séismes. Seuls les gains de temps positifs sont affichés ; des gains de temps négatifs indiquent des emplacements de tremblements de terre qui sont plus proches du quatrième capteur ponctuel le plus proche que de la fibre. Les capteurs ponctuels sont indiqués par des triangles bleus. La région représentée en a est indiquée par un rectangle noir en pointillés en b. Les cartes ont été générées à l'aide du package Basemap de Python et des données bathymétriques téléchargées à partir de ncei.noaa.gov/maps/bathymetry/.

Avec le gain de temps pour les tremblements de terre en mer, l'EEW basé sur DAS peut potentiellement surpasser l'EEW basé sur un capteur ponctuel pour plusieurs raisons. Lorsqu'elles sont mises en œuvre sur des segments de fibre bien couplés, les estimations d'amplitude sont plus fiables puisque les données de nombreux canaux DAS rapprochés sont moyennées, ce qui réduit l'impact des valeurs aberrantes et atténue les effets locaux. Le DAS facilite une différenciation robuste entre les tremblements de terre et le bruit puisque le champ d'ondes sismiques des tremblements de terre est enregistré quasi instantanément sur des segments de fibre de plusieurs centaines de mètres de long. En conséquence, les fausses détections seront réduites et un segment de fibre peut être suffisant pour émettre une alerte précoce, sous réserve des capacités de localisation des tremblements de terre.

Alors que les ondes S directes sont détectées par des fibres installées horizontalement, les ondes P directes ne le sont généralement pas (Fig. 2a), en raison de leurs vitesses rapides et de l'angle entre la polarisation des ondes et l'axe de la fibre13,56. En revanche, les ondes diffusées induites par les ondes P sont bien enregistrées (2 à 6 s sur les figures 2a, b). Les ondes P directes, si elles sont disponibles, et les ondes S, ainsi que les ondes P et S diffusées sont toutes utilisées pour l'estimation de l'amplitude. Alors que la diffusion résulte des hétérogénéités des milieux terrestres et varie d'une région à l'autre, l'utilisation des vitesses apparentes des ondes pour convertir les taux de déformation en accélérations du sol réduit l'effet de ce phénomène local sur les estimations de magnitude. La prédominance de ces ondes diffusées posera des difficultés pour la localisation des tremblements de terre, car l'utilisation d'ondes P diffusées au lieu d'ondes P directes indiquera probablement les emplacements des diffuseurs plutôt que la source du tremblement de terre. Étant donné que les amplitudes basées sur les ondes P sont généralement sous-estimées (Fig. 2d), elles ne devraient pas provoquer de fausses alarmes, mais elles peuvent être suffisantes pour dépasser les seuils d'alerte prédéfinis. Étant donné que pour EEW, les capteurs doivent être placés à proximité des épicentres attendus, plus la fibre est proche des emplacements des tremblements de terre, plus tôt les ondes S à rapport signal/bruit élevé sont détectées et utilisées. Pour les grands séismes, la plus faible sensibilité du DAS aux ondes P est un avantage car elle va limiter la saturation des ondes P directes et diffusées.

Étant donné que le DAS est une technologie émergente, les ensembles de données disponibles ne contiennent pas suffisamment de tremblements de terre dont le potentiel de dommages présente un intérêt pour EEW. En conséquence, plusieurs aspects techniques des schémas proposés tels que la saturation d'amplitude et le couplage fibre-sol lors de fortes secousses ne peuvent pas être pleinement évalués. Cependant, contrairement aux approches EEW empiriques couramment utilisées32,33,34, le schéma proposé est théorique et repose sur un modèle de source bien établi41 qui s'est avéré décrire de manière adéquate le rayonnement en champ lointain d'une large gamme de tremblements de terre. Ainsi, montrer que les méthodes proposées fonctionnent pour l'ensemble de données actuel sur les tremblements de terre est suffisant pour démontrer leur validité. De plus, la prise en compte de séismes de faible magnitude, comme nous le faisons ici, démontre la robustesse du système aux fausses alarmes. L'analyse des enregistrements en champ proche est un problème gênant pour EEW ; étant donné qu'un cadre théorique complet reste à développer57, d'autres approches telles que la résolution des sources linéaires58 ou l'extrapolation des mouvements maximaux du sol loin de la source du séisme59 peuvent devoir être adaptées aux données DAS afin de combler cette lacune.

La dérivation de l'approche d'estimation de la magnitude basée sur la physique présentée ne nécessitait aucune observation de tremblement de terre, un avantage significatif puisque la rareté des observations de tremblement de terre DAS entrave la dérivation de méthodes empiriques. Parce qu'aucun tremblement de terre n'était nécessaire, l'approche est géographiquement indépendante et facilement applicable dans n'importe quel contexte tectonique en utilisant à la fois des fibres offshore et terrestres et différentes unités d'interrogateur DAS, comme démontré ici en utilisant des tremblements de terre de Grèce, de France et du Chili. Les observations sismiques ne sont nécessaires que pour cartographier les segments de fibre bien couplés, bien que cet objectif puisse également être atteint en utilisant le bruit ambiant16. L'utilisation de segments mal couplés peut entraîner soit une sous-estimation de la magnitude, si les amplitudes de déformation sont faibles, soit une surestimation, si un segment est suspendu et subit de fortes vibrations dues aux ondes de câble60. L'approche permet une mise à jour continue des prédictions de magnitude et de mouvement du sol, clé pour l'analyse de grands tremblements de terre de longue durée. De plus, l'utilisation d'une estimation de magnitude holistique et d'une prédiction de mouvement du sol dérivées du même modèle de tremblement de terre réduit l'impact des biais de magnitude liés à la chute de contrainte sur les prédictions de mouvement du sol et améliore la robustesse globale du système.

