Université de Rennes 1 Conditionnement des modèles de réseaux de fractures à des données géologiques et géophysiques pour la réduction des incertitudes dans les modèles d’écoulement et de transport Flow and transport in fracture networks: reducing uncertainty of DFN models by conditioning to geology and geophysical data GPRDFNFractureHydrogéophysiqueEssai de traçageStockage de déchets nucléaires GPRDFNFractureHydrogeophysicsTracer testNuclear waste disposal Radar à pénétration de sol Roches -- Fracturation Hydrogéophysique Déchets radioactifs Stockage L’identification des fractures perméables dans le sous-sol est essentielle pour déterminer les voies potentielles du transport des contaminants provenant des sites d’enfouissement en profondeur. Une approche commune consiste à développer des modèles de réseaux de fractures discrètes (« Discrete Fracture Networks » - DFN) à partir de la cartographie de terrain (forages et affleurements) et d’expériences hydrauliques. Le travail réalisé dans cette thèse tente de conditionner les modèles DFN à des données géophysiques de radar à pénétration de sol (« Ground Penetrating Radar » - GPR). À cette fin, deux expériences de GPR de surface ont été menées dans un tunnel situé à 410 m de profondeur dans le laboratoire souterrain « Äspö Hard Rock Laboratory » (Suède). La première expérience avait pour but d’identifier les fractures de faible transmissivité (≈ 10-9 – 10-10 m²/s) et la deuxième, effectuée en parallèle d’un essai de traçage entre deux forages, a tenté de mettre en évidence les chemins d’écoulement associés à ces fractures. Les résultats de ces expériences nous permettent de démontrer que la méthode de surface GPR est capable de détecter environ 80% des fractures ouvertes, subhorizontales et dont la superficie est de 1 à 10 m², mais aussi de détecter les chemins d’écoulement qu’emprunte le traceur, suite aux variations d’ouverture des fractures induites par une forte pression d’injection. Les informations sur la géométrie des fractures et sur leur connectivité, acquises lors de ces expériences, ont ensuite été utilisées pour conditionner les modèles DFN stochastiques. Nous avons établi des critères de validation de nos modèles, basés sur la connectivité mesurée sur le terrain, et nous montrons que le conditionnement permet de valider jusqu'à 40% de réalisations supplémentaires aux modèles stochastiques. Deux principales conclusions ont abouti grâce à cette étude : premièrement avons démontré la capacité de la méthode GPR à identifier les fractures ouvertes, dans des formations très peu perméables et ciblées pour le stockage des barils de déchets nucléaires ; deuxièmement nous avons fourni les premiers résultats du conditionnement des DFN stochastiques aux données géophysiques, en améliorant leur capacité de prédiction sur des échelles allant de quelques mètres à une dizaine de mètres. The identification of permeable fractures in the subsurface is critical for evaluating potential contaminant transport pathways from deep disposal sites. A common approach is to develop Discrete Fracture Network (DFN) models from field mapping (boreholes and outcrops) and hydraulic experiments. The work accomplished in this thesis attempts at conditioning DFN models to constraints offered by Ground Penetrating Radar (GPR) geophysical data. Two surface-based GPR experiments were first conducted in a tunnel located at 410 m depth in the Äspö Hard Rock Laboratory (Sweden) with the aim to identify very weakly transmissive fractures (≈ 10-9 – 10-10 m²/s) and associated flow paths between two boreholes solicited by a tracer test. We demonstrate that the surface-based GPR method is able to detect about 80% of open and sub-horizontal fractures with areas of 1-10 m² and to detect likely tracer pathways through GPR-inferred fracture-aperture variations caused by the high injection pressure. The 3-D geometrical information of the fractures and their connectivity were then used as conditioning constrains in stochastic local DFN models. We have established validation criteria for our models, based on the connectivity measured on the field, and we show that conditioning allow us to validate up to 40% more realizations than stochastic models. The main outcomes of this research are the demonstrated ability of the GPR method to identify open fractures in formations of very low overall permeability that are targeted to store canisters containing spent nuclear fuel and to provide the first results improving the predictive capacity of stochastic DFN models by conditioning to geophysical data at scales from a few to tens of meters. Electronic Thesis or DissertationText fr en application/pdf1 : 12390 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/60faa997-3495-47a7-989b-1c2efd57b40e Molron Justine 1992-11-08 FR 25526402X justine.molron@gmail.com 2021REN1B004 http://www.theses.fr/2021REN1B004 2021-02-08 Sciences de la terre et de l'environnement Universite de Rennes 1thesis.degree.grantor_1 02778715X Doctorat non ouiDavyPhilippeintervenant_1028806123Darcel Carolineintervenant_2060379545Linde Niklas intervenant_3194083470BourOlivierintervenant_4091978327NguyenFrédéricintervenant_7200539973GautierStéphanieintervenant_5069993033JougnotDamienintervenant_6149479913 EGAALecoleDoctorale_1 221491066 Géosciences Rennes partenaireRecherche_1 027951189 ddc:550 DavyPhilippeDarcel CarolineLinde Niklas BourOlivierGautierStéphanieJougnotDamienNguyenFrédéricUniversite de Rennes 1Sciences et technologie, medecine, pharmacie, odontologie, droit, economie, gestion, philosophieEGAALÉcole doctorale Écologie Géosciences Agronomie Alimentation (Rennes) Géosciences Rennes ASCII PDF 12687168