Des chercheurs associés à la National Oceanic and Atmospheric Administration (NOAA) ont présenté AutoCF, un nouvel algorithme conçu pour automatiser l’analyse des séries chronologiques de coordonnées des stations de référence GNSS à fonctionnement continu (CORS). Testée sur les données de 3 226 stations réparties dans le monde, cette méthode a démontré une précision d’ajustement des modèles de l’ordre du millimètre, tout en réduisant considérablement le besoin d’analyses manuelles.
L’étude, publiée le 10 octobre 2026 dans la revue Earth and Space Science de l’American Geophysical Union, répond à un défi croissant pour les organismes géodésiques nationaux et les exploitants de réseaux GNSS : maintenir la précision des coordonnées des stations de référence à mesure que les réseaux s’étendent et que les positions des stations évoluent au fil du temps.
Développé par Richard A. Bennett, Phillip K. McFarland, Amy Whetter et Jordan Krcmaric, AutoCF associe des techniques statistiques éprouvées à une approche itérative permettant de détecter les changements inattendus de coordonnées. Son principal avantage réside dans sa capacité à identifier et à modéliser les déplacements des stations sans obliger les analystes à examiner manuellement chaque historique de coordonnées.
Pourquoi la stabilité des coordonnées CORS est importante
Les stations de référence GNSS constituent la base du positionnement pour la topographie, l’ingénierie, la cartographie, l’agriculture de précision et de nombreuses autres applications nécessitant des coordonnées géographiques fiables. Bien que ces stations soient généralement considérées comme des points de référence fixes, leurs positions réelles peuvent évoluer au fil du temps.
Les mouvements tectoniques, les séismes, les remplacements d’antennes, les défaillances d’équipement et les conditions environnementales peuvent provoquer des déplacements progressifs ou des changements brusques de coordonnées. Même de faibles variations deviennent importantes lorsque les applications exigent un positionnement centimétrique.
Les coordonnées des stations de référence nécessitent donc une surveillance continue ainsi que des modèles mathématiques décrivant l’évolution de leurs positions. Ces modèles, appelés fonctions de coordonnées, prennent en compte la vitesse de déplacement à long terme des stations, les variations périodiques et les événements entraînant des déplacements soudains.
Traditionnellement, l’identification des changements inattendus exigeait un examen manuel approfondi des séries chronologiques de coordonnées GNSS. À mesure que les réseaux de référence atteignent plusieurs milliers de stations, cette approche devient de plus en plus difficile à appliquer de manière cohérente.
AutoCF a été développé précisément pour répondre à ce problème opérationnel.
Comment fonctionne l’algorithme AutoCF
AutoCF utilise une combinaison de régression LASSO (Least Absolute Shrinkage and Selection Operator) et de régression Ridge pour distinguer les déplacements significatifs des stations du bruit de mesure et des autres variations.
Plutôt que de traiter tous les changements de coordonnées comme des événements équivalents, l’algorithme sépare plusieurs composantes du mouvement des stations, notamment les tendances à long terme, les variations non linéaires progressives et les décalages brusques de position.
Sa séquence de traitement commence par identifier les discontinuités potentielles dans l’historique des coordonnées. La régression LASSO réduit ensuite le nombre d’événements possibles, tandis que la régression Ridge permet d’estimer le comportement sous-jacent des coordonnées.
L’algorithme renforce progressivement ses critères de sélection au fil des itérations successives. Dans les cas habituels, le processus aboutit à une solution en trois à cinq itérations.
Une caractéristique technique importante est sa prise en compte des déplacements en trois dimensions. En tenant compte de la direction des mouvements potentiels selon les composantes est, nord et verticale, AutoCF peut mieux distinguer les déplacements persistants d’une station des observations anormales isolées.
Cette distinction est importante, car les mouvements réels provoqués par les séismes peuvent ressembler à des erreurs de mesure lorsqu’ils sont évalués séparément sur chaque composante des coordonnées.
