Tomographie globale à partir du bruit sismique - Archive ouverte HAL Accéder directement au contenu
Thèse Année : 2016

Global tomography using seismic noise

Tomographie globale à partir du bruit sismique

Résumé

The seismic noise is much used for regional tomographic models but it is not used on a global scale. In this thesis, we validated a new seismic noise data processing approach and obtained a global tomographic model of the upper mantle from broadband seismic noise recorded in the period band of 3à to 250 s. The application of phase correlation combined with the phase weighted stack has enabled us to build empirical Green functions between pairs of seismic stations, from which the group velocities of the fundamental mode of Rayleigh waves were measured. the group velocities and their uncertainty were calculated by a resampling approach. We demonstrated that the convergence of group velocity is faster at short period. We have also shown that it is necessary to use two years of continuous data to obtain robust measures of group velocity. The high signal-to-noise ratio of the green's functions obtained allows us to identify not only Rayleigh waves but also body waves. Group velocities are regionalized and then inverted versus depth using a simulated annealing method. The obtained tomographic model allows the study of big structures such as cratons and ridges. It is in good agreement with the tomographic models obtained from seismic data where we quantified differences. We then used the group velocities to obtain anisotropic tomographic model and we compared the anisotropy directions with models derived from earthquakes. We have demonstrated that the proposed methodology, from 2 years of data allows to get a robust global tomographic model. The resulting dataset can be used in addition to seismic data to improve coverage of global tomographic models.
Le bruit sismique est beaucoup utilisé pour obtenir des modèles tomographiques régionaux mais il est peu utilisé à l’échelle globale. Nous avons validé une nouvelle approche de traitement des données de bruit et obtenu un modèle tomographique du manteau supérieur à l’échelle globale à partir du bruit sismique large bande (30 à 250s). L'application de la corrélation en phase combinée avec la sommation en phase pondérée, nous a permis de construire des fonctions de Green entre des paires de stations, à partir desquelles, les vitesses de groupe du mode fondamental des ondes de Rayleigh ont été mesurées. Les vitesses de groupe ont été calculées par une méthode de re-échantillonage. Nous avons montré qu’il est nécessaire d’utiliser 2 ans de données continues pour obtenir des mesures robustes. Le bon rapport signal sur bruit des fonctions de Green obtenues permet d’identifier les ondes de Rayleigh et les ondes de volume. Nous avons régionalisé les vitesses de groupe puis nous les avons inversées en profondeur en utilisant une méthode de recuit simulé. Le modèle tomographique obtenu permet d’étudier les structures comme les cratons et les dorsales. Il est en bon accord avec les modèles réalisées à partir des données de séismes.Nous avons ensuite utilisé les vitesses de groupe pour obtenir un modèle tomographique anisotrope et nous avons comparé les directions d’anisotropie avec les modèles dérivés de séismes. Nous avons ainsi démontré que la méthodologie proposée permet d’obtenir un modèle tomographique robuste à l’échelle globale. Le jeu de données obtenu peut être utilisé en complément des données de séismes pour améliorer la couverture des modèles tomographiques.
Fichier principal
Vignette du fichier
These_pdf_HANED_Abderrahmane.pdf (39.44 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03617256 , version 1 (23-03-2022)

Identifiants

  • HAL Id : tel-03617256 , version 1

Citer

Abderrahmane Haned. Tomographie globale à partir du bruit sismique. Géophysique [physics.geo-ph]. Institut de Physique du Globe de Paris, 2016. Français. ⟨NNT : ⟩. ⟨tel-03617256⟩
54 Consultations
3 Téléchargements

Partager

Gmail Facebook X LinkedIn More