An integrated analysis of surface velocities induced by rainfall in the Séchilienne landslide (Western Alps, France)

Transcription

1 An integrated analysis of surface velocities induced by rainfall in the Séchilienne landslide (Western Alps, France) S. Bernardie, M.-A. Chanut, A. Abellan-Fernandez, A. Vallet, C. Levy, N. Desramaut, L. Dubois, M. Jaboyedoff, J.- P. Duranthon, C. Bertrand DRP/RIG Vendredi 4 septembre 2015 Journées Aléa Gravitaire

2 Le glissement de terrain de Séchilienne Images / Source Cerema Versant du Mont Sec: plusieurs dizaines de Mm 3 Les Ruines: 3 Mm 3 Géologie Grès et micaschistes Nombreuses discontinuités : fractures N50, N70 et N120/140 Enjeux RD 1091 reliant Grenoble aux stations de l Oisans (déviation en cours de construction) La Romanche DRP/RIG Vendredi 4 septembre 2015 Image de Vallet et al Glissement extrêmement complexe, forts enjeux Mécanisme Déformation profonde du versant, principalement sous forme d un fauchage profond Hydrogéologie Rôle majeur des apports en eau sur la cinétique du glissement Nappe profonde (<150 m) + nappe perchée > 2

3 Instrumentation Début de l instrumentation en 1985 Extensomètres automatiques (27) Cibles géodésiques (65) Trièdres radar (38) et radar sur sol nu Station météorologique Inclinomètre GPS en temps réel Etude des déplacements au niveau de l extensomètre A13: représentatif du comportement de la zone frontale longue période d acquisition vitesse annuelle A13 (mm/j) 1 an cycles annuels, tendance pluriannuelle Image Cerema > 32

4 Suivi actuel et dispositif d alerte Identification de différents régimes de comportement : Jusqu en 2006, variations saisonnières des vitesses A partir de 2006, comportement plus haché et augmentation des vitesses, Depuis janvier 2014, baisse des vitesses de déplacements. Dispositif d alerte : Basé sur la définition de 4 niveaux (pré-alerte, vigilance renforcée, préoccupation sérieuse, danger imminent). Chaque niveau est défini par des critères cinématiques, météorologiques ou sismiques. Ex: phase de «pré-alerte» si au moins un critère est rempli : 1) vitesse journalière > 4,5 x vitesse journalière moyenne de l année n-1 (1er juillet au 30 juin) pour au moins 3 capteurs/7 2) éboulement de quelques centaines à quelques milliers de m3 3) pluie avec durée 3j pour des précipitations brutes cumulées 80 mm 4) séisme > magnitude 4, distance à l épicentre < 20km A13 (mm/j) Alerte «danger imminent» jamais atteinte Vendredi 4 septembre 2015 > 4

5 Objectifs des modèles de prédiction Caractéristiques souhaitées: minimum de pré-traitement des données traitement en temps réel, minimum d interprétation modèle simple, applicable en temps réel (peu d hypothèses, pas de calage, peu de temps de calcul) Erreurs de prédiction «acceptables» Reproduit des comportements tels que les tendances pluri-annuelles A13 (mm/j) STD annuel vitesse annuelle Quel est le meilleur modèle? Notre modèle utilisé pour faire de la prédiction est-il fiable? DRP/RIG Vendredi 4 septembre 2015 > 5

6 Description des modèles FLAME et FORESEE Modèles boite noire modélisation inverse avec fonction de transfert (ou Réponse Impulsionnelle RI) évolutive Sortie (vitesse) RI Entrée (pluie) d après Bernardie et al., 2014, Pinault et al., 2007 Images d après Abellan et al. 2014* Optimisation des paramètres de(s) RI pour minimiser la différence entre les vitesses estimées et celles observées RI FLAME (type réservoir) RI FORESEE Γ(t) = k 1(t) (e - t/k2(t) - e - t/k3(t) ) T, D, L : model variables k 1, k 2, k 3 = model variables A13 (mm/j) calibration Jour j prédiction Qualité du modèle dépend: critère d inversion (R² et/ou RMSE, ) durée calibration (tests: 200j) nombre de RI (tests: 1 RI) Entrée (pluie brute ou pluie efficace) DRP/RIG * Abellán, A. Michoud, C., Jaboyedoff, M., Baillifard, F., Demierre, J., Carrea, D. and M.H. Derron (2015). Velocity Prediction on Time-Variant Vendredi Landslides 4 septembre Using 2015 Moving Response Functions: Application to La Barmasse Rockslide (Valais, Switzerland). In Engineering Geology for Society and Territory-Volume 2 (pp ). Springer International Publishing.

