Predicting Fire-Following-Earthquake Ignition Probabilities in California: Validation Across Earthquake Events
Cette étude développe et valide un modèle de régression logistique au niveau des secteurs de recensement en utilisant des données historiques sur les séismes en Californie afin de prédire et de hiérarchiser efficacement les risques d'inflammation de feux consécutifs aux séismes à l'échelle spatiale, démontrant une forte performance tant lors de la validation croisée que lors de l'application au scénario de séisme HayWired de l'USGS.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Lorsque le sol tremble dans une ville, le danger immédiat est souvent l'effondrement des bâtiments et la rupture des infrastructures. Pourtant, l'histoire montre que la conséquence la plus dévastatrice d'un séisme majeur est fréquemment l'incendie qui s'ensuit. Lors du tremblement de terre de San Francisco en 1906, les flammes ont détruit bien plus de la ville que les secousses elles-mêmes, consumant des milliers de structures sur une vaste zone. Ce danger secondaire, connu sous le nom d'incendie consécutif à un séisme, survient lorsque le mouvement violent déplace le contenu des habitations, brise les conduites de gaz ou renverse les chauffe-eau, déclenant des incendies au moment même où le système de réponse d'urgence est submergé par la catastrophe initiale. Avec les réserves d'eau coupées et les routes bloquées, ces brasiers individuels peuvent fusionner en des incendies incontrôlables. Pour les urbanistes et les gestionnaires de crises, le défi critique n'est pas seulement de prédire que des incendies se produiront, mais de savoir exactement où ils sont le plus susceptibles de prendre naissance. Cette connaissance leur permet de positionner les ressources de manière stratégique avant même que le sol ne commence à bouger, sauvant potentiellement des vies et limitant la destruction.
Une équipe de chercheurs de l'Université de technologie de Pékin a abordé ce problème en élaborant une nouvelle façon de cartographier le risque d'incendie à travers la Californie. Ils se sont concentrés sur une question spécifique : si un séisme frappe un quartier particulier, quelle est la probabilité qu'un incendie s'y déclare ? Pour répondre à cela, ils ont examiné sept séismes majeurs survenus en Californie entre 1983 et 2014. Ils ont recueilli des données sur chaque secteur de recensement — un petit quartier défini utilisé pour les décomptes de population — au sein des zones affectées. Au total, ils ont analysé plus de 7 000 observations, notant quels quartiers ont connu au moins un incendie et lesquels n'en ont pas connu. Ils ont ensuite recoupé ces résultats avec un large éventail de facteurs, notamment l'intensité des secousses, l'âge et le type de bâtiments, le nombre d'habitants, et même la période de l'année où le séisme a eu lieu.
Les chercheurs ont été confrontés à un obstacle important dans leur travail : comment garantir que leurs prédictions tiendraient la route si un tout nouvel séisme frappait demain ? De nombreuses études antérieures testaient leurs modèles en divisant les données d'un même séisme en groupes d'entraînement et de test, ce qui peut créer une illusion de précision. Pour éviter cela, l'équipe a utilisé une méthode rigoureuse consistant à construire leur outil de prédiction à partir des données de six séismes, puis à le tester entièrement sur le septième, un processus qu'ils ont répété pour chaque événement de leur ensemble de données. Cette approche, appelée validation croisée imbriquée, agit comme un test de résistance strict, garantissant que le modèle apprend des règles générales sur le risque d'incendie plutôt que de simplement mémoriser les détails d'événements passés. Les résultats étaient prometteurs. Lorsque le modèle a été testé contre ces séismes totalement inédits, il a réussi à classer les quartiers, plaçant les zones qui ont réellement pris feu en haut de la liste. Plus précisément, lorsque les chercheurs ont examiné les 20 % de quartiers prédits comme étant les plus à risque, ils ont constaté que ces zones contenaient près de 72 % de tous les incendies réels survenus au cours des sept événements historiques.
L'étude a également identifié les ingrédients spécifiques qui rendent un quartier plus enclin à l'inflammation. Le modèle a révélé que l'intensité des secousses était un moteur principal, mais que les caractéristiques de l'environnement bâti l'étaient aussi. Le parc immobilier ancien, particulièrement les maisons construites avant 1970, et une densité élevée de bâtiments chauffés au gaz naturel augmentaient considérablement la probabilité qu'un incendie se déclare. Les chercheurs ont combiné ces facteurs dans un outil prédictif final qui attribue un score de probabilité à chaque quartier. Ils ont testé cet outil sur un scénario futur hypothétique, un séisme de magnitude 7,0 sur la faille de Hayward, connu sous le nom de scénario HayWired. Le modèle a prédit que les risques les plus élevés seraient concentrés dans les comtés d'Alameda, de Contra Costa et de Santa Clara. Ce résultat concordait étroitement avec les estimations indépendantes de l'endroit où les incendies seraient susceptibles de se produire dans ce même scénario, suggérant que le modèle capture efficacement la dynamique réelle de la propagation des incendies.
Les chercheurs ne se sont pas arrêtés à une seule méthode ; ils ont testé si leurs résultats dépendaient de la façon dont ils mesuraient les secousses ou de la façon dont ils divisaient les données. Ils ont découvert que, bien que différentes manières de mesurer le mouvement du sol modifient le classement spécifique de certains quartiers, la capacité globale du modèle à identifier les zones à haut risque restait forte. Les résultats les plus cohérents sont venus de l'utilisation d'une mesure spécifique de l'intensité des secousses qui est en étroite corrélation avec la façon dont les humains ressentent le séisme et la façon dont les structures y répondent. L'étude conclut qu'en se concentrant sur la bonne combinaison de mouvement du sol, d'âge des bâtiments et de sources de combustible, il est possible de créer une carte fiable du risque d'incendie. Cette carte ne prédit pas le moment exact où un incendie débutera, mais elle fournit un guide clair, basé sur les données, sur les endroits où les équipes d'urgence devraient concentrer leur attention. Dans un monde où les ressources sont toujours limitées, savoir où regarder en premier est un outil puissant pour réduire la dévastation qui suit les secousses.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.