Identification et caractérisation de Mass Transport Deposits à partir de données sismiques. Application au bassin de l'Amazone (Amazon River Mouth basin)

Identification and characterization of Mass Transport Deposits from seismic data. Application to the Amazon River Mouth basin

• Auteur / Autrice : Pauline Le Bouteiller
• Direction : Christian Gorini
• Type : Thèse de doctorat
• Discipline(s) : Géosciences
• Date : Soutenance le 05/12/2018
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Géosciences, ressources naturelles et environnement (Paris ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Institut des sciences de la Terre de Paris (2009-....)
• Jury : Président / Présidente : Sébastien Migeon
• Jury : Examinateurs / Examinatrices : Florence Delprat-Jannaud, Jean Charléty, Thierry Coleou, Adriano R. Viana
• Jury : Rapporteur / Rapporteuse : Ghassan AlRegib, Antonio Cattaneo

Mots clés

Mots clés contrôlés

Imagerie sismique

Géologie sous-marine

Glissements de terrain

Amazone, Bassin de l'

Bassins sédimentaires -- Brésil

Mots clés libres

Dépôt sédimentaire

Transport gravitaire

Interprétation sismique

Segmentation d'image

Ontologie

Apprentissage artificiel

Sedimentary deposit

Mass transport deposit

Seismic interpretation

Seismic ilage segmentation

Ontology

Artificial learning

Résumé

Comprendre les processus ayant engendré un « Mass Transport Deposit » (MTD) permet une meilleure connaissance des ressources potentielles d’un bassin sédimentaire et de l’aléa glissement de terrain sous-marin. L’interprétation de données sismiques est abordée pour étudier les MTDs. Deux méthodologies sont développées dans cette thèse, pour inférer les processus physiques ayant impacté l’aspect actuel de MTDs dans des images sismiques. La méthodologie d’ « identification » de MTDs dans des images sismiques s’attache à déterminer la position et les contours de ces objets géologiques tout en préservant la variabilité interne de leurs facies sismiques. Cette méthodologie utilise une segmentation d’image texturée (l’image sismique) couplée à un apprentissage faiblement supervisé par des probabilités a priori d’occurrence des objets. La méthodologie d’ « interprétation » fournit des hypothèses de processus physiques ayant impacté les différents caractères d’un MTD. Ces hypothèses sont obtenues uniquement via une base de connaissances objective construite à partir de la littérature, mettant en lumière le processus d’interprétation. Ces deux méthodologies sont appliquées avec succès sur un jeu de données du bassin de l’Amazone (Brésil). Elles promeuvent l’utilisation conjointe d’approches orientées données (data-driven) et basées sur la connaissance (knowledge- / model-driven).

Understanding the processes leading to the formation of a Mass Transport Deposit (MTD) allows a better knowledge of the potential resources and geohazards associated to a sedimentary basin. Seismic data interpretation is used to study MTDs. Two methodologies are developed in this PhD thesis, in order to infer the physical processes that may have impacted the current aspect of an MTD in a seismic image. The “identification” methodology allows to locate the position and extent of MTDs in seismic images, while preserving their internal seismic facies variability. This methodology is based on textured image segmentation, jointly with a weakly-supervised learning of probabilities of MTD occurrence on seismic images. The “interpretation” methodology provides hypotheses to explain the various characters of an MTD, in terms of physical processes. These hypotheses are retrieved through a knowledge base built from the literature and used as an inference engine, thus highlighting the interpretation process. Both methodologies are successfully applied to a seismic dataset acquired in the Amazon basin (Brazil). They enhance the joint use of data-, knowledge- and model-driven approaches.