Les coûts de calcul des approches présentées sont faibles. Alors que les acquisitions DAS fournissent généralement de très gros volumes de données, pour EEW, les données peuvent être largement sous-échantillonnées dans le temps et dans l'espace, ce qui limite à la fois le volume de données et les temps de traitement. Par exemple, pour obtenir des estimations de magnitude fiables et en temps opportun, il suffit d'utiliser des portions de fibre bien couplées présélectionnées à des espacements de plusieurs kilomètres. Pour les besoins de cette étude, nous avons analysé des enregistrements de 180 s de segments de fibre DAS présélectionnés (33 canaux), sous-échantillonnés à ~ 20 Hz, en ~ 136 s en utilisant un code Python sur un ordinateur portable Intel Core i7 avec 32 Go de RAM en utilisant un seul fil. Ces temps de calcul indiquent que la méthode est valable pour le temps réel. Pour une implémentation future dans le cadre d'un système EEW opérationnel, plusieurs aspects du code peuvent être optimisés et exécutés en parallèle. Par exemple, les calculs de pile oblique, qui sont les plus chronophages (~ 4 s par canal), peuvent être parallélisés, en plus des calculs pour différents segments de fibre. Ce dernier peut également augmenter le nombre de segments de fibre utilisés pour l'estimation de l'amplitude.

Pour quelques tremblements de terre, les amplitudes de déformation présentaient un faible degré de saturation. Néanmoins, les estimations de magnitude permettent toujours des prédictions fiables du mouvement du sol (Fig. 4). Ce phénomène est insuffisamment rapporté et étudié dans la littérature existante et doit être quantifié et traité car il peut affecter la capacité à analyser des amplitudes de déformation plus élevées et à fournir des avertissements fiables pour les tremblements de terre plus importants. La saturation du DAS doit être étudiée avec les fabricants de DAS pour concevoir des méthodes de prétraitement et de post-traitement afin de démontrer pleinement la viabilité du DAS pour EEW.

Le cadre présenté dans cette étude démontre le grand potentiel de l'utilisation de DAS pour EEW. Les approches présentées ici permettent une mise en œuvre facile, robuste et rapide de l'EEW en utilisant des fibres optiques offshore et terrestres dans n'importe quel contexte tectonique. Plus précisément, l'utilisation de fibres optiques existantes au fond de l'océan, qui sont presque omniprésentes le long des zones de subduction dans le monde entier, fournit une solution EEW bon marché et facilement disponible, en particulier pour les pays en développement exposés, qui améliorera considérablement les capacités d'atténuation des risques sismiques.

Pour les grands tremblements de terre, c'est-à-dire lorsque l'atténuation à haute fréquence est négligeable, enregistrée dans le champ lointain, les déplacements du sol quadratiques moyens (rms), Drms et les déplacements du sol de pointe (PGD) sont principalement fonction du moment sismique, M0 : \({D}_{rms}\propto PGD\propto {M}_{0}^{5/6}\Delta {\tau }^{1/6}\) tandis que les vitesses au sol rms, Vrms, et PGV, et les accélérations rms, Arms et PGA, sont également fortement influencées par la chute de contrainte, Δτ : \({V}_{rms}\propto PGV\propto {M}_{0}^{1/2} \Delta {\tau}^{1/2}\) et \({A}_{rms}\propto PGA\propto {M}_{0}^{1/3}\Delta {\tau}^{ 2/3}\) 24,40. La proportionnalité entre la valeur efficace et les mouvements maximaux du sol découle de théories statistiques61 et a été observée par des études antérieures40. Notez les différentes puissances associées à M0 et Δτ. Ainsi, les déplacements du sol servent de meilleur prédicteur de magnitude par rapport aux vitesses ou aux accélérations32,35,40.

Le schéma de conversion des déformations en mouvements du sol basé sur la pile oblique62 tient compte des variations de vitesse de phase apparentes dans le temps et dans l'espace. La conversion est appliquée pour chaque canal DAS le long de la fibre en utilisant des segments de fibre courts, approximativement linéaires. Ici, cette approche récemment présentée37 est modifiée et optimisée pour des performances en temps réel. La semblance (cohérence) en fonction de la lenteur apparente px et du temps t, pour un canal DAS situé en x0 le long de la fibre, peut s'écrire :

où L est le nombre de canaux DAS utilisés pour l'estimation de la lenteur, g(t) est la série temporelle des taux de déformation du DAS, et xj—x0 est la distance entre la station j et le canal de référence (en x0). L'équation (2) peut être considérée comme la pile oblique causale, où seuls les échantillons de données de g(t) qui ont déjà été enregistrés sont pris en compte.

