Random Forest-Based Prediction of Geothermal Heat Flow in the Arabian-Nubian Shield: A Multi-Proxy Satellite Geophysical Approach

Le thermostat caché de la Terre

Imaginez la Terre non pas seulement comme un rocher solide sur lequel nous marchons, mais comme une gigantesque marmite de ragoût en train de mijoter lentement. Profondément à l'intérieur, la planète est encore chaude de sa naissance il y a des milliards d'années, et elle laisse constamment fuir cette chaleur vers la surface. Cette chaleur invisible est appelée « flux de chaleur terrestre ». Pour la plupart d'entre nous, cette chaleur n'est qu'un bourdonnement de fond, mais pour les scientifiques et les entreprises énergétiques, c'est une mine d'or potentielle. Si vous parvenez à trouver un endroit où la Terre laisse fuir la chaleur suffisamment vite, vous pouvez transformer cette énergie en électricité pour alimenter des villes ou chauffer l'eau pour le dessalement, le tout sans brûler de combustibles fossiles.

La partie délicate est que la Terre est un peu comme une boîte mystérieuse. Nous ne pouvons pas forer assez profondément pour voir l'image complète, nous n'avons donc que quelques « thermomètres » (mesures) plantés ici et là dans le sol. Dans de nombreux endroits, notamment à travers le vaste bouclier arabo-nubien (une immense étendue de terre couvrant des parties de l'Égypte, de l'Arabie Saoudite et au-delà), ces thermomètres sont incroyablement rares. C'est comme essayer de deviner la température de tout un océan en plongeant un thermomètre dans quelques flaques d'eau aléatoires. Pour résoudre ce problème, les scientifiques se tournent vers une astuce ingénieuse : utiliser les indices que la Terre laisse à sa surface — comme la forme du terrain, la force de son champ magnétique et la profondeur de sa croûte — pour deviner ce qui se passe profondément sous terre. C'est là que l'apprentissage automatique intervient, agissant comme un détective super intelligent capable de relier les points entre les indices de surface et la chaleur profonde.

L'histoire de l'article : Enseigner à un robot à lire la chaleur de la Terre

Dans cette étude, une équipe de chercheurs dirigée par Menna Haggag, Mohamed Sobh et Hosni H. Ghazala a décidé de construire une « boule de cristal » pour l'énergie géothermique à travers l'ensemble du bouclier arabo-nubien. Comme ils ne disposaient pas de suffisamment de mesures de chaleur directes pour dessiner une carte à la main, ils ont appris à un algorithme informatique appelé Random Forest Regression (régression par forêt aléatoire) pour faire les conjectures à leur place. Considérez cet algorithme non pas comme une seule personne intelligente, mais comme une foule massive de 490 « arbres de décision » différents (un type de modèle informatique). Chaque arbre de la foule examine les données de manière légèrement différente, puis ils votent tous pour la réponse finale. Cette approche de « sagesse de la foule » aide à éviter les erreurs qu'un modèle unique pourrait commettre.

L'équipe a nourri cette foule numérique d'un régime de seize types de « indices » collectés à partir de satellites et de bases de données mondiales. Ces indices comprenaient des éléments tels que la profondeur de la limite entre la croûte terrestre et le manteau (le Moho), l'épaisseur de la coquille rocheuse de la Terre (la lithosphère), la vitesse des ondes sismiques voyageant à travers le sol, et même la forme du relief lui-même. Avant de laisser l'ordinateur apprendre, ils ont utilisé un filtre spécial appelé Isolation Forest pour repérer et supprimer toute donnée étrange ou erronée qui ressemblait à des erreurs, garantissant ainsi que l'ordinateur n'apprenne que de la vérité.

