Des chercheurs prédisent le déplacement des glissements de terrain à l'aide d'images satellites et de l'apprentissage automatique
Un groupe de chercheurs a proposé un nouveau cadre de prédiction du déplacement des glissements de terrain basé sur la physique et possédant un bon rapport coût-efficacité, selon un article de recherche récemment publié dans la revue Engineering Geology.
La prévision de la déformation des glissements de terrain est un élément important des systèmes d'alerte précoce des glissements de terrain. La prévision des déplacements basée sur la surveillance géotechnique in situ donne de bons résultats, mais son coût élevé et ses limites spatiales empêchent son utilisation fréquente dans de vastes zones.
Les chercheurs de l'Université chinoise des géosciences, de l'Université de Beijing, de l'Université Leibniz de Hanovre et du Centre allemand de recherche en géosciences GFZ ont utilisé une combinaison de techniques de radar interférométrique multitemporel à synthèse d'ouverture (MT-InSAR) et d'apprentissage automatique pour extraire des séries temporelles de déplacements pour les glissements de terrain à partir d'images satellites, afin de fournir des données de base peu coûteuses pour l'alerte précoce et la prévision.
L'application de la méthode de prévision dans la zone du réservoir des Trois Gorges en Chine montre que le MT-InSAR peut surveiller avec précision la déformation des glissements de terrain et que les algorithmes d'apprentissage automatique peuvent établir avec précision la relation non linéaire entre la déformation des glissements de terrain et ses déclencheurs.
En intégrant les avantages des techniques MT-InSAR et de l'apprentissage automatique, le cadre de prédiction proposé, qui tient compte des principes physiques de la déformation des glissements de terrain, peut prédire avec un bon rapport coût-efficacité le déplacement des glissements de terrain dans de vastes zones, indique l'article de recherche.