Suivi de glissement de terrains par localisation de tags RFID en environnement extérieur

Landslide monitoring using robust RFID localization in harsh environment

• Auteur / Autrice : Arthur Charlety
• Direction : Laurent Baillet, Eric Larose, Smaïl Tedjini, Mathieu Le Breton
• Type : Thèse de doctorat
• Discipline(s) : Sciences de la Terre et de l’Environnement
• Date : Soutenance le 22/03/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Sciences de la terre, de l’environnement et des planètes (Grenoble, Isère, France ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Institut des sciences de la Terre (Grenoble, Isère, France ; 2011-....)
• Jury : Président / Présidente : Étienne Perret
• Jury : Examinateurs / Examinatrices : Michel Jaboyedoff, Yvan Duroc
• Jury : Rapporteurs / Rapporteuses : Jordi Vilà-Valls, Cécile Lasserre

Mots clés

Mots clés contrôlés

Kalman, Filtrage de

Traitement du signal

Systèmes d'identification par radiofréquence

Glissements de terrain

Mots clés libres

Glissement de terrain

Rfid

Traitement du signal

Kalman

Uav

Landslides

Rfid

Signal processing

Kalman

Uav

Résumé

Les glissements de terrain représentent un risque naturel majeur. A une époque d'urbanisation continue et d'extrêmes climatiques de plus en plus fréquents, la surveillance des instabilités gravitaire est un levier majeur pour la réduction des risques naturels. Dans ce contexte, la technologie d'identification radio-fréquence (RFID) représente aujourd'hui un outil prometteur pour le suivi de glissement de terrain à bas-coût, via la localisation d'étiquettes RFID en mouvement. Ce travail de thèse présente différentes approches de traitement des series de donnée RFID long-terme en environnement extérieur, visant notamment à améliorer la stabilité des mesures de phase. Des méthodes de traitement du signal déterministes et bayesiennes (filtrage Kalman) sont développées, exploitant la redondance et la complémentarié des données. La localisation à 2D et 3D est ensuite étudiée en termes de sensibilité à la géometrie du système, puis démontrée avec une précision centimétrique. Des déplacements d'ordre métrique sont confirmés sur le secteur instrumenté. Les séries de données RFID pluriannuelles donnent accès à la cinématique du glissement de l'Harmalière (France), mettant à jour une regression de l'escarpement et des changements de comportements de surface en différentes zones du secteur instrumenté. Couplées à des observations hydrologiques et de bruit de fond sismique, les mesures de déplacement permettent d'interpréter les comportements saisonniers du glissement de l'Harmalière.Enfin, la possibilité de localiser des tags par antenne aéroportée est étudiée. La localisation par Antenne à Ouverture Synthétique est démontrée grâce à un système de mesures temps-réel GPS et RFID. La localisation sous couvert végétal et neigeux offre une précision inférieure à 10~cm, alors qu'une précision centimétrique est obtenue dans l'espace libre. La méthode d'optimisation statistiques Markov-Chain Monte Carlo est exploitée pour caractériser les résultats de localisation, offrant de nombreux avantages par rapport aux méthodes classiques.Les concepts de traitement de signal RFID et les problématiques liées aux radiofréquences, montrent des similarités avec les méthodes GPS. Les avancées de cette thèse ouvrent de nouvelles perspectives d'applications bas-coût dans l'auscultation et surveillance de glissements de terrain.

Landslides represent a major natural hazard for our society. In the time of continuous urbanization and more frequent climate extremes, monitoring landslides is a major lever for natural risk reduction. In this context, Radio-Frequency Identification (RFID) is used nowadays as a promising low-cost landslide monitoring tool, through the localization of moving RFID tags. This doctoral work presents diverse processing approaches for long-term outdoor RFID data, notably devoted to improving the stability of phase measurements. Signal processing methods are developped, both deterministic and bayesian (Kalman filter), in order to exploit data redundancy and complementarity.2D and 3D localization is studied in terms of sensibility to system geometry, then demonstrated with a centimeter accuracy. Metric displacement are confirmed on the instrumented sector.The year-long RFID data provide insights on the kinematics of the Harmalière landslide (France), shedding light on a scarp retrogression and changes in surface behavior on different zones of the instrumented sector. Coupled to hydrological and ambient-noise seismic observations, displacement measurement allows for an interpretation of the seasonal behavior the Harmalière landslide.Finally, the ability to localize tags with airborne antennas is studied. Synthetic Aperture Radar localization is demonstrated using a real-time RFID an GPS measurement setup. Localization under snow and vegetation cover yields an accuracy below 10~cm, whereas free-space localization provides a centimeter accuracy. The Markov-Chain Monte Carlo statistical optimisation method is exploited in order to characterize the localization results, with several advantages compared to classical methods.The signal processing concepts and the radio-frequency challenges show similarities with GPS processing. The advances of this work open new perspectives of low-cost applications in monitoring and auscultating landslide hazards.