La procédure de conversion est effectuée comme suit. Pour une efficacité de calcul, les taux de déformation enregistrés sont sous-échantillonnés à 20 Hz (ou légèrement plus élevés, en fonction du taux d'échantillonnage des signaux d'origine). Les données sont filtrées passe-bas à 5 Hz à l'aide d'un filtre Butterworth à 4 pôles pour diminuer le bruit instrumental à haute fréquence. Le sous-échantillonnage et le filtrage appliqués n'ont pas diminué la robustesse de la conversion et l'estimation de l'amplitude subséquente. La transformée en pile oblique locale est appliquée à l'aide de segments de fibre d'environ 380 m de longueur37, avec des espacements de canaux d'environ 20 m, en sautant plusieurs canaux pour des mesures à espacement dense. Les segments de fibre utilisés sont suffisamment longs pour résoudre les grandes longueurs d'onde sismiques avec des vitesses rapides de plusieurs km/s, et suffisamment courts pour que les ondes sismiques soient cohérentes et que les sections de fibre soient approximativement linéaires37. La semblance est calculée à partir de 50 valeurs de lenteur prédéfinies, équidistantes entre − 5 s/km et 5 s/km. A chaque t, la lenteur du champ d'onde est déterminée comme celle avec la semblance la plus élevée. La série temporelle de lenteur produite est ensuite lissée en appliquant un filtre à moyenne mobile causal de 1 s à sa valeur absolue. Les séries temporelles de taux de déformation sont ensuite divisées par la série temporelle de lenteur pour obtenir les accélérations au sol, suivies d'un filtre passe-bas supplémentaire de 5 Hz. Comme nous nous intéressons éventuellement aux rms des taux de déformation convertis, le signe de la lenteur peut être ignoré (voir "Estimation de la magnitude à partir des accélérations du sol à bande limitée" dans Méthodes).

Nous dérivons une expression de la valeur efficace des accélérations du sol à l'aide du modèle de source oméga-carré couramment utilisé41 décrivant les spectres d'ondes corporelles en champ lointain (courbe en pointillés gris sur la Fig. 9 supplémentaire). Cette procédure de dérivation suit celle utilisée par plusieurs études antérieures24,35,40,63,64,65,66. Le modèle d'accélération oméga-carré41 soumis à une atténuation haute fréquence67 (courbe en pointillés gris sur la Fig. 9 supplémentaire) se lit comme suit :

où f0 est la fréquence limite de la source, Ω0 est le plateau spectral basse fréquence de déplacement et κ est un paramètre d'atténuation. Étant donné que les taux de déformation sont filtrés passe-bas à 5 Hz, les accélérations efficaces sont calculées à l'aide de l'équation. (3) comme \({A}_{rms}=\sqrt{\frac{2}{T}{\int }_{f=0}^{f=5}{\left|\ddot{\Omega }\left(f\right)\right|}^{2}df}\) (courbe en pointillés noirs dans la Fig. 9 supplémentaire), où T est l'intervalle de données. L'intégrale est résolue et une approximation analytique est obtenue (voir la note complémentaire 1). Les paramètres spectraux Ω0 et f0 sont remplacés respectivement par le moment sismique23 et la chute de contrainte68 via :

où ρ est la densité à la source, C est la vitesse de l'onde à la source (CP et CS pour les ondes P et S, respectivement), R est la distance hypocentrale, Uφθ est le diagramme de rayonnement moyen, FS est le libre- correction de surface, et k est une constante spécifique à la phase qui dépend également du modèle de source et de la vitesse de rupture42. L'équation (4b) est valable pour une fissure circulaire noyée dans un milieu homogène68. L'expression résultante est :

où l'exposant approx signifie approximatif rms, \({A}_{1}=\frac{{U}_{\varphi \theta }{F}_{s}\sqrt{\pi }}{\rho {C }^{3}}{\left(\frac{16}{7}\right)}^\frac{2}{3}{\left(k{C}_{S}\right)}^{2 }\), \({A}_{2}=\pi {\left(\frac{16}{7}\right)}^{1/3}k{C}_{S}\), \ (h\left({\alpha }_{m}\right)={e}^{-{\alpha }_{m}}\sqrt{\frac{1}{2}\left[-3-6 {\alpha }_{m}-6{\alpha }_{m}^{2}-4{\alpha }_{m}^{3}-2{\alpha }_{m}^{4} +3{e}^{2{\alpha }_{m}}\right]}\) et \({\alpha }_{m}=5\pi \kappa\).

L'équation (5) peut être résolue analytiquement pour le moment sismique :

où \({a}_{1}={A}_{1}{\Delta \tau }^\frac{2}{3}\sqrt{1-{e}^{-2{\alpha }_ {m}}}\frac{1}{R\sqrt{\kappa T}}\), \({a}_{2}={A}_{rms}\), \({a}_{ 3}=\frac{{A}_{rms}{A}_{2}^{2}\Delta {\tau }^\frac{2}{3}{\kappa }^{2}\sqrt{ 1-{e}^{-2{\alpha }_{m}}}}{h\left({\alpha }_{m}\right)}\) et \({a}_{4}= {\left(3\sqrt{3\left(27{a}_{1}^{4}{a}_{3}^{2}+4{a}_{1}^{2}{a }_{2}^{3}{a}_{3}\right)}+27{a}_{1}^{2}{a}_{3}+2{a}_{2}^ {3}\right)}^\frac{1}{3}\). La magnitude du moment peut alors s'écrire :

où M0 est exprimé en Nm.

