Caractérisation de la sismicité naturelle d’une région continentale stable : application au Massif armoricain
Auteur / Autrice : | Céline Hourcade |
Direction : | Éric Beucler, Mickaël Bonnin |
Type : | Thèse de doctorat |
Discipline(s) : | Sciences de la Terre et des planètes |
Date : | Soutenance le 18/10/2023 |
Etablissement(s) : | Nantes Université |
Ecole(s) doctorale(s) : | École doctorale Matière, Molécules Matériaux et Géosciences (Le Mans) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire de Planétologie et Géosciences (Nantes) |
Jury : | Président / Présidente : Stéphane Mazzotti |
Examinateurs / Examinatrices : Marc Grunberg, Marie Calvet | |
Rapporteurs / Rapporteuses : Stéphane Mazzotti, Alessia Maggi |
Mots clés
Mots clés contrôlés
Résumé
Les différentes régions continentales stables dans le monde, telles que le Massif armoricain en France, se caractérisent par des taux de déformation très faibles et une sismicité faible à modérée. Devant un forçage tectonique très faible, voire imperceptible, les processus qui gouvernent l'occurrence et la localisation de cette sismicité demeurent mal compris. Dans le Massif armoricain, cela a également été grandement entravée par la couverture limitée du réseau de stations jusqu'en 2015. Au cours des dix dernières années, l'augmentation du nombre de stations dans la région a ouvert la possibilité de détecter les événements sismiques manquants et de mieux caractériser la sismicité de la région. Au-delà de l'aspect purement instrumental, cette compréhension de la sismicité de faible magnitude est fortement influencée par la méthode de détection utilisée pour identifier les événements naturels. Afin d'améliorer la détection de ces tremblements de terre, nous avons développé et mis en place des outils de détection et de discrimination automatique. Pour la détection, nous avons adopté une approche de type template matching, nous permettant d'identifier dans le signal les formes d'ondes similaires à celles d'un séisme. Cependant, cette méthode peut engendrer un taux élevé de faux événements. Pour résoudre ce problème, nous avons créé un outil basé sur le machine learning, permettant une discrimination rapide et fiable de ces événements afin de n'extraire que les séismes détectés. Un deuxième outil de machine learning a été mis en place pour différencier les événements sismiques naturels (d'origine tectonique) des événements anthropiques (d'origine humaine). L'application de ces outils sur quatre années de données sismiques a apporté des résultats prometteurs. Grâce à cette étude, nous avons pu doubler le nombre d'événements sismiques naturels détectés dans la région. Ce travail de thèse permet donc une cartographie plus fine de la sismicité de la région, essentielle pour une meilleure compréhension de cette sismicité en domaine continental stable. Malgré sa caractéristique diffuse, l'analyse de 4 années du signal sismique montre une plus forte activité sismique localisée Sud-Bretagne, proche des structures majeures telles que le cisaillement sud-armoricain.