Thèse soutenue

Caractérisation des aquifères de socle cristallin et de leur ressource en eau : apport des données d' ''âge'' de l'eau

FR  |  
EN
Auteur / Autrice : Sarah Leray
Direction : Jean-Raynald de Dreuzy
Type : Thèse de doctorat
Discipline(s) : Sciences de la terre
Date : Soutenance en 2012
Etablissement(s) : Rennes 1
Ecole(s) doctorale(s) : École doctorale Sciences de la matière (Rennes1996-2016)
Partenaire(s) de recherche : Autre partenaire : Université européenne de Bretagne (2007-2016)

Mots clés

FR

Mots clés contrôlés

Résumé

FR  |  
EN

Jadis délaissés au profit des milieux plus simples et/ou accessibles, les milieux souterrains fracturés, notamment ceux de socle cristallin, bénéficient désormais d'un intérêt croissant vue leur capacité à constituer de réelles ressources en eau. La compréhension de ces systèmes apparait donc comme un enjeu majeur en hydrogéologie. Nous explorons avant tout la possibilité de structures portant une ressource en eau autres que celles jusqu'à présent identifiées i. E. La zone altérée et les fractures régionales sub-verticales. Nous identifions à ce propos les fractures locales à faible pente, confirmant ainsi certaines observations de site comme celles réalisées sur l'aquifère de socle cristallin de Plœmeur (Bretagne). Nous étudions ensuite l'apport des données d'« âge » pour la caractérisation des systèmes hétérogènes complexes et de leur ressource. Issues de mesures de concentration, elles sont classiquement utilisées dans les milieux peu hétérogènes pour quantifier la recharge. Nous reconsidérons ici leur sensibilité et montrons, en cohérence avec le degré d'incertitude des propriétés, qu'elles peuvent autant servir à caractériser la structure du champ de vitesse plutôt que sa magnitude. Par une réflexion plus générale sur leur contenu informationnel, nous montrons aussi qu'elles ne peuvent seules identifier le modèle d'écoulement et la distribution des temps de résidence associée, en raison de leur caractère intégrateur. Il en résulte pléthore de modèles cohérents avec les données même si peu pertinents pour la prédiction tel que le modèle exponentiel. Nous proposons au final les moyens de contrecarrer cet écueil par une utilisation spatiale et temporelle de la donnée.