Alors que les coefficients \({a}_{1}\), \({a}_{2}\), \({a}_{3}\) et \({a}_{4}\) contiennent de nombreux paramètres, seuls quelques-uns sont mis à jour en temps réel : Arms est mis à jour en continu à mesure que de nouvelles données sont enregistrées, l'intervalle de données disponible T commence à l'arrivée de l'onde P et augmente avec le temps, et R est mis à jour à mesure que l'emplacement du tremblement de terre s'améliore. Les paramètres utilisés sont24 : FS = 2, ρ = 2600 kg/m3, CS = 3,2 km/s, CP = 5,3 km/s, κ = 0,025 s, Uφθ vaut 0,52 et 0,63 pour les ondes P et S respectivement23, et k est égal à 0,32 et 0,21 pour les ondes P et S, respectivement42. Pour les intervalles de données qui contiennent à la fois des ondes P et S, les constantes spécifiques à la phase doivent être moyennées en fonction des intervalles relatifs de chaque phase24 :

où const représente Uφθ, C ou k pour les ondes P ou S, et TS-P est l'intervalle de données SP. En utilisant ces paramètres, \({a}_{1}\) et \({a}_{3}\) peuvent s'écrire :

où les termes spécifiques à la phase sont écrits entre parenthèses.

Dans cette application, la magnitude est estimée à l'aide de plusieurs segments de fibre bien couplés identifiés manuellement d'environ 600 m comme suit. Les taux de déformation dans chaque segment de fibre sont convertis en accélérations du sol (voir "Conversion des taux de déformation en temps réel en accélérations du sol" dans Méthodes). Arms est calculé par canal DAS à partir de l'arrivée de l'onde P, puis fait l'objet d'une moyenne logarithmique par segment de fibre à chaque pas de temps afin de minimiser l'impact des valeurs aberrantes. Étant donné que le DAS ne peut mesurer le champ d'onde qu'en ligne avec la fibre, Arms est multiplié par \(\sqrt{2}\) pour compenser la composante orthogonale manquante. Les Arms moyennés au temps T sont ensuite entrés dans l'Eq. (7) avec Δτ et R pour estimer la magnitude. Les estimations de magnitude sont continuellement mises à jour jusqu'à ce que Arms moyen atteigne sa valeur maximale, ou T = 60 secondes24. Les estimations d'amplitude de différents segments de fibre sont pondérées en fonction de l'intervalle de données disponibles pour obtenir une estimation spécifique à l'événement.

Pour la prédiction PGV et PGA, nous utilisons un ensemble de GMPE basés sur la physique24,40, dérivés à l'aide du même modèle source41 (Eq. 3) utilisé pour obtenir l'expression de magnitude en temps réel (Eq. 7) accélérations du sol" dans Méthodes). Les GMPE pour PGV et PGA sont :

où \({\beta}_{V}=\frac{2\pi {U}_{\phi \theta}Fs\sqrt{\frac{16}{7}} {\left(k{C}_ {S}\right)}^\frac{3}{2}}{(\sqrt{2\pi }4\rho {C}_{S}^{3})}\) et \({\beta }_{A}=\frac{4\pi {U}_{\phi \theta }Fs{\left(\frac{16}{7}\right)}^{2/3}{\left(k {C}_{S}\right)}^{2}}{\left(\sqrt{\pi }4\rho {C}_{S}^{3}\right)}\). Ces GMPE théoriques sont facilement applicables dans n'importe quelle région sismique. En utilisant le réglage des paramètres pour les ondes S (voir « Estimation de la magnitude à partir des accélérations du sol à bande limitée » dans Méthodes), βV = 2,44 × 10–10 m1,5s1,5/kg et βA = 2,05 × 10–8 m2s/kg.

Les GMPE dans l'éq. (10) sont utilisés pour générer des PGV et PGA synthétiques pour différents moments sismiques, chutes de contraintes et distances hypocentrales. Les bras synthétiques sont générés en calculant la valeur efficace des spectres d'accélération (Fig. 9 supplémentaire). Ces spectres sont produits pour un moment sismique spécifique, une chute de contrainte et une distance hypocentrale à l'aide de l'équation. (3) et (4), soumis à un filtre passe-bas. Le filtre est modélisé de deux manières: comme une coupure nette (courbe noire en pointillés dans la Fig. 9 supplémentaire) telle qu'utilisée pour la dérivation du modèle (voir "Estimation de la magnitude à partir des accélérations du sol à bande limitée" dans Méthodes), ou comme un Butterworth idéal à 4 pôles filtre (courbe noire continue dans la Fig. 9 supplémentaire), similaire à celle utilisée pour le traitement du signal DAS.

Les mesures DAS en Grèce ont été effectuées à l'aide d'un interrogateur Febus A1 DAS entre le 18 et le 19 et le 19 et le 25 avril 2019 sur des fibres de 13,2 km et 26,2 km de long, échantillonnées à 6 ms et 5 ms, respectivement. La longueur de jauge et l'échantillonnage spatial ont tous deux été fixés à 19,2 m pour les deux fibres. Les mesures DAS en France ont été effectuées à l'aide d'un interrogateur hDAS Aragon Photonics entre le 11 et le 31 juillet 2019 sur une fibre de 44,8 km de long, échantillonnée à 10 ms et 2 ms pendant les 1er et 10 derniers jours, respectivement. La longueur de jauge et l'échantillonnage spatial ont tous deux été fixés à 10 m. Les mesures DAS au Chili ont été réalisées à l'aide d'un interrogateur ASN OptoDAS entre le 27 octobre et le 3 décembre 2021 sur une fibre de 204 km de long, échantillonnée à 8 ms. La longueur de jauge et l'échantillonnage spatial ont tous deux été fixés à 4,085 m. Les interrogateurs Febus et OptoDAS enregistrent les taux de déformation tandis que l'instrument Aragon enregistre les taches ; ces derniers ont été différenciés en taux de déformation avant la conversion en accélérations au sol.

