Propagation des distributions de probabilité des conditions initiales dans les simulations d'écoulement en couche mince : application à l'évaluation de l'aléa avalanches de blocs – PROBTOOL

Les aléas gravitaires (e.g. les glissements de terrain, les coulées de débris ou les avalanches de roches) représentent une menace importante pour la population, les infrastructures et les bâtiments. Il y a ainsi une demande sociétal et économique forte pour cartographier ces aléas, d'autant plus que le changement climatique peut affecter la fréquence et l'ampleur de ces phénomènes. La quantification des aléas gravitaire comprend l'estimation des zones d’initiation et des volumes instables, ainsi que de la propagation résultante. Les modèles de couche mince ont rencontré un succès croissant pour simuler la propagation des aléas gravitaire. Pour estimer les cartes d’aléa, les distributions de probabilité associées aux conditions initiales (volume et emplacement) et aux paramètres rhéologiques du modèle doivent être propagées aux résultats des simulations. Toutefois ces simulations peuvent nécessiter des heures / dizaines d'heures. Ainsi, les études opérationnelles d’aléas avec des modèles de couche mince sont souvent basées sur un nombre limité de conditions initiales et de paramètres rhéologiques. Cela limite les applications à des sites où la position de la masse initiale est bien contrainte. Jusqu'à présent, aucune méthodologie n'a été développée pour cartographier l’aléa gravitaire à l'échelle locale (plusieurs km²) avec des modèles de couche mince, lorsque plusieurs zones d’initiation sont possibles. Pour réduire le coût calculatoire de la propagation des incertitudes qui nécessite l’évaluation de nombreux résultats de simulations, des méta-modèles peuvent être utilisés. Ce sont des approximations statistiques de modèles numériques entraînés sur une base de données de simulations et ensuite utilisés pour estimer les sorties du modèle à moindre coût. L'objectif de PROBTOOL est de développer de nouvelles techniques de méta-modélisation adaptées aux modèles de couche mince, pour l'évaluation des aléa gravitaires à l'échelle du site et à l'échelle locale. Nous nous concentrons sur les avalanches de roches qui peuvent se propager sur plusieurs kilomètres avec des vitesses atteignant 100 km/h, et modélisons leur propagation avec le modèle de couche mince SHALTOP. Le méta-modèle estimera des cartes d’épaisseur, de vitesse et d’emprise maximales simulées par SHALTOP, en utilisant comme variables d’entrée la position et le volume de la masse initiale ainsi qu'un coefficient de friction basal contrôlant la mobilité de l'avalanche. Nous appliquerons la méthodologie développée à l'île de la Réunion: cette île est caractérisée par de grandes dépressions topographiques et est régulièrement affectée par de grandes avalanches de roches (par exemple, l'éboulement de "Grand Sable" en 1875, 63 victimes). Les principaux défis pour obtenir un méta-modèle précis en un temps de calcul raisonnable sont liés à la forte variabilité du point d’initiation et au traitement des variables spatialisées de haute dimension, et à la prise en compte des fortes non-linéarités du modèle (par exemple, les débordements). Plusieurs approches de méta-modélisation seront testées et combinées avec des stratégies d'apprentissage actif pour améliorer l'efficacité numérique de l'entraînement du méta-modèle. PROBTOOL est divisé en 3 tâches scientifiques se concentrant sur (i) les méthodes de méta-modélisation et de cartographie de l’aléa à l'échelle du site, (ii) les techniques de méta-modélisation à l'échelle locale, et (iii) la cartographie de l’aléa à l'échelle locale, avec l'application à l'île de la Réunion. Nous développerons des outils de méta-modélisation adaptés aux échelles du site et locales, et quantifierons l'incertitude sur les cartes finales d’aléa. PROBTOOL contribue ainsi au développement de nouveaux outils efficaces pour la propagation de l'incertitude, en premier lieu pour la quantification des aléas hydro-gravitaires, mais plus généralement pour tout modèle numérique produisant des sorties complexes et de grande dimensionnalité.