Spatiotemporal characteristics of aseismic fault slip along the Philippine Fault on Leyte Island using InSAR time series

Le comportement de glissement des failles actives présente une hétérogénéité spatiale ; des caractéristiques diverses sont observées d'un segment à l'autre. Certains tronçons peuvent être verrouillés sismiquement, tandis que d'autres subissent un fluage asismique à des vitesses variables. Ces variations influencent de manière déterminante la répartition de l'aléa sismique le long des systèmes de failles, engendrant des risques sismiques distincts selon les régions. Ainsi, une compréhension exhaustive de la variabilité spatiotemporelle des taux de glissement est indispensable pour affiner les modèles cinématiques et mécaniques de faille, et pour améliorer l'évaluation de l'aléa sismique ainsi que les stratégies de mitigation associées.Dans cette étude, nous avons déterminé de façon complète la distribution spatiotemporelle des taux de glissement le long de la faille des Philippines sur l'île de Leyte entre mars 2016 et juillet 2023, en recourant à des méthodologies géodésiques avancées. Notre approche combine l'analyse de séries temporelles InSAR (interférométrie radar à synthèse d'ouverture) dérivées des données ALOS-2/PALSAR-2 et les séries temporelles de déplacements GNSS, fournissant des mesures robustes et de haute résolution de la déformation de surface.Nos résultats révèlent des schémas de déformation distincts associés à des processus sismiques et asismiques. Nous avons notamment évalué l'incidence du séisme de magnitude Mw 6,5 du 6 juillet 2017 sur les segments en fluage ; des taux de fluage surface, compris entre 35 et 55 mm/an, ont été observés selon les segments. L'intégration des données InSAR issues de deux missions satellites (ALOS 2006-2011 et ALOS-2 2016-2023) a permis de dresser une représentation temporelle détaillée du glissement, soulignant des variations significatives des taux de fluage — particulièrement marquées avant et après le séisme de 2017. Dans la partie nord, les taux mesurés sont sensiblement supérieurs aux estimations antérieures (avant mars 2013) déduites d'analyses InSAR et d'observations in situ de décalages d'éléments anthropiques et d'alignements, ce qui suggère des variations pluri-décennales probablement liées à des ajustements transitoires post- sismiques et/ou à des séismes de taille petite à moyenne dans les régions voisines.Par ailleurs, deux segments présentant des déficits de glissement superficiel ont été identifiés dans les sections nord et centrale de Leyte. Le 15 juillet 2023, un séisme peu profond (Mw 4,7, ~1 km de profondeur) a rompu une trace de surface de 8 km dans la zone nord, coïncidant précisément avec l'un des déficits détectés et générant des décalages de surface atteignant 2 cm. Cet événement met en évidence le rôle possible des déficits de glissement superficiel comme précurseurs de la nucléation sismiqueEn complément des techniques géodésiques classiques, nous avons développé un modèle d'apprentissage profond basé sur une architecture U-Net pour améliorer la détection et l'interprétation des signaux subtils de déformation dans les données InSAR bruitées. Le modèle reconstitue de manière robuste les signaux lorsque le rapport signal/bruit (SNR) dépasse ~1 %, avec des réductions de variance (VR) entre 75 % et 100 %. Même dans des conditions de SNR très faibles (< 1 %), il reconstruit les motifs de déformation jusqu'à ~0,2 %, selon les caractéristiques spatiales du glissement. L'application à des séries temporelles InSAR réelles d'ALOS-2 a confirmé sa capacité à détecter les signaux résiduels liés à la déformation co- et post-sismique du séisme Mw 6.5 de 2017.Ces résultats éclairent les interactions entre glissements sismiques et asismiques le long de la faille des Philippines et soulignent la nécessité d'un suivi géodésique continu à haute résolution et de l'intégration de méthodes avancées comme l'apprentissage profond pour affiner la compréhension du comportement des failles, améliorer la prévision sismique et renforcer les évaluations régionales de l'aléa.