Les enregistrements du sismomètre et de l'accéléromètre ont été utilisés pour calculer le PGV et le PGA pour les différents tremblements de terre comme suit. Les données pour la Grèce, la France et le Chili proviennent respectivement de l'Observatoire national d'Athènes, du référentiel RESIF et de l'IRIS. Les deux composantes horizontales des capteurs ponctuels ont été dégradées et filtrées passe-haut à 1 Hz à l'aide d'un filtre Butterworth à 4 pôles, suivi d'une simple correction de gain. Les signaux du vélocimètre ont été différenciés pour obtenir les accélérations au sol et les enregistrements de l'accéléromètre ont été intégrés pour obtenir les vitesses au sol. Un filtre passe-haut supplémentaire a été appliqué après différenciations et intégrations. Les PGV (PGA) ont ensuite été calculés comme la moyenne géométrique du maximum de la valeur absolue des deux composantes de vitesse (accélération). Les PGV et PGA qui sont inférieurs à 5 fois l'écart type de la série chronologique associée sont rejetés car ils peuvent être biaisés par le bruit.

Des échantillons de séismes DAS sont disponibles sur https://osf.io/4bjph/.

Allen, RM & Melgar, D. Alerte précoce aux tremblements de terre : avancées, défis scientifiques et besoins sociétaux. Annu. Planète Terre Rev. Sci. 47, 361–388 (2019).

Annonces CAS Google Scholar

Colombelli, S., Carotenuto, F., Elia, L. & Zollo, A. Conception et mise en œuvre d'une application mobile pour les systèmes d'alerte précoce aux tremblements de terre (EEWS) basés sur le réseau : application au PRESTo EEWS dans le sud de l'Italie. Nat. Dangers Terre Syst. Sci. 20, 921–931 (2020).

Annonces Google Scholar

Nof, RN, Lior, I. & Kurzon, I. Système d'alerte précoce aux tremblements de terre en Israël—Vers une étape opérationnelle. Devant. Terre Sci. 9 (2021).

Licciardi, A., Bletery, Q., Rouet-Leduc, B., Ampuero, J.-P. & Juhel, K. Suivi instantané de la croissance des tremblements de terre avec des signaux d'élastogravité. Nature https://doi.org/10.1038/s41586-022-04672-7 (2022).

Article Google Scholar

Kuyuk, HS & Allen, RM Densité optimale du réseau sismique pour l'alerte précoce aux tremblements de terre : une étude de cas en Californie. Seismol. Rés. Lett. 84, 946–954 (2013).

Google Scholar

Wald, DJ Limites pratiques de l'alerte précoce aux tremblements de terre. Terreq. Spectres 36, 1412-1447 (2020).

Google Scholar

Aoi, S. et al. MOWLAS : Réseau d'observation du NIED pour les tremblements de terre, les tsunamis et les volcans. Terre Planètes Espace 72, 126 (2020).

Annonces Google Scholar

Schlesinger, A. et al. Un système d'alerte précoce aux tremblements de terre pour le sud-ouest de la Colombie-Britannique. Devant. Terre Sci. 9 (2021).

Zhan, Z. La détection acoustique distribuée transforme les câbles à fibres optiques en antennes sismiques sensibles. Seismol. Rés. Lett. 91, 1–15 (2020).

Google Scholar

Fernandez-Ruiz, MR et al. Surveillance sismique avec détection acoustique distribuée depuis la surface jusqu'aux profondeurs océaniques. J.Lumière. Technol. 40, 1453-1463 (2022).

Annonces Google Scholar

Lindsey, NJ, Rademacher, H. & Ajo-Franklin, JB Sur la réponse des instruments à large bande des réseaux DAS à fibre optique. J. Geophys. Rés. Terre solide 125, (2020).

van den Ende, MPA & Ampuero, J.-P. Évaluation des capacités de formation de faisceaux sismiques des réseaux de détection acoustique distribués. Terre solide 12, 915–934 (2021).

Annonces Google Scholar

Lior, I. et al. Sur les capacités de détection de la détection acoustique distribuée sous-marine. J. Geophys. Rés. Terre solide 126 (2021).

Yuan, S., Lellouch, A., Clapp, RG & Biondi, B. Caractérisation près de la surface à l'aide d'un réseau de détection acoustique distribué en bordure de route. Mener. Bord 39, 646–653 (2020).

Google Scholar

Williams, EF et al. Inversion d'onde Scholte et imagerie de source passive avec DAS de fond océanique. Mener. Bord 40, 576–583 (2021).

Google Scholar

Lior, I., Mercerat, ED, Rivet, D., Sladen, A. & Ampuero, J. Imagerie d'un bassin sous-marin et de ses modes de résonance à l'aide de la détection acoustique distribuée par fibre optique. Seismol. Rés. Lett. 93, 1573-1584 (2022).

