Thèse Simulation Numérique des Impacts du Dégel du Pergélisol sur la Stabilité des Infrastructures et les Ressources en Eau en Arctique H/F

Doctorat_Gouv

Établissement : Université de Toulouse
École doctorale : SDU2E - Sciences de l'Univers, de l'Environnement et de l'Espace
Laboratoire de recherche : GET - Geosciences Environnement Toulouse
Direction de la thèse : Laurent ORGOGOZO ORCID 0000000177521427
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-31T23:59:59

Cette thèse de doctorat vise à étudier les impacts du dégel du pergélisol induit par le changement climatique dans l'Arctique, en utilisant des capacités avancées de modélisation thermo-hydro-mécanique développées dans le cadre du projet PERMACHANGE. Le pergélisol est un sol gelé en permanence en profondeur, couvrant un quart des terres de l'hémisphère Nord. En raison du réchauffement climatique, il connaît un dégel rapide et généralisé, ce qui induit des impacts importants en Arctique, à la fois sur l'environnement (e.g.: ressources en eau) et sur les sociétés (e.g.: déstabilisation des infrastructures). Ces impacts du dégel du pergélisol devraient générer des coûts financiers supplémentaires importants pour le maintien des principales activités humaines, jusqu'à des centaines de milliards de dollars d'ici la fin du siècle. De plus, le dégel du pergélisol est également associé à une rétroaction climatique critique, via le dégel d'importante quantité de carbone organique labile. Ainsi, anticiper le dégel du pergélisol par la simulation numérique est primordial pour assurer la résilience des environnements, des sociétés et des activités arctiques tout en maîtrisant les coûts associés. Parallèlement, les simulations numériques de la dynamique du pergélisol sont très complexes et difficiles en raison des fortes non-linéarités et couplages caractérisant les processus physiques impliqués.
Le projet PERMACHANGE s'appuie sur le calcul haute performance (Orgogozo et al., 2023, Xavier et al., 2024) et la modélisation hydride (Chinesta et al., 2020; Champagney et coll., 2022) pour développer un jumeau hybride thermo-hydologique de pergélisol à l'échelle du site (~10 de km2), à coupler avec des modèles de substitution basés sur l'apprentissage automatique de la mécanique des sols de congélation/décongélation de pointe (Richa et al., 2024, Tristani et coll., 2024) en utilisant des approches de régression symbolique (par exemple Guayacán-Carrillo et Sulem, 2024). Ce faisant, PERMACHANGE permettra des simulations numériques sans précédent de haute fidélité et de haute efficacité des transferts souterrains de chaleur et d'eau et de la stabilité du terrain dans le contexte du dégel du pergélisol.
Cette thèse de doctorat vise à appliquer cette chaîne de modélisation avancée à trois sites de surveillance à long terme du pergélisol dans l'Arctique européen: Abisko au nord de la Suède, Ny-Ålesund au Svalbard et Ilulissat au Groenland. De cette façon, des projections des impacts du dégel du pergélisol à différentes échelles de temps seront effectuées, de l'échelle de temps saisonnière à l'échelle de temps du siècle. Cela nous permettra de démontrer les capacités de la méthodologie de modélisation avancée PERMACHANGE et de fournir des informations essentielles aux parties prenantes locales, sur le court terme en tant qu'alerte pour la prise de décision concernant les mesures d'urgence et sur le long terme pour l'aménagement du territoire. Il permettra également d'établir une procédure générale pour l'application opérationnelle de cette méthodologie avancée de modélisation du pergélisol dans tout l'Arctique et contribuera à la collecte des informations pertinentes nécessaires pour améliorer la prise en compte du pergélisol dans les modèles du système Terre utilisés pour les projections climatiques.

Ce sujet de thèse s'inscrit dans le cadre du projet ANR PERMACHANGE (permachange.sedoo.fr)
//
This PhD thesis subject is integrated in the framework of the ANR-funded project PERMACHANGE (permachange.sedoo.fr)

Tâches: Pour chacun des trois sites d'étude de l'Arctique, produire :
1) des projections thermo-hydrologiques à l'échelle du siècle en appliquant l'approche du jumeau hybride, en utilisant les résultats des projections climatiques du CMIP6 comme données d'entrée.
2) des projections thermo-hydrologiques en temps réel à l'échelle temporelle saisonnière en appliquant l'approche du jumeau hybride, en utilisant les conditions météorologiques extrêmes possibles observées et projetées.
3) des projections mécaniques à l'échelle du siècle en appliquant le modèle de mécanique des sols de substitution basé sur l'apprentissage automatique, en utilisant les résultats de la tâche 1) comme données d'entrée.
4) des projections mécaniques en temps réel à l'échelle temporelle saisonnière en appliquant un modèle de mécanique des sols de substitution basé sur l'apprentissage automatique, en utilisant les résultats de la tâche 2) comme données d'entrée.
//
Tasks: For each of the three Arctic study sites, making:
1) thermo-hydrological projections at the century-scale by applying the hybrid twin approach, using the climate modelling results of the CMIP6 as input data.
2) real-time thermo-hydrological projections at seasonal time scale by applying the hybrid twin approach, using observed and statistically inferred possible extremum weather conditions to come.
3) mechanical projections at the century-scale by applying the machine learning based surrogate soil mechanics model, using the results of task 1) as input data.
4) real-time mechanical projections at seasonal time scale by applying machine learning based surrogate soil mechanics model, using the results of task 2) as input data.