Le mouvement saisonnier des glissements de terrain

Afin de quantifier finement la distribution spatio-temporelle des glissements de terrain, des chercheurs de l'Institut de physique du globe de Strasbourg (IPGS/EOST, CNRS / Unistra), du Laboratoire image ville environnement (LIVE, CNRS / Unistra) et du laboratoire Domaines océaniques (Domaines océaniques/IUEM, CNRS / UBO / UBS) viennent de développer une technique innovante d'analyse de séries temporelles d'images satellitaires optiques. Grace à cette technique qui permet de détecter les terrains en mouvement et de quantifier précisément leurs déplacements, il devrait désormais être possible de concevoir des catalogues d'événements gravitaires, d'analyser finement les relations de ces derniers avec les précipitations efficaces et d'estimer certaines de leurs propriétés dynamiques.

Les glissements de terrain en mouvement lent sont très fréquents à l'échelle mondiale dans diverses conditions d'environnement et de forçage. Ces processus modifient progressivement la forme du relief, contribuent au transfert de sédiments, et peuvent dans certains cas menacer directement des équipements. Ces objets sont très souvent étudiés à des échelles locales, celles du versant instable, par des méthodes géophysiques et géotechniques. Aujourd'hui, il reste néanmoins difficile d'estimer l'évolution de l'activité gravitaire sur des territoires plus vastes et des périodes plus longues, alors que seule cette vision synoptique permettrait de comprendre les effets du changement climatique sur l'occurrence des glissements de terrain ou d'estimer des seuils de déclenchement en fonction des forçages météorologiques ou sismiques.

La vallée de l'Ubaye dans les Alpes du Sud est connue pour ses nombreux grands glissements de terrain, dont certains sont étudiés depuis plusieurs décennies et sont en partie intégrés au Service National d'Observation OMIV - Observatoire Multidisciplinaire des Instabilités de Versant. Cette étude a eu pour objectif de développer une technique d'analyse innovante de séries temporelles d'images satellite optiques à très haute résolution afin de quantifier la distribution spatiale des glissements de terrain et de mesurer des modifications dans leur mouvement saisonnier. La technique proposée repose sur un algorithme de corrélation d'images qui permet de mesurer le mouvement horizontal de la surface terrestre avec une précision décimétrique. Pour corriger les effets liés aux conditions d'illumination et aux distorsions géométriques fortes du terrain, l'innovation consiste à utiliser des mesures répétées de paires d'images stéréoscopiques acquises par la constellation de satellites Pléiades (corrélation d'images à paires multiples - MPIC). La cohérence spatio-temporelle du mouvement observé est ensuite utilisée pour augmenter le rapport signal sur bruit et détecter le mouvement réel de la surface topographique créé par les glissements de terrain. Cette approche permet de détecter des secteurs en mouvement qui n'étaient pas connus précédemment, avec un taux de réussite estimé à 75 %, et de quantifier les champs de déplacement avec des taux d'erreur faibles.



La méthode développée permet ainsi d'envisager la création de catalogues d'événements gravitaires à partir de séries temporelles d'images optiques, et l'étude fine des relations entre précipitations efficaces (c'es-à-dire contribuant directement à l'infiltration dans le solcelles qui pénètrent dans l'aquifère) et mouvements saisonniers des glissements de terrain. À terme, elle pourrait être utilisée pour estimer certaines propriétés dynamiques telles que les volumes déplacés et la rhéologie des masses en mouvement. En particulier, les séries temporelles d'images optiques Sentinel 2 présentent un large potentiel pour un suivi en continu de grande emprise et la construction d'inventaires généralisés. La technique est en cours d'implantation sur des infrastructures de calcul à haute performance (comme la Plateforme d'Exploitation Thématique Geohazard de l'ESA ou le service de calcul collaboratif A2S de l'Université de Strasbourg) pour des analyses à grande échelle.