Google Scholar

Spica, ZJ et al. Imagerie du sous-sol avec détection acoustique distribuée du fond de l'océan et réverbérations des phases de l'eau. Géophys. Rés. Lett. 49, (2022).

Papp, B., Donno, D., Martin, JE & Hartog, AH Une étude de la réponse géophysique des capteurs acoustiques à fibre optique distribués par le biais d'expériences à l'échelle du laboratoire : réponse géophysique des capteurs à fibre optique. Géophys. Perspective. 65, 1186-1204 (2017).

Annonces Google Scholar

Sladen, A. et al. Détection distribuée des tremblements de terre et des interactions océan-Terre solide sur les câbles de télécommunication du fond marin. Nat. Commun. 10, 1–8 (2019).

Annonces Google Scholar

Lellouch, A. & Biondi, BL Applications sismiques du DAS de fond de trou. Capteurs 21, 2897 (2021).

Annonces CAS Google Scholar

Li, Z. & Zhan, Z. Repousser les limites de la détection des tremblements de terre grâce à la détection acoustique distribuée et à l'appariement des modèles : une étude de cas sur le champ géothermique de Brady. Géophys. J. Int. 215, 1583-1593 (2018).

Annonces Google Scholar

Singh, S., Capdeville, Y. & Igel, H. Correction des gradients de champ d'onde pour les effets des hétérogénéités locales à petite échelle. Géophys. J. Int. 220, 996-1011 (2020).

Annonces Google Scholar

Aki, K. & Richards, PG Sismologie quantitative (University Science Books, 2002).

Google Scholar

Lior, I. & Ziv, A. Détermination générique des paramètres de source et prédiction des mouvements du sol pour l'alerte précoce des tremblements de terredétermination générique des paramètres source et prédiction des mouvements du sol pour l'alerte précoce des tremblements de terre. Taureau. Seismol. Soc. Suis. 110, 345–356 (2020).

Google Scholar

Worden, CB, Gerstenberger, MC, Rhoades, DA & Wald, DJ Relations probabilistes entre les paramètres de mouvement du sol et l'intensité modifiée de Mercalli en Californie. Taureau. Seismol. Soc. Suis. 102, 204–221 (2012).

Google Scholar

Satriano, C., Lomax, A. & Zollo, A. Localisation évolutive des tremblements de terre en temps réel pour l'alerte sismique précoce. Taureau. Seismol. Soc. Suis. 98, 1482–1494 (2008).

Google Scholar

Lomax, A., Satriano, C. & Vassallo, M. Développements et optimisation du sélecteur automatique : FilterPicker – un sélecteur robuste à large bande pour la surveillance sismique en temps réel et l'alerte précoce en cas de tremblement de terre. Seismol. Rés. Lett. 83, 531–540 (2012).

Google Scholar

Eisermann, AS, Ziv, A. & Wust-Bloch, HG Localisation des tremblements de terre basée sur un réseau pour l'alerte précoce aux tremblements de terre régionaux : études de cas de la transformation de la mer Morte. Taureau. Seismol. Soc. Suis. 108, 2046-2053 (2018).

Google Scholar

Li, Z., Meier, M.-A., Hauksson, E., Zhan, Z. & Andrews, J. Discrimination des ondes sismiques par apprentissage automatique : application à l'alerte précoce en cas de tremblement de terre. Géophys. Rés. Lett. 45, 4773–4779 (2018).

Annonces Google Scholar

Lellouch, A., Yuan, S., Spica, Z., Biondi, B. & Ellsworth, WL Estimation de la vitesse sismique à l'aide d'enregistrements de détection acoustique distribués passifs en fond de trou : exemples de l'observatoire de la faille de san andreas en profondeur. J. Geophys. Rés. Terre solide 124, 6931–6948 (2019).

Google Scholar

Nayak, A., Ajo-Franklin, J. et l'équipe Imperial Valley Dark Fiber. Détection acoustique distribuée utilisant une fibre noire pour la détection par réseau de tremblements de terre régionaux. Seismol. Rés. Lett. 92, 2441–2452 (2021).

Kuyuk, HS & Allen, RM Une approche globale pour fournir des estimations de magnitude pour les alertes d'alerte précoce aux tremblements de terre : Magnitude pour l'alerte précoce aux tremblements de terre. Géophys. Rés. Lett. 40, 6329–6333 (2013).

Annonces Google Scholar

Sadeh, M., Ziv, A. & Wust-Bloch, H. Proxies de magnitude en temps réel pour l'alerte précoce aux tremblements de terre en Israël. Géophys. J. Int. 196, 939–950 (2014).

Annonces Google Scholar

Nazeri, S., Shomali, ZH, Colombelli, S., Elia, L. & Zollo, A. Estimation de la magnitude basée sur le contenu intégré d'amplitude et de fréquence de l'onde P initiale dans l'alerte précoce aux tremblements de terre appliquée à Téhéran, Iran. Taureau. Seismol. Soc. Suis. 107, 1432-1438 (2017).

Google Scholar

Lior, I., Ziv, A. & Madariaga, R. Atténuation des ondes P avec des implications pour l'alerte précoce aux tremblements de terre. Taureau. Seismol. Soc. Suis. 106, 13-22 (2016).

Google Scholar

Ziv, A. & Lior, I. Magnitude du moment en temps réel et chute de contrainte avec des implications pour la prédiction des secousses en temps réel. Taureau. Seismol. Soc. Suis. 106, 2459-2468 (2016).

