Vers une compréhension mécanique du comportement des mega-chevauchements – MECHATHRUST

La prédiction des séismes de subduction repose principalement sur des modèles de couplage déterminant des déficits de glissement entre plaques. Ces modèles sont généralement interprétés dans le cadre de l'élasto-dynamique et des lois de friction rate-and-state.
Cependant, ce cadre est remis en question par de récentes observations, montrant qu’il est nécessaire de prendre en compte des complexités rhéologiques et géométriques pour comprendre la mécanique des méga-chevauchements. Pour prendre en compte ces complexités, des simulations thermo-mécaniques dynamiques, incorporant des lois de friction équivalentes, ont vu le jour. Cependant, elles ont été réalisées à l'échelle de la subduction entière, empêchant une étude précise de la déformation de l'avant-arc et sa comparaison avec la déformation court-terme. Pour comprendre comment ces complexités affectent le comportement des mega-chevauchements, nous proposons ici de développer un modèle thermo-mécanique visco-élasto-plastique à l'échelle de l'avant-arc. Ce modèle incorporera l'évolution thermique et sa rétroaction sur la rhéologie des roche, et sera capable de diminuer les pas de temps aux moments géologiques clés des simulations pour capturer les déformations liées au cycle sismique conditionné par le chargement et les structures auto-consistantes avec la déformation long-terme. Après le développement du modèle, nous explorerons l'effet de différentes conditions initiales (état thermique, épaisseur des sédiments, transitions minéralogiques, accrétion - prisme érosif, relief de la plaque subductante) sur la déformation court- et long-terme de l'avant-arc. Nous étudierons ensuite des profils sélectionnés le long de zones de subduction bien instrumentées, afin de fournir des explications mécaniques à la déformation court-terme observée. Des simulations à l'échelle du cycle sismique seront effectuées, dans ces régions, puis le long de zones de subduction moins contraintes, afin d'améliorer l'évaluation de leur aléa.