Ce qu'ils ont trouvé :
Après avoir entraîné le modèle, l'ordinateur a produit une carte de chaleur lisse et continue pour toute la région, comblant les lacunes là où aucune mesure n'existait. Les résultats ont été étonnamment précis. Lorsqu'ils ont testé le modèle par rapport aux quelques mesures réelles dont ils disposaient, il a obtenu un score de 0,92 (sur une échelle où 1,0 est parfait), ce qui signifie qu'il expliquait 92 % des variations des données réelles. L'erreur moyenne était de seulement 20,4 mW m⁻², ce qui est une marge d'erreur très faible pour une zone aussi vaste.

La carte a révélé trois « quartiers thermiques » distincts :

1. Les Zones Chaudes : Le long du rift de la mer Rouge et du triangle d'Afar, le flux de chaleur est brûlant, allant de plus de 80 à 200 mW m⁻². C'est là que la croûte terrestre s'amincit et que le manteau chaud remonte près de la surface, ce qui en fait un lieu privilégié pour des centrales géothermiques à haute énergie.
2. Les Zones Tièdes : Sous les anciens boucliers précambriens (le cœur rocheux de la région), la chaleur est modérée, se situant entre 60 et 80 mW m⁻². C'est encore assez chaud pour être utile, surtout s'il existe des fissures dans la roche pour laisser circuler la chaleur.
3. Les Zones Froides : Sur la plateforme arabique stable à l'est, le flux de chaleur chute en dessous de 60 mW m⁻². Ici, la croûte terrestre est épaisse et profonde, agissant comme une couverture lourde qui maintient la chaleur piégée loin en dessous.

Le « Pourquoi » derrière la carte :
Les chercheurs n'ont pas seulement fait un joli dessin ; ils ont compris pourquoi la chaleur se trouve là où elle est. En demandant à l'ordinateur quels indices étaient les plus importants, ils ont découvert que les deux facteurs principaux contrôlant la chaleur sont la profondeur du Moho (la profondeur de la croûte) et la profondeur de la limite lithosphère-asthénosphère (la profondeur de la coquille rocheuse). En termes simples, plus la coquille terrestre est mince, plus le manteau surchauffé est proche de la surface, et plus il fait chaud. Cela confirme que l'étirement tectonique de la mer Rouge est le moteur principal de la chaleur élevée dans cette zone.

Si la structure profonde prépare le terrain, l'étude souligne que les centres volcaniques et les réseaux de failles agissent comme le système de distribution. Bien que le modèle final le plus efficace reposait sur les 12 prédicteurs principaux (excluant la proximité des volcans en tant que moteur primaire), l'analyse a confirmé que les zones où le flux de chaleur élevé chevauche des réseaux de fractures denses créent des « Couloirs de Haute Enthalpie ». Ce sont les points idéaux où la chaleur peut réellement monter vers la surface via la circulation des fluides. Les chercheurs ont utilisé une analyse topographique séparée (CET) pour détecter ces réseaux de fractures denses, prouvant que ces caractéristiques sont des cibles essentielles pour trouver de l'énergie utilisable, même si elles n'étaient pas les principaux moteurs statistiques dans le calcul final du flux de chaleur.

À quel point sont-ils sûrs ?
Les auteurs sont très confiants dans leur carte pour les zones où ils ont des données pour vérifier, notant que les prédictions du modèle correspondent presque parfaitement aux mesures du monde réel. Cependant, ils prennent soin de souligner que dans les zones avec très peu de mesures (comme certaines parties du désert profond), l'« incertitude » est plus élevée. Ils ont même créé une « carte de confiance » spéciale qui montre exactement où l'ordinateur devine avec une grande certitude et où il est un peu plus incertain. Ils suggèrent que, bien que la carte soit un outil puissant pour trouver de nouvelles cibles de forage, les explorateurs devraient rester prudents dans les zones de « haute incertitude » et pourraient avoir besoin de recueillir davantage de données locales avant de creuser profondément.

En fin de compte, ce document remet aux planificateurs énergétiques une nouvelle carte à haute résolution qui transforme un désert pauvre en données en un guide clair pour savoir où chercher de l'énergie géothermique propre et renouvelable, aidant potentiellement les pays de la région à progresser vers un avenir plus vert.