Google Scholar

Lior, I. et al. Conversion de la déformation en mouvement du sol des données de détection acoustique distribuée pour la détermination de la magnitude du tremblement de terre et de la chute de contrainte. Terre solide 12, 1421–1442 (2021).

Annonces Google Scholar

Daley, TM, Miller, DE, Dodds, K., Cook, P. & Freifeld, BM Essais sur le terrain de la surveillance de forage modulaire avec détection acoustique distribuée simultanée et profils sismiques verticaux par géophone à Citronelle, Alabama : Essais sur le terrain de MBM. Géophys. Perspective. 64, 1318-1334 (2016).

Annonces Google Scholar

Wang, HF et al. Réponse du mouvement du sol à un tremblement de terre de ML 4.3 à l'aide de capteurs acoustiques distribués et de réseaux de sismomètres colocalisés. Géophys. J. Int. 213, 2020-2036 (2018).

Annonces Google Scholar

Lior, I. & Ziv, A. La relation entre le mouvement du sol, les paramètres de la source du tremblement de terre et l'atténuation : implications pour l'inversion des paramètres de la source et les équations de prédiction du mouvement du sol. J. Geophys. Rés. Terre solide 123, 5886–5901 (2018).

Annonces Google Scholar

Brune, JN Contrainte tectonique et spectres des ondes de cisaillement sismiques des tremblements de terre. J. Geophys. Rés. 75, 4997–5009 (1970).

Annonces Google Scholar

Madariaga, R. Dynamique d'une faille circulaire en expansion. Taureau. Seismol. Soc. Suis. 66, 639–666 (1976).

Google Scholar

van den Ende, M. et al. Une approche d'apprentissage en profondeur auto-supervisée pour le débruitage aveugle et l'amélioration de la cohérence des formes d'onde dans les données de détection acoustique distribuée. IEEE Trans. Réseau neuronal. Apprendre. Syst. 1–14 (2021) https://doi.org/10.1109/TNNLS.2021.3132832.

Guérin, G. et al. Tomographie de bruit ambiant à haute résolution des Alpes du Sud-Ouest et de la marge ligurienne. Géophys. J. Int. 220, 806–820 (2020).

Annonces Google Scholar

Ajo-Franklin, JB et al. Détection acoustique distribuée utilisant la fibre noire pour la caractérisation près de la surface et la détection d'événements sismiques à large bande. Sci. Rep. 9 (2019).

Atterholt, J., Zhan, Z., Shen, Z. & Li, Z. Une approche unifiée de partitionnement de champ d'onde pour la détection acoustique distribuée. Géophys. J. Int. 228, 1410-1418 (2021).

Annonces Google Scholar

Fernández-Ruiz, MR, Costa, L. & Martins, HF Détection acoustique distribuée à l'aide de la technologie OTDR sensible à la phase à impulsions compressées. Capteurs 19, 4368 (2019).

Annonces Google Scholar

Oth, A., Miyake, H. & Bindi, D. Sur la relation entre la chute de contrainte sismique et la variabilité du mouvement du sol. J. Geophys. Rés. Terre solide 122, 5474–5492 (2017).

Annonces Google Scholar

Trugman, DT & Shearer, PM Forte corrélation entre la chute de contrainte et l'accélération maximale du sol pour les récents tremblements de terre de M 1 à 4 dans la région de la baie de San Francisco. Taureau. Seismol. Soc. Suis. 108, 929–945 (2018).

Google Scholar

Trugman, DT, Page, MT, Minson, SE & Cochran, ES Le pic de déplacement du sol sature exactement comme prévu : Implications pour l'alerte précoce aux tremblements de terre. J. Geophys. Rés. Terre solide 124, 4642–4653 (2019).

Annonces Google Scholar

Kaneko, Y. & Shearer, PM Variabilité des spectres de source sismique, chute de contrainte estimée et énergie rayonnée, dérivée de modèles de zone cohésive de ruptures circulaires et elliptiques symétriques et asymétriques. J. Geophys. Rés. Terre solide 120, 1053–1079 (2015).

Annonces Google Scholar

Trugman, DT & Shearer, PM Application d'une méthode de décomposition spectrale améliorée pour examiner la mise à l'échelle de la source des tremblements de terre dans le sud de la Californie : mise à l'échelle de la source des tremblements de terre dans le sud de la Californie. J. Geophys. Rés. Terre solide 122, 2890-2910 (2017).

Annonces Google Scholar

Shearer, PM, Abercrombie, RE, Trugman, DT et Wang, W. Comparaison des méthodes EGF pour estimer la fréquence de coin et la chute de contrainte à partir des spectres d'ondes P. J. Geophys. Rés. Terre solide 124, 3966–3986 (2019).

Annonces Google Scholar

Deichmann, N. Magnitude locale, un moment revisité. Taureau. Seismol. Soc. Suis. 96, 1267-1277 (2006).

Google Scholar

Kohler, MD et al. Alerte précoce aux tremblements de terre ShakeAlert 2.0 : Déploiement public. Seismol. Rés. Lett. 91, 1763–1775 (2020).

Google Scholar

Mateeva, A. et al. Détection acoustique distribuée pour la surveillance des réservoirs avec profilage sismique vertical : Détection acoustique distribuée (DAS) pour la surveillance des réservoirs avec VSP. Géophys. Perspective. 62, 679–692 (2014).

