Analyse géomorphologique par apprentissage profond et imagerie satellitaire multi-source

Les analyses géomorphologiques peuvent aujourd'hui s'appuyer sur de l'imagerie satellitaire à haute (10 m) et très haute résolution (1 m) sur de très grandes superficies (> 500 km²), permettant de caractériser avec précision la forme et la nature des objets géomorphologiques. Toutefois, la richesse de ces données n'est pas pleinement exploitée, car il est impossible de traiter manuellement une si grande quantité de données et de nature si différentes. Les méthodes d'apprentissage automatique et d'apprentissage profond ouvrent la voie à de nouvelles possibilités pour caractériser les formes de reliefs et faciliter les analyses géomorphologiques à grande échelle. Parmi les objets géomorphologiques, nous nous concentrons sur la cartographie des moraines glaciaires, car il s'agit d'une tâche pertinente pour de nombreux domaines comme l'étude du paléoclimat ou l'analyse de la déformation co-sismique (les moraines pouvant enregistrer avec précision les déplacements co-sismique). Nous proposons ici d'exploiter le potentiel des approches basées sur l'apprentissage profond pour cartographier les moraines de poussée latéro-frontales en exploitant l'imagerie satellitaire multi-sources.À cette fin, nous proposons un modèle d'apprentissage profond pour cartographier les moraines glaciaires, nommé MorNet, qui combine trois sources de données différentes : topographiques (dérivées de l'imagerie Pléiades), multispectrales (Sentinel-2) et radar (Sentinel-1). Nous entrainons et appliquons ce modèle sur la partie Sud du rift du Yadong-Gulu, localisée dans l'Himalaya. Cette zone présente de nombreuses moraines bien préservées formées pour la plupart depuis le dernier maximum glaciaire et enregistrant la déformation causée par la faille normale du Yadong. Nous proposons dans un premier temps, d'évaluer la contribution des différentes sources de données pour cartographier les moraines en comparant les résultats de MorNet en fonction des sources utilisées. Ainsi, l'utilisation de données multi-sources permet à MorNet d'exploiter la complémentarité des trois sources d'entrée et d'améliorer ses performances. MorNet produit une cartographie des moraines de premier ordre grâce à sa capacité à identifier des moraines bien définies et permet d'identifier les zones susceptibles de contenir des moraines, se destinant à être utilisé comme outil par des experts pour faciliter et soutenir la cartographie à grande échelle.Dans un second temps, nous nous appuyons sur les résultats de MorNet pour produire une cartographie des moraines le long des 100 km de la partie Sud du rift du Yadong-Gulu. Nous utilisons les paramètres géomorphologiques des moraines pour les caractériser et les associer aux différents stades d'avancées glaciaires régionaux via un modèle de classification par apprentissage semi-supervisé basé sur des graphes. Ces analyses mettent en lumière des tendances claires, montrant que les caractéristiques mesurées sont pertinentes pour identifier les stades des moraines, et que l'approche de classification peut synthétiser ces caractéristiques pour fournir une aide à la classification.Enfin, la distribution du déplacement co-sismique de la faille normale du Yadong n'a jamais été étudiée en détail en termes de déplacement mesuré ou de détermination d'âge. Les études paléoclimatiques récentes couplées à l'analyse des caractéristiques des moraines nous permettent de construire un cadre de marqueurs géomorphologiques de géométrie et d'âge connus. Ce cadre sert de base à la mesure des déformations, à l'identification des paléoséismes et à l'évaluation des vitesses de glissement. Nos analyses sur la paléosismicité du rift du Yadong ont permis d'identifier au moins six événements sismiques sur les derniers 15 ka avec des déplacements co-sismiques verticaux individuels allant de 2.2 ± 0.7 m à 4.4 ± 0.6 m et un temps de récurrence moyen de 1900-3800 ans. En outre, la déformation cumulée suggère un taux d'extension ONO-ESE moyen de ~0.8 mm/an pour l'Holocène.