Simulation numérique des impacts du dégel du pergélisol sur la stabilité des infrastructures et les ressources en eau en Arctique // Numerical simulation of permafrost thaw impacts on infrastructure stability and water resources in the Arctics

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.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This PhD thesis aims at studying the impacts of climate change-induced permafrost thaw in the Arctics, by using advanced thermo-hydro-mechanical modelling capabilities developed in the framework of the PERMACHANGE project. Permafrost is soil permanently frozen in depth, covering a quarter of Northern Hemisphere lands. Due to climate warming, it is experiencing fast and widespread thawing, and this induces essential impacts in the Arctics, both on the environment (e.g., water resources) and on societies (e.g., infrastructure destabilisation). These permafrost thaw impacts are expected to generate significant additional financial costs for maintaining key human activities, up to hundreds of billions of dollars by the end of the century. Moreover, permafrost thaw will likely trigger critical climatic feedback. Thus, anticipating permafrost thaw by numerical simulations is paramount for ensuring the resilience of Arctic environments, societies and activities while controlling the associated costs. Meanwhile, numerical simulations of permafrost dynamics are highly complex and challenging due to the strong non-linearities and couplings involved in the related physics.
The PERMACHANGE project builds on high performance computing (Orgogozo et al., 2023, Xavier et al., 2024) and hydrid modelling (Chinesta et al., 2020; Champaney et al., 2022) for developing a site scale (~10's of km2) permafrost thermo-hydological hybrid twin, to be coupled with state of the art freezing/thawing soil mechanics machine learning-based surrogate models (Richa et al., 2024, Tristani et al., 2024) using symbolic regression approaches (e.g. Guayacán-Carrillo and Sulem, 2024). By doing so, PERMACHANGE will enable unprecedented high fidelity and high efficiency numerical simulations of subterranean heat and water transfers and terrain stability under permafrost thaw.
This PhD thesis aims at applying this advanced modelling chain to three sites of long-term permafrost monitoring in the European Arctics: Abisko in Northern Sweden, Ny-Ålesund in Svalbard and Ilulissat in Greenland. In this way, projections of permafrost-thaw impacts at different time scale will be done, from the seasonal time scale to the century time scale. This will allow us to demonstrate the capabilities of the PERMACHANGE advanced modelling workflow and to provide critical information to local stakeholders as an alert for decision-making regarding emergency actions for short-term permafrost thaw hazards and information for long-term land planning, taking into account climate change. It will also enable establishing a general procedure for the operational application of this advanced permafrost modelling workflow all across the Arctics and contribute to the gathering of the relevant information needed for improving permafrost modelling in Earth System Models used for climate change simulations.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026
WEB : https://permachange.sedoo.fr/

Other public funding

ANR Financement d'Agences de financement de la recherche

Université de Toulouse

173 SDU2E - Sciences de l'Univers, de l'Environnement et de l'Espace

Compétences et connaissances nécessaires: Modélisation numérique des processus physiques (une expérience OpenFOAM et/ou IA serait un plus) Travailler dans un environnement linux (une expérience sur supercalculateur serait un plus) Travail collaboratif au sein d'une équipe internationale nombreuse et diversifiée Intérêt pour la communication scientifique et l'écriture Bien que non obligatoire, une formation en géosciences et / ou sciences cryosphériques et / ou physique des milieux poreux serait appréciée.
Needed skills and knowledge: Numerical modeling of physical processes (at best with OpenFOAM and/or AI-based modelling) Working in linux environment (at best with experience on supercomputers) Collaborative work in a large and diverse international team Interest for scientific communication and writing Although not mandatory, a background in geosciences and/or cryosciences and/or porous media physics would be appreciated.