Etude approfondie de sismicité volcanique dans le groupe volcanique du Klyuchevskoy

Comprehensive study of the volcanic seismicity of the Klyuchevskoy volcano group

• Auteur / Autrice : Nataliya Galina
• Direction : Nikolai M. Shapiro
• Type : Thèse de doctorat
• Discipline(s) : Sciences de la Terre et de l’Environnement
• Date : Soutenance le 14/11/2023
• 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)
• Jury : Président / Présidente : Stéphane Garambois
• Jury : Examinateurs / Examinatrices : Diane Rivet, Virginie Pinel
• Jury : Rapporteurs / Rapporteuses : Zacharie Duputel, Vadim Levin

Mots clés

Mots clés contrôlés

Activité volcanique -- Prévision

Prospection sismique

Apprentissage automatique

Mots clés libres

Apprentissage machine

Sismicité longue période

Surveillance d'activité volcanique

Inversion de source

Machine learning

Long-Period seismicity

Volcano monitoring

Source inversion

Résumé

De nos jours, il existe divers outils et techniques pour surveiller les volcans afin de prédire leurs manifestations de mécontentement et leurs éruptions. L’une des approches les plus efficaces repose sur l’interprétation des observations sismiques. Les volcans sont des systèmes très dynamiques abritant une grande variété de processus reflétés dans divers signaux sismiques enregistrés par des stations sismiques. L’analyse et l’interprétation de ces signaux constituent la tâche principale de la surveillance sismovolcanique.Ce travail vise à étudier la sismicité au sein du groupe de volcans Klyuchevskoy (KVG)au Kamtchatka. Le KVG est l’un des plus grands et des plus actifs groupes de volcans en zone de subduction au monde, dont l’abondante activité sismovolcanique en fait un excellent ”laboratoire naturel” pour étudier et faire progresser la sismologie des volcans.Dans la première partie, nous étudions en détail les séismes profonds de longue période(DLP) qui se produisent systématiquement près de la limite croûte-manteau sous le volcan Klyuchevskoy. On pense que cette sismicité est l’une des premières manifestations du mécontentement volcanique. Cependant, le mécanisme source des séismes DLP reste mal compris. Pour commencer, une analyse statistique des événements DLP a été réalisée.Cette enquête a été menée `a l’aide d’un catalogue détaillé obtenu après le traitement de près de deux ans de données continues avec l’algorithme sensible de correspondance de modèles. `A l’étape suivante, nous avons essayé de reconstruire la source des séismes DLP en comparant les rapports d’amplitudes des ondes S-P plutôt que les inversions de forme d’onde complètes ou de polarité. En tant que principal résultat de la première partie, il a été montré que le mécanisme source de la sismicité DLP est différent de celui des séismes tectoniques. De plus, les observations obtenues se sont révélées être en accord avec la connexion précédemment rapportée du réservoir magmatique profond du KVG avec ses volcans actifs.La deuxième partie de cette thèse traite des méthodes d’analyse automatique des signaux basées sur les algorithmes d’apprentissage automatique (ML) de classification et de regroupement. L’exploration du ML a commencé par le problème de séparation de deux classes générales de sismicité : les séismes tectoniques et volcaniques. Nous montrons les résultats de la classification des événements `a l’aide des données enregistrées lors de la crise sismique de 2018-2019. Différentes représentations possibles des signaux et plusieurs algorithmes ML ont été testés afin d’obtenir les meilleures performances.En outre, la possibilité d’identifier diverses classes de sismicité volcanique provenant de volcans entrant en éruption simultanément a été envisagée. Pour ce faire, nous avons regroupé les formes d’ondes sismiques enregistrées en octobre-novembre 2022, lorsque le KVG s ‘est réactivé et que le volcan Shiveluch est actif depuis plusieurs mois. Ce travail a permis de distinguer un cluster particulier de sismicité avec une localisation inhabituelle pour le volcan Shiveluch.Les problèmes abordés dans ce travail sont trop vastes et loin d’être résolus dans le cadre d’une thèse. Cependant, les résultats obtenus peuvent contribuer à l’interprétation physique des signaux observés et au développement des méthodes modernes de surveillance des volcans

Nowadays there are various tools and techniques to monitor volcanoes in order topredict their unrest and eruptions. One of the most effective approaches is based on in-terpretation of seismic observations. Volcanoes are very dynamic systems hosting a wholevariety of processes reflected in diverse seismic signals recorded by seismic stations. Anal-ysis and interpretation of these signals is the principal task of seismo-volcanic monitoring.This work is aimed at investigating the seismicity within the Klyuchevskoy volcanogroup (KVG) in Kamchatka. The KVG is one of the world’s largest and most activesubduction zone volcanic clusters whose aboundant seismo-volcanic activity make it agreat “natural laboratory” to study and advance volcano seismology.In the first part, we study in details the deep long period (DLP) earthquakes thatsystematically occur near the crust-mantle boundary beneath the Klyuchevskoy volcano.This seismicity is believed to be one of the earliest manifestation of the volcanic unrest.However, the source mechanism of the DLP earthquakes remains poorly understood. Tostart with, the statistical analysis of DLP events was performed. This investigation wasdone using a detailed catalog obtained after processing almost two years of continuousdata with the sensitive template matching algorithm. At the next step, we tried toreconstruct the source of DLP earthquakes using comparison of S-to-P waves amplitudesratios instead the full waveform or polarity inversions. As the main result of the first part,it was shown that the source mechanism of the DLP seismicity is different from the oneof tectonic earthquakes. Also, the obtained observations turned out to be in agreementwith previously reported connection of the deep magmatic reservoir of the KVG with itsactive volcanoes.Second part of this thesis is dealing with methods of automatic signal analysis based onMachine Learning (ML) algorithms of classification and clustering. The ML explorationwas started with the problem of separating two general classes of seismicity: tectonic andvolcanic earthquakes. We show the results of events classification using the data recordedduring the seismic crisis in 2018-2019. Different possible representations of signals andseveral ML algorithms were tested in order to obtain the best performance. Further,a possibility to identify various classes of volcanic seismicity from the simultaneouslyerupting volcanoes was considered. To do so, we clustered the seismic waveforms recordedduring October-November 2022 when the KVG reactivated and the Shiveluch volcano hasbeen active for several months. This work allowed to distinguish a particular cluster ofseismicity with the location unusual for the Shiveluch volcano.The problems considered in this work are too broad and far from being solved withina thesis. However, the obtained results can contribute both in physical interpretation ofobserved signals and in development of the modern methods of volcano monitoring