La surveillance multi-technique des déformations de surface pour l Observatoire OMIV

Transcription

1 La surveillance multi-technique des déformations de surface pour l Observatoire OMIV J.-P. Malet, P. Ulrich, F. Masson, A. Déprez, A. Stumpf, A. Mathieu T. Lebourg, M. Vidal G. Bièvre, L. Darras, G. Janex, B. Vial, J.-R. Grasso

2 Objectifs du service OMIV Déformation : Surveillance des déformations pour divers régimes cinématiques Pré-rupture Post-rupture D (distance)?? T (time) Avignonet? D (distance)?? D (distance)? D (distance) T (time)? T (time) S.-Sauze?? T (time)

3 Objectifs du service : E: < 1 cm E: < 10 cm 1. Séries temporelles de déformation très précises en coordonnées 3D absolues (GNSS) 2. Carte des déformations de surface (imagerie optique, radar, LiDAR) 3. Prédiction du mouvement? Seuil de vigilance / pré-alerte / alerte? 6.0? Displacement (cm) ? Slumgullion (CO, US) ? Time (day)

4 Approche OMIV : combinaison de techniques - mesures ponctuelles vs. imagerie - acquisition permanentes et campagnes - acquisitions in-situ et par télédétection

5 Surveillance OMIV par réseau GNSS + Solution commerciales clé en main, mais coût prohibitif et traitement boite noire GPS mobile GPS base Examples: Glissement de Valoria Glissement d Ancona GPS mobile Leica L1/L2 GRX1200 receiver Bertacchini et al. (2010)

6 Surveillance OMIV par réseau GNSS Solution OMIV : traitement des données GPS adapté au suivi des glissements de terrain -Cahier des charges : traitement journalier (J+1) et automatisé - télémétrie à J+1, contrôle qualité et archivage des données brutes - précision de la solution 3D : < 1cm (ligne de base) - possibilité de ré-analyser les données sur des sessions d observations différentes (1h 24h) - stockage des solutions de positionnement, création automatique de graphiques, envoi de messages journaliers ( ) - contrôle de toutes les étapes de la chaîne de traitement - 14 stations GPS installées depuis stations GPS installées depuis Avignonet (3), La Clapière (3), Super-Sauze (3), La Valette (2), Villerville (3)

7 Surveillance OMIV par réseau GNSS Instrumentation GPS stable GPS mobile Récepteurs géodésiques Trimble NetRS / NetR9 Acquisition: 24h / 30s et 1h / 1s

8 Surveillance OMIV par réseau GNSS Télémétrie Instrument: Récepteurs géodésiques Trimble NetRS / NetR9 Acquisition: 24h / 30s et 1h / 1s

9 Surveillance OMIV par réseau GNSS Métadonnées 2011: LVAL 2011: CLP1 2011: SAZ1

10 Surveillance OMIV par réseau GNSS Traitement Script C Shell (.csh) Traitement des observations GPS avec GAMIT/GLOBK (MIT) 1 Utilisation des orbites rapides/précises de l IGS (à J+1, J+30) 1 Pondération de réseau Conversion des coordonées (WGS -> carto), création automatique de graphiques, de messages

11 Traitement : effet de la géométrie du réseau

12 Traitement : influence de la géométrie du réseau +- 1 mm Réseau global - Traitement de 50 jours d observations - Utilisation d une combinaison de bande L1/L2, modèle troposphérique, orbites IGS précises - Critères: différence de solution de ligne de base CAEN-VLRV (50 km) et VLRV-vlrb (500 m) Réseau régional - I Réseau local Réseau régional - II

13 Traitement : influence de la géométrie du réseau 2 mm

14 Traitement : influence de la durée des sessions - Traitement de 14 jours d observation - Utilisation d une combinaison de bande L1/L2, modèle troposphérique, orbites IGS précises - Critère : différence de solution de ligne de base CAEN-VLRV (50 km) Résultats en accord avec d autres études (L1 phase processing; Malet et al., 2002)

15 Traitement : influence de la température Composante verticale CAEN-VLRV (m) - Traitement de 14 jours d observations - Utilisation d une combinaison de bande L1/L2, modèle troposphérique, orbites IGS précises, plusieurs durées de session Ligne de base CAEN-VLRV (m) Influence forte sur les sessions d observation courtes (1h 3h) Temp. moy. horaire ( )

16 Example de résultats : ligne de base - Villerville Evolution des lignes de base : GPS mobiles vlrh / vlrb Période : Jan 10 Aug 10

17 Example de résultats : séries temporelles Série temporelle déplacement journalier cumulé 2011: Sauze 2011: Avignonet 2013: La Clapière 2013: La Valette