La méthode sépare également les signaux de déformation progressive des décalages brusques, ce qui réduit le risque qu’une composante mathématique absorbe incorrectement les effets d’une autre.
Tests GNSS sur 3 226 stations
Les chercheurs ont initialement développé AutoCF à partir des historiques de coordonnées de 60 stations situées dans le sud de la Californie et l’ouest du Nevada. Ces stations avaient subi des déplacements associés à quatre séismes majeurs, notamment la séquence sismique de Ridgecrest de 2019.
Afin d’évaluer les performances de la méthode au-delà de son environnement de développement initial, les chercheurs l’ont ensuite appliquée à un jeu de données indépendant provenant de 3 226 stations de référence GNSS traitées par le National Geodetic Survey de la NOAA.
Le jeu de données de validation comprenait environ 2 000 stations en Amérique du Nord et 1 200 autres réparties dans le monde. Il intégrait des observations recueillies entre 1996 et la fin de 2022, couvrant différentes technologies de récepteurs, configurations d’installation, environnements géologiques et conditions climatiques.
Les résidus médians de l’erreur quadratique moyenne pondérée (WRMS) entre les coordonnées modélisées et observées étaient d’environ 1 mm sur le plan horizontal et 4 mm sur le plan vertical. Ces résultats indiquent que l’algorithme peut reproduire fidèlement les mouvements observés des stations sur un ensemble de données géographiquement diversifié.
Sur les 3 226 stations, 2 639, soit environ 82 %, ont satisfait aux critères d’acceptation automatisés. Les 587 stations restantes, représentant 18 % du jeu de données, ont été signalées pour un examen humain en raison de résidus de coordonnées excessifs ou d’un nombre inhabituellement élevé de changements de position détectés.
La plupart des stations problématiques présentaient des historiques d’observation relativement courts ou une dispersion importante des coordonnées d’une semaine à l’autre, ce qui compliquait l’élaboration de modèles mathématiques fiables.
L’étude a également comparé les vitesses horizontales obtenues pour les stations avec des solutions géodésiques indépendantes. Pour 231 stations communes, les solutions présentaient une concordance d’environ 0,2 mm par an, démontrant que la procédure automatisée peut produire des résultats cohérents avec les méthodes d’analyse établies.
Détection des déplacements liés aux séismes
L’un des aspects les plus importants d’AutoCF sur le plan technique est sa capacité à identifier les discontinuités de coordonnées sans nécessiter une base de données complète des séismes connus ou des changements d’équipement des stations.
Les chercheurs ont évalué cette capacité à partir d’historiques de stations affectées par des événements sismiques majeurs. Dans le jeu de données du sud de la Californie, AutoCF a identifié des décalages de position associés au séisme de Hector Mine de 1999 et à la séquence sismique de Ridgecrest de 2019.
Fait important, la méthode n’a pas automatiquement attribué de déplacements à chaque séisme connu. Pour l’une des stations analysées, elle n’a détecté aucun déplacement associé au séisme plus éloigné d’El Mayor-Cucapah de 2010.
Cette distinction est essentielle pour une modélisation géodésique fiable. La magnitude d’un séisme ou sa proximité géographique ne signifie pas nécessairement qu’une station de référence donnée a subi un déplacement permanent mesurable.
En évaluant directement les observations de coordonnées, AutoCF réduit la dépendance aux hypothèses concernant les événements externes susceptibles d’avoir affecté chaque station.
Ce qu’AutoCF apporte aux réseaux CORS et RTK
L’intérêt pratique d’AutoCF dépasse les études scientifiques consacrées aux mouvements tectoniques. La précision des coordonnées des stations est fondamentale pour l’intégrité des infrastructures de corrections GNSS, en particulier lorsque les utilisateurs ont besoin d’un positionnement cohérent sur de longues périodes.
Pour les exploitants de réseaux CORS, l’analyse automatisée pourrait simplifier la gestion des historiques de coordonnées des stations de référence, identifier les décalages liés à des modifications d’équipement non documentées et faciliter les mises à jour périodiques des référentiels géodésiques nationaux.