7 Simulation 1: Total rainfall (moving window = 200 days) FORESEE MODEL Extensometer num.13 (mm/day) from 01/01/1994 to 31/03/2013 Precipitation (mm/day) from 01/01/1993 to 31/03/2013 > 7

8 Simulation 1: Total rainfall (moving window = 200 days) Extensometer num.13 (mm/day) from 01/01/1994 to 31/03/2013 FORESEE MODEL FLAME MODEL > 8

9 Simulation 1: Total rainfall (moving window = 200 days) Extensometer num.13 (mm/day) from 01/01/1994 to 31/03/2013 FORESEE MODEL FLAME MODEL variation annuelle > 9

10 Modélisations de la vitesse: qualité et comparaison des résultats Quelle est la qualité de la prédiction? Mesure de l erreur: O: vitesses observées M: vitesses modélisées N: nombre d observations Variabilité des paramètres de la RI: Distribution de T Stabilité dans le temps: valeurs autorisées moyenne( dt dt ) T(j) DRP/RIG T (j) Vendredi 4 septembre 2015 > 10

11 Simulation 1: Total rainfall (moving window = 200 days) FORESEE MODEL RMSE prédiction (1day) R 2 =0.908 RMSE (mm) Variables along time k 1 k 2 k 3 > 11

12 Simulation 1: Total rainfall (moving window = 200 days) FLAME MODEL RMSE prédiction (1day) R 2 =0.908 R 2 =0.927 RMSE (mm) Variables along time T(j) L(j) D(j) > 12

13 Modélisations de la vitesse: qualité et comparaison des résultats Un modèle boîte noire Model (mm/j) Un modèle moins performant dans les phases de fortes variations et lorsque la vitesse augmente. Vitesse A13 (mm/j) A13 (mm/j) STD annuel vitesse annuelle Forte variabilité de l évolution des paramètres caractéristiques des fonctions de transfert T(j) DRP/RIG Difficile équilibre entre la durée de calibration et la vitesse de changement du milieu? Prise en compte de la pluie efficace? Couplage avec un model qui estime la pluie efficace (Vallet et al. 2015) Vendredi 4 septembre 2015 > 13

14 Simulation 2: Effective rainfall* (moving window = 200 days) Extensometer num.13 (mm/day) from 01/01/1994 to 31/03/2013 Precipitation (mm/day) from 01/01/1993 to 31/03/2013 * EFFECTIVE RAINFALL FROM: Vallet, A., Bertrand, C., Varron, D., & Mudry, J. (2013). Hydrogeological threshold using effective rainfall and support vector machine (SVM) applied to a deep seated unstable slope (Séchilienne, French Alps). In Journée Aléa Gravitaire (pp. 1-6). > 14

15 Simulation 2: Effective rainfall* (moving window = 200 days) Extensometer num.13 (mm/day) from 01/01/1994 to 31/03/2013 FORESEE MODEL FLAME MODEL * EFFECTIVE RAINFALL FROM: Vallet, A., Bertrand, C., Varron, D., & Mudry, J. (2013). Hydrogeological threshold using effective rainfall and support vector machine (SVM) applied to a deep seated unstable slope (Séchilienne, French Alps). In Journée Aléa Gravitaire (pp. 1-6). > 15

16 Simulation 2: Effective rainfall* (moving window = 200 days) FORESEE MODEL R 2 =0.939 RMSE prédiction (1day) Variables along time k 1 k 2 k 3 * EFFECTIVE RAINFALL FROM: Vallet, A., Bertrand, C., Varron, D., & Mudry, J. (2013). Hydrogeological threshold using effective rainfall and support vector machine (SVM) applied to a deep seated unstable slope (Séchilienne, French Alps). In Journée Aléa Gravitaire (pp. 1-6). > 16

17 Simulation 2: Effective rainfall* (moving window = 200 days) FLAME MODEL R 2 =0.963 RMSE prédiction (1day) Variables along time T(j) L(j) D(j) * EFFECTIVE RAINFALL FROM: Vallet, A., Bertrand, C., Varron, D., & Mudry, J. (2013). Hydrogeological threshold using effective rainfall and support vector machine (SVM) applied to a deep seated unstable slope (Séchilienne, French Alps). In Journée Aléa Gravitaire (pp. 1-6). > 17

18 Modélisations de la vitesse: qualité et comparaison des résultats Légère amélioration avec la prise en compte de la pluie efficace: -RMSE prédiction diminue, -très légère amélioration du R² (de 0.91 à 0.94 pour le modèle FORESEE et de 0.92 à 0.96 pour le modèle FLAME) Interprétation difficile de la signification physique des paramètres du modèle et de leur variation au cours du temps 2 RI difficilement discernables? DRP/RIG Vendredi 4 septembre 2015 > 18

19 Conclusions Utilisation pour faire de la prédiction? modèle prédit comportement similaire à celui plage de calibration Prédiction erronée = chgt de comportement? éventuellement alerte? Prédiction vitesse > seuil fixé par avance Alerte? Question ouverte sans période de crise pour valider la pertinence du modèle. Rapide influence des précipitations sur les vitesses de déplacement, prévisions difficiles au-delà de la journée utilisation de prévision météo? Perspectives A13 (mm/j) vit obs vit mod (mm/j) Inversion conjointe des données de plusieurs capteurs calibration plus contrainte RMSE prédiction 10j (mm/j) Caractériser la fiabilité de la prédiction DRP/RIG Vendredi 4 septembre 2015 RMSE calibration (mm/j) > 19