Annonces Google Scholar

Madariaga, R., Ruiz, S., Rivera, E., Leyton, F. & Baez, JC Spectres en champ proche des grands tremblements de terre. Application pure. Géophys. 176, 983-1001 (2019).

Annonces Google Scholar

Böse, M., Heaton, TH & Hauksson, E. Détecteur de rupture de faille finie en temps réel (FinDer) pour les grands tremblements de terre. Géophys. J. Int. 191, 803–812 (2012).

Annonces Google Scholar

Kodera, Y. et al. La méthode de propagation du mouvement local non amorti (PLUM) : une approche simple et robuste d'estimation du champ d'onde sismique pour l'alerte précoce des tremblements de terre. Taureau. Seismol. Soc. Suis. 108, 983-1003 (2018).

Google Scholar

Munn, JD, Coleman, TI, Parker, BL, Mondanos, MJ et Chalari, A. Nouvelle technique de couplage de câbles pour améliorer les VSP de capteurs acoustiques distribués peu profonds. J. Appl. Géophys. 138, 72–79 (2017).

Annonces Google Scholar

Van Houtte, C., Larkin, T. & Holden, C. Sur les durées, les facteurs de pointe et les corrections de non-stationnarité dans les applications des risques sismiques de la théorie des vibrations aléatoires. Taureau. Seismol. Soc. Suis. 108, 418–436 (2018).

Google Scholar

Taner, MT, Koehler, F. & Sheriff, RE Analyse de traces sismiques complexes. Géophysique 44, 1041-1063 (1979).

Annonces Google Scholar

Valeurs de Hanks, TC b et modèles de sources sismiques ω −γ : implications pour les variations de contraintes tectoniques le long des zones de failles crustales actives et estimation des mouvements du sol forts à haute fréquence. J. Geophys. Rés. 84, 2235 (1979).

Annonces Google Scholar

McGuire, RK & Hanks, TC Accélérations RMS et amplitudes spectrales d'un fort mouvement du sol lors du tremblement de terre de San Fernando, en Californie. Taureau. Seismol. Soc. Suis. 70, 1907-1919 (1980).

Google Scholar

Luco, JE Sur de fortes estimations de mouvement du sol basées sur des modèles du spectre rayonné. Taureau. Seismol. Soc. Suis. 75, 641–649 (1985).

Google Scholar

Lior, I. & Ziv, A. La relation entre l'accélération du sol et les paramètres de la source du séisme : Théorie et observations. Taureau. Seismol. Soc. Suis. 107, 1012-1018 (2017).

Google Scholar

Anderson, JG & Hough, SE Un modèle pour la forme du spectre d'amplitude d'accélération de Fourier aux hautes fréquences. Taureau. Seismol. Soc. Suis. 74, 1969–1993 (1984).

Google Scholar

Eshelby, JD La détermination du champ élastique d'une inclusion ellipsoïdale et les problèmes connexes. Proc. R. Soc. Londres. Ser. Mathématiques. Phys. Sci. 241, 376–396 (1957).

ADS MathSciNet MATH Google Scholar

Télécharger les références

Ce projet a bénéficié d'un financement du Conseil Européen de la Recherche (ERC) dans le cadre du programme de recherche et d'innovation Horizon 2020 de l'Union Européenne (convention de subvention n°101041092), du projet UCAJEDI Investissements d'Avenir piloté par l'Agence Nationale de la Recherche (ANR) avec le référence ANR-15-IDEX-01, et de l'Observatoire de la Côte d'Azur. Nous remercions GTD Grupo SA qui a fourni l'accès à l'infrastructure, et le personnel du Centro Sismologico Nacional qui a aidé à la logistique.

Institut des sciences de la Terre, Université hébraïque, Jérusalem, Israël

Itzhak Lior

Université Côte d’Azur, Observatoire de La Côte d’Azur, CNRS, IRD, Géoazur, Valbonne, France

Diane Rivet, Jean-Paul Ampuero et Anthony Sladen

Centre national de sismologie, Université du Chili, Santiago, Chili

Sergio Barrientos & Rodrigo Sánchez-Olavarria

Gtd Group SA, Santiago, Chili

Allemand Alberto Villarroel Opazo & Jose Antonio Bustamante Prado

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

IL a conçu les algorithmes présentés, effectué l'analyse et rédigé le projet initial. DR, JPA et AS ont contribué à la discussion, à la méthodologie, à l'interprétation et à la présentation des résultats. DR, JPA, AS, SB, RSO, GAVO et JABP ont participé à la réalisation des mesures DAS.

Correspondance à Itzhak Lior.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournir un lien vers la licence Creative Commons et indiquer si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Lior, I., Rivet, D., Ampuero, JP. et coll. Estimation de la magnitude et prédiction du mouvement du sol pour exploiter la détection acoustique distribuée par fibre optique pour l'alerte précoce des tremblements de terre. Sci Rep 13, 424 (2023). https://doi.org/10.1038/s41598-023-27444-3

Télécharger la citation

Reçu : 23 septembre 2022

Accepté : 02 janvier 2023

Publié: 09 janvier 2023

DOI : https://doi.org/10.1038/s41598-023-27444-3

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.

Nouvelles

Estimation de la magnitude et prédiction des mouvements du sol pour exploiter la détection acoustique distribuée par fibre optique pour l'alerte précoce des tremblements de terre