Géosciences Montpellier
Université de Montpellier
Campus triolet cc060
Place eugène bataillon
34095 montpellier cedex05
FRANCE
Imagerie géophysique (ERT) des fractures de