Pour les services RTK, les avantages seraient plus indirects, mais potentiellement importants. Une station dont les coordonnées publiées ne correspondent plus à sa position modélisée peut introduire des erreurs systématiques de positionnement dans les services de correction.
AutoCF pourrait aider les opérateurs à identifier ces écarts, mais il est important de distinguer la modélisation des coordonnées de la génération de corrections RTK en temps réel. L’algorithme ne remplace ni les logiciels de traitement RTK en réseau, ni les modèles de correction atmosphérique, ni la surveillance de l’intégrité en temps réel.
Il analyse les observations historiques des coordonnées des stations afin de construire des modèles plus fiables de leur évolution au fil du temps.
Il existe également une limite opérationnelle importante : l’étude ne démontre pas qu’AutoCF puisse détecter immédiatement les changements de coordonnées pendant le fonctionnement d’un service de corrections en direct. Les résultats présentés proviennent d’une analyse rétrospective des séries chronologiques de coordonnées.
Automatiser sans perdre le contrôle géodésique
La caractéristique la plus intéressante d’AutoCF ne réside pas uniquement dans ses performances résiduelles millimétriques. Une précision comparable peut déjà être obtenue avec les méthodes d’analyse géodésique établies. L’avancée la plus significative est la possibilité d’appliquer des décisions de modélisation cohérentes à des milliers de stations tout en réservant l’intervention humaine aux cas difficiles.
Cette approche offre une voie réaliste pour développer la gestion des infrastructures GNSS à grande échelle. À mesure que les réseaux s’étendent, le maintien des historiques de coordonnées des stations exige des efforts considérables pour identifier les mouvements anormaux, en rechercher les causes et mettre à jour les modèles de référence.
Toutefois, le taux de 18 % de stations nécessitant un examen manuel mérite une attention particulière. Il montre que l’automatisation reste sensible à la qualité des données, notamment pour les stations disposant d’historiques d’exploitation courts ou d’observations instables.
Une autre distinction importante est que de faibles résidus d’ajustement ne prouvent pas, à eux seuls, la précision absolue des coordonnées. Un modèle mathématique peut reproduire fidèlement les observations mesurées sans éliminer les erreurs systématiques présentes dans les données GNSS d’origine.
D’un point de vue opérationnel, AutoCF semble particulièrement prometteur comme outil de contrôle qualité et de maintenance des référentiels géodésiques plutôt que comme solution entièrement autonome destinée à remplacer les spécialistes en géodésie.
Son importance pourrait s’accroître si des méthodes similaires étaient intégrées aux systèmes courants de gestion des réseaux CORS, permettant aux opérateurs de maintenir des modèles de coordonnées cohérents sur de vastes infrastructures régionales et nationales.
Au moment de la publication, le National Geodetic Survey de la NOAA avait approuvé la diffusion publique du code d’implémentation de l’algorithme, mais aucune date de publication ni adresse de dépôt n’avait encore été annoncée.
À propos du National Geodetic Survey de la NOAA
Le National Geodetic Survey (NGS) fait partie du National Ocean Service de la NOAA et est chargé de maintenir le National Spatial Reference System (NSRS) des États-Unis, le système de référence géodésique qui constitue la base du positionnement précis, de la cartographie, de la topographie et du développement des infrastructures.
Le NGS gère le réseau CORS de la NOAA, une infrastructure GNSS collaborative soutenue par de nombreuses organisations fédérales, étatiques, universitaires et privées. Ses activités géodésiques comprennent les observations satellitaires continues, la détermination des coordonnées, la réalisation des référentiels géodésiques et la surveillance des mouvements de la croûte terrestre à long terme.
La recherche sur AutoCF s’est appuyée sur les observations de 3 226 stations fournies par plus de 200 organisations, avec des données historiques couvrant environ 27 ans. Cet ensemble particulièrement diversifié a permis d’évaluer la modélisation automatisée des coordonnées GNSS dans des conditions opérationnelles réelles.
