How Sine Functions Are Applied in Seismology to Detect Earthquakes
Table of Contents
De l'oscillation à la perspicacité : le rôle fondamental des fonctions sinusales en sismologie
La détection et l'analyse des tremblements de terre – un des phénomènes les plus redoutables de la nature – reposent sur une roche-mère mathématique étonnamment simple : la fonction sinusoïdale. Lorsque le sol tremble, il oscille. Ces oscillations, qu'elles soient les premières ondes P primaires ou les ondes de surface plus lentes et plus grandes, sont fondamentalement décrites par le mouvement sinusoïdal. Les sismologues exploitent les propriétés des fonctions sinusoïdales pour transformer les enregistrements de la motion du sol brut en modèles détaillés de sources sismiques, de structure terrestre et d'évaluation des risques.
La connexion intrinsèque entre les tremblements de terre et les vagues de sinus
Un tremblement de terre libère de l'énergie élastique comme une rupture se propage le long d'une faille. Cette énergie rayonne vers l'extérieur sous forme d'ondes sismiques — ondes du corps (P et S) et ondes de surface (Love et Rayleigh). Chaque type d'onde présente un motif oscillatoire caractéristique. Par exemple, le mouvement des particules d'une onde P est une compression et dilatation du dos et de la chaîne, analogue à une onde sinusoïdale longitudinale.
Cette correspondance naturelle n'est pas une coïncidence. La Terre agit comme un milieu élastique hétérogène, et la propagation des ondes sismiques suit l'équation des ondes, dont les solutions incluent les ondes sinusoïdales debout et mobiles. En modélisant ces ondes comme des fonctions sinusales du temps et de l'espace, les sismologues peuvent prédire les temps d'arrivée, les amplitudes et les caractéristiques de dispersion.
Analyse de Fourier : Décomposition de signaux sismiques complexes en composants sinusoïdaux
Cette opération mathématique décompose un enregistrement sismique continu ou discret du domaine temporel en une somme d'ondes sinusoïdales et de cosinus de fréquences, d'amplitudes et de phases variables. Le résultat — spectre ou spectrogramme — révèle la teneur en fréquence du signal. Comme les différentes phases sismiques et les sources sonores dominent les différentes bandes de fréquences, cette décomposition est essentielle pour le filtrage, l'analyse et l'interprétation.
Filtrage de fréquence de domaine
Les données sismiques brutes sont souvent contaminées par le bruit culturel (trafic, machine), les microsisms (ondes océaniques) et les variations de réponse aux instruments. Les sismologues utilisent des méthodes de Fourier sinusoïdales pour isoler la gamme de fréquences. Par exemple, les ondes P télesismiques ont généralement des fréquences dominantes entre 0,5 et 2 Hz, tandis que les signaux locaux de tremblement de terre peuvent s'étendre jusqu'à 10–20 Hz. En concevant des filtres qui ne passent que les composants sinusoïdaux souhaités, les analystes peuvent améliorer les rapports signal-bruit et extraire des formes d'onde plus claires.
Analyse de phase et de polarisation
Au-delà de l'amplitude, le spectre de phase, c'est-à-dire le décalage temporel de chaque composant sinusoïdal, contient des informations critiques. La différence de phase entre les composants horizontaux et verticaux, par exemple, indique l'arrivée d'une onde Rayleigh contre une onde Love. Les sismologues utilisent une analyse de polarisation, souvent basée sur une décomposition par eigen de la matrice de covariance des composants sinusoïdaux à trois composants, pour classer les types d'ondes et estimer le backazimuth.
Spectrogrammes : Représentation chronologique
Un spectrogramme est une représentation visuelle de la façon dont la teneur en fréquence d'un signal sismique change avec le temps. Il est construit en appliquant la transformation de Fourier (STFT) à court terme, qui calcule les coefficients sinus/cosinus sur les fenêtres coulissantes. Les spectrogrammes révèlent la nature dispersive des ondes de surface — l'arrivée de fréquences différentes à différents moments — et permettent d'identifier les tremblements volcaniques, les tremblements tectoniques et d'autres sources non-impulseuses.
Détection et localisation des tremblements de terre avec des algorithmes sinusaux
Les systèmes automatiques de détection et de localisation des tremblements de terre, qui traitent des milliers de canaux en temps réel, dépendent fortement des représentations de sinus. Les déclencheurs traditionnels de moyenne à court terme/moyenne à long terme (STA/LTA) mesurent le rapport énergie instantanée à énergie de fond. L'énergie elle-même est souvent calculée comme l'amplitude carrée du signal filtré par bande-passe-profile-profile pour la puissance des composants sinusaux dominants.
P‐Wave et S‐Wave Picking
La sélection précise de phase est la première étape de la localisation du séisme. Les récupérateurs modernes utilisent des réseaux neuronaux formés sur des caractéristiques dérivées de décompositions sinusoïdales, telles que la fréquence instantanée (dérivée de phase) ou la transformation de Hilbert (qui crée un signal analytique à partir de paires sinus/cosine). La transformation de Hilbert permet notamment l'extraction de l'enveloppe et de la phase instantanée, permettant une identification robuste des phases, même dans les données bruyantes.
