Les modèles numériques qui synthétisent nos connaissances du système climatique prévoient pour les décennies à venir des variations extrêmes du cycle de l'eau qui auront un impact sur les ressources naturelles et les populations. Dans la corne de l’Afrique, depuis plusieurs milliers d’années, des périodes de fortes et faibles moussons ont déterminé la disponibilité en eau dans les basses terres, ce qui a affecté drastiquement les dynamiques de peuplement humain. Comment ces populations se sont-elles adaptées à ces changements plus ou moins rapides de disponibilité en eau depuis 20,000 ans ? Comment l’homme s’adaptera aux changements climatiques et environnementaux futurs ?
Le projet NILAFAR vise à quantifier les fluctuations hydrologiques et à documenter leurs conséquences sur les communautés humaines, à la transition entre le monde des chasseurs-cueilleurs et le monde des agro-pasteurs, au cours des 20,000 dernières années, en Afrique du nord-est (en région Afar, Ethiopie & Djibouti). Il vise aussi à acquérir une meilleure compréhension des mécanismes à l’origine des fluctuations de la mousson africaine et des épisodes d’hyperaridités qui se sont installés en quelques centaines d’années dans le passé.
Les terrasses marines comme proxy pour l’appréhension de l’aléa sismique...Les grands séismes de subduction se produisent juste en-dessous des zones côtières densément peuplées et sont par conséquent la source de risques très élevés pour ces régions. Parmi elles, la côte ouest de l'Amérique du Sud, située au-dessus de la plus longue et la plus active zone de subduction connue. Ce projet se concentre sur la partie nord de cette zone de subduction, du nord de l'Équateur jusqu'au nord du Pérou.
Anticiper l'emplacement des prochaines ruptures et leur magnitude est d'autant plus important pour anticiper les risques et protéger les populations. Jusqu'à récemment, les questions posées à la communauté scientifique, à savoir "quand, où et quelle sera la magnitude des prochains séismes ?" étaient prises en compte en utilisant les caractéristiques des grands séismes passés comme approximation des événements futurs possibles. Dans ce projet, nous proposons une approche complémentaire à la surveillance moderne des déformations et des contraintes des zones tectoniquement active.
Natural hazards such as earthquakes are difficult to predict. Dramatic developments in the field of artificial intelligence (AI), however, are paving the way for anticipating destructive events. The EU-funded EARLI project will use AI to identify weak, early seismic signals to both speed up early warning and explore the possibility of earthquake prediction. Specifically, it will implement an early-warning approach based on a newly identified signal, caused by the perturbation of the gravity field generated by an earthquake, which is ~6 orders of magnitude smaller than seismic waves (strongly limiting its detection with standard techniques), but precedes them. The second, more exploratory, objective will be to adapt the developed AI algorithm to search for even earlier signals preceding the origin of large earthquakes.
Les séismes lents (SSE) sont des processus asismiques qui relâchent épisodiquement les contraintes accumulées sur certaines portions des failles. Leur découverte dans les zones de subduction témoigne d’une dynamique complexe des modes de glissement et de variations latérales de la friction le long du plan de faille. Si les SSE profonds ayant lieu en dessous des zones fortement couplées ont été étudiés de manière intensive, certaines zones de subduction hébergent un autre comportement transitoire où le glissement asismique se développe aux mêmes profondeurs que les grands séismes et est accompagné d’une intense activité micro-sismique. Ce processus que nous appelons "S5" est l’objet de ce projet.
UMR Géoazur
Campus Azur du CNRS
250 rue Albert Einstein
- CS 10269 - F 06905 SOPHIA ANTIPOLIS Cedex
+33 (0)483 618 500