La glace des parois à permafrost de haute montagne : étude glaciologique et thermo-mécanique

par Grégoire Guillet

Projet de thèse en Sciences Terre, Univers et Environnement

Sous la direction de Philip Deline et de Ludovic Ravanel.

Thèses en préparation à Grenoble Alpes , dans le cadre de École doctorale sciences et ingénierie des systèmes, de l'environnement et des organisations (Chambéry) , en partenariat avec Environnements, Dynamiques et Territoires de la Montagne (laboratoire) depuis le 15-03-2017 .


  • Résumé

    La glace des parois à permafrost est présente, en haute montagne, sous trois formes principales: glaciers suspendus, couvertures glacio-nivales et glace interstitielle. Le réchauffement et la dégradation de ces constituants de la cryosphère impactent les parois rocheuses dont la déstabilisation implique un risque majeur pour les infrastructures (refuges, remontées mécaniques) et les personnes (alpinistes en particulier). Entre 2007 et 2016, plus de 500 écroulements (> 100 m³), résultant pour une large partie de la dégradation du permafrost, ont été recensés dans le massif du Mont Blanc. Aussi, une meilleure compréhension du rôle de la glace et de son évolution est nécessaire pour améliorer la gestion du risque en haute montagne. La thèse, conduite dans le massif du Mont Blanc, consiste à caractériser les différents types de glace du point de vue de leur évolution séculaire, de leur régime thermique, des processus qui en sont à l'origine, et des effets de leur évolution en relation avec le climat sur la stabilité des parois rocheuses. À l'aide de mesures in-situ et de modélisations numériques nous chercherons en particulier à identifier les variations volumétriques et le régime thermique des couvertures glacio-nivales, des glaciers suspendus et du permafrost sous-jacent. Les données d'extensométrie de l'Aiguille du Midi (3842 m) seront étudiées dans le but de mettre en évidence les processus thermomécaniques régissant la cinématique des fractures et donc la stabilité des parois de haute montagne. Le doctorant analysera également 10 ans de données LiDAR acquises sur une dizaine de parois du massif dans le but de décrire la fréquence, l'intensité et les origines des déstabilisations. Le doctorant sera donc appelé à développer des outils algorithmiques, notamment en mécanique des solides et des milieux continus, nécessaires à l'exploitation des données.

  • Titre traduit

    High moutain ice: glaciological and thermo-mecanical study


  • Résumé

    High mountain ice is represented by three main bodies and entities: hanging glaciers, ice/snow covers and interstitial ice. Warming and degradation of such cryospheric bodies has a drastic impact on rock faces, whose destabilization leads to major risks for infrastructure (huts and lifts) and mountain sports practitioners (mainly mountaineers). Between 2007 and 2016, more than 500 rockfalls (> 100 m³), mainly due to permafrost degradation, have been observed in the Mont-Blanc massif. Hence, a better understanding of ice and its evolution is mandatory in order to improve risk management in high mountain. The Ph.D., focused on the Mont-Blanc massif, aims at characterizing secular evolution, thermal regime and evolution processes for different ice types and their relationships with climate change and rock face destabilization. Using in-situ measurements and numerical modelling, this study aims at identifying volumetric changes and thermal regime of ice/snow covers, hanging glaciers and underlying permafrost. Extensometer data from the Aiguille du Midi (3842 m) will be studied in order to highlight the thermomecanical processes determining fracture kinematics and, hence, high mountain rock face stability. The Ph.D student will also analyse 10 years of LiDAR data. This data has been acquired on around ten rock faces on the Mont-Blanc massif in order to describe the frequency, intensity and origin of those destabilizations. Thus, the Ph.D student will have to develop numerical models and solution, mainly in solid and continuum damage mechanics in order to analyse the data.