Traitement des faisceaux et des rayons
Les réseaux sismiques, qui sont des sismomètres très espacés, utilisent le faisceau pour améliorer les signaux d'une direction particulière. Le faisceau est essentiellement une transformation spatiale de Fourier : il résume les versions décalées du sinus pour aligner les ondes provenant d'un backazimut spécifique. La lenteur (vitesse inverse) et l'azimut du front d'onde entrant sont déterminées en maximisant la puissance du faisceau, un processus qui manipule directement les relations de phase sinusoïdale entre stations. Cette technique est essentielle pour détecter les événements de petite magnitude, les explosions nucléaires souterraines et l'activité volcanique.
Modélisation de la Rupture de Tremblement de Terre avec Fonctions Sinus
La compréhension de la physique d'une source de tremblement de terre — sa magnitude moment, sa durée de rupture, sa distribution de glissement et sa chute de contrainte — exige la modélisation de la forme d'onde sismique. Une approche commune consiste à représenter la fonction de temps source comme somme des ondes sinus et cosinus (Fourier synthèse) ou comme une fonction analytique simple avec des paramètres sinusoïdaux (p. ex., une impulsion Brune ou Haskell).
Tenseurs de moments et inversions de source
Le tenseur de moment sismique, qui décrit les forces équivalentes à la source, est extrait en inversant l'amplitude et la phase observées de phases de composantes sinusoïdales sélectionnées (P, S, ondes de surface).Cette inversion minimise la différence entre les formes d'onde prédites et observées, où les prédictions sont calculées à l'aide de sismogrammes synthétiques qui sont eux-mêmes des somme de fonctions sinusoïdales (par la somme de modes normaux ou l'intégration discrète du nombre d'ondes).
Inversions par défaut
Pour les grands tremblements de terre, la rupture n'est pas une source ponctuelle; elle se propage à travers un plan de faille. Les inversions par défaut de finite utilisent plusieurs sous-fautes, chacune représentée par une fonction de glissement dépendant du temps qui peut être exprimée par une combinaison d'ondes sinusoïdales ou d'une cloche de cosine sourde (p. ex., une fonction Herrmann). Les enregistrements de forte émotion observés sont comparés à des sismogrammes synthétiques calculés en additionnant les contributions de toutes les sous-fautes, en tenant compte des retards de phase dus à la propagation de rupture.
Prévisions probabilistes et risques sismiques
Les équations de prédiction de la mobilité au sol (MEG) décrivent l'amplitude attendue d'un paramètre de la mobilité au sol (par exemple, accélération du pic au sol) en fonction de la magnitude, de la distance et de l'état du site. Ces PEG sont dérivés de régressions sur des données observées, mais la physique sous-jacente — l'attente, l'absorption anélastique, la diffusion — peut être modélisée à l'aide de la propagation des ondes sinusoïdales dans un milieu viscoélastique. Le facteur de qualité Q, qui caractérise la décroissance de l'amplitude au-dessus de la distance, est mesuré à partir du rapport spectral des amplitudes des composantes sinusoïdales à différentes fréquences.
Techniques avancées : apprentissage automatique et réseaux neuraux profonds
Les avancées récentes en sismologie tirent parti de l'apprentissage profond pour améliorer la détection et la localisation. Cependant, même les réseaux neuraux les plus sophistiqués utilisent souvent des fonctionnalités d'entrée dérivées de transformations sinusoïdales. Par exemple, les architectures populaires comme Conv‐Quake ou PhaseNet prennent comme spectrogrammes d'entrée (STFT) ou d'autres représentations de fréquences temporelles. Les couches convolutionnelles apprennent des filtres qui sont effectivement adaptés à des motifs sinusoïdaux spécifiques, comme une banque de filtres de passe-bande.
Étude de cas : Comment les fonctions du sinus ont aidé à détecter le tremblement de terre de Tohoku‐Oki 2011
Les sismologues de l'USGS et d'autres organismes ont utilisé l'analyse de Fourier pour déterminer rapidement l'ampleur et l'emplacement de l'événement. En décomposé les formes d'onde à large bande en composants sinusaux, les analystes ont identifié la période dominante de 100 secondes de la source, caractéristique d'une très grande rupture. Les spectrogrammes ont montré une dispersion claire des ondes de Rayleigh dans le Pacifique, permettant l'imagerie rétroprojective du front de rupture. Cet exemple souligne comment les outils sinusaux demeurent au centre même à l'ère du big data et de l'apprentissage machine (Page de l'événement USGS) .
Limites et approches complémentaires
Bien que les fonctions sinusoïdales soient indispensables, elles ne sont pas une solution universelle. Les signaux sismiques ne sont pas stationnaires et contiennent souvent des pics transitoires, des effets de site non linéaires et des complexités de terrain mal modélisées par une simple somme de sinusoïdes. Les transformations des vagues et la décomposition empirique du mode offrent des alternatives qui s'adaptent aux caractéristiques des signaux locaux.
Conclusion
Depuis les premiers sismographes qui ont scisculé les traces sinusoïdales sur le papier fumé jusqu'aux réseaux numériques modernes qui traitent les téraoctets de données en temps réel, les fonctions sinusoïdales ont été le langage de la détection des tremblements de terre. Elles sous-tendent l'analyse, l'inversion de la source, la formation de faisceaux, le filtrage et l'évaluation probabiliste des dangers.
Pour plus de détails sur les bases mathématiques, consulter Ressources pédagogiques de l'IRIS sur l'emplacement du tremblement de terre et le texte classique Séismologie quantitative Pour des exemples pratiques d'analyse de Fourier dans le traitement sismique, voir le Southern California Earthquake Center , dépôt de logiciels ou les Didacticiel BSSA sur le traitement des réseaux sismiques- Oui.