18 Perspectives : Densification du réseau par capteurs Geocubes Précision atteinte (1 σ) : XY = 6 mm ; Z = 10 mm Application : 40 jours d observation à Super-Sauze (2012) (Benoit et al., subm)

19 Surveillance OMIV par campagnes LiDAR terrestre Super-Sauze

20 Surveillance OMIV par campagnes LiDAR terrestre Champ de déformation par corrélation de nuage de points LiDAR Super-Sauze: filtrage de la végétation + calcul d une image de gradient de pente (9x9 pixels) à partir du nuage de points LiDAR + corrélation des images de gradient

21 Surveillance OMIV par campagnes LiDAR terrestre Champ de déformation par corrélation de nuage de points LiDAR Super-Sauze: filtrage de la végétation + calcul d une image de gradient de pente (9x9 pixels) à partir du nuage de points LiDAR + corrélation des images de gradient

22 Surveillance OMIV par campagnes LiDAR terrestre Champ de déformation par corrélation de nuage de points LiDAR Super-Sauze: filtrage de la végétation + calcul d une image de gradient de pente (9x9 pixels) à partir du nuage de points LiDAR + corrélation des images de gradient

23 Surveillance OMIV par campagnes LiDAR terrestre Champ de déformation par corrélation de nuage de points LiDAR Super-Sauze: filtrage de la végétation + calcul d une image de gradient de pente (9x9 pixels) à partir du nuage de points LiDAR + corrélation des images de gradient

24 Surveillance OMIV par campagnes LiDAR terrestre Champ de déformation par corrélation de nuage de points LiDAR Super-Sauze: filtrage de la végétation + calcul d une image de gradient de pente (9x9 pixels) à partir du nuage de points LiDAR + corrélation des images de gradient

25 Surveillance OMIV par campagnes LiDAR terrestre Champ de déformation par corrélation de nuage de points LiDAR Super-Sauze: filtrage de la végétation + calcul d une image de gradient de pente (9x9 pixels) à partir du nuage de points LiDAR + corrélation des images de gradient

26 Surveillance OMIV par campagnes LiDAR terrestre Champ de déformation par corrélation de nuage de points LiDAR Super-Sauze: filtrage de la végétation + calcul d une image de gradient de pente (9x9 pixels) à partir du nuage de points LiDAR + corrélation des images de gradient

27 Surveillance OMIV par campagnes LiDAR terrestre Champ de déformation par corrélation de nuage de points LiDAR Super-Sauze: filtrage de la végétation + calcul d une image de gradient de pente (9x9 pixels) à partir du nuage de points LiDAR + corrélation des images de gradient

28 Surveillance OMIV par campagnes LiDAR terrestre Champ de déformation par corrélation de nuage de points LiDAR Super-Sauze: Champ de déplacement 3D (m) Tenseur de contrainte : extension (+) / compression (-) fissures de traction

29 Surveillance OMIV par stéréo-photogrammétie optique antennes de communication WiFi Prototype OMIV-EOST: Canon EOS Rebel (12 M pix) télémétré Super-Sauze: champs de déplacement par corrélation d images optiques appareil photographique PC Linux embarqué (Raspberry-Pi) USB -> app. photographique Contrôle télémétrie (3G) Ethernet -> 3G Carte mémoire SD

30 Surveillance OMIV par stéréo-photogrammétrie optique Super-Sauze: corrélation d images optiques Escarpement Super-Sauze: 84 images / 10 Mio pts Super-Sauze: stéréophotogrammétrie Coulée Super-Sauze: 145 images / 18 Mio pts

31 Conclusions Observation GNSS : -Précision < 1cm ; acquisition permanente ; technologie mature ; traitement standardisé -Evolution : densification du réseau, évolution de la solution de traitement (GINS) -Intégration aisée de sites (non OMIV) dans le traitement Observation stéreo-photogrammétrie : -Précision < 5 cm ; acquisition permanente ; prototype OMIV-EOST à valider -Evolution : densification du réseau ; mise en place d une chaine de traitement automatisée (Mic-Mac, IGN) en 2014 Observation LiDAR : -Précision < 5 cm ; acquisition par campagne -Evolution : campagnes sur d autres sites Observation par géodésie spatiale (satellite optique, radar) : -Cf. présentation Stumpf et al. (JAG-13) -Solution OMIV à échéance 2016 : partenariat CNES / DLR pour l accès aux données (2013) Traitement : détection de changement dans les séries temporelles de déplacement et modèle de prédiction (FLAME) : -Cf. présentation Bernardie et al. (JAG-13) -Portabilité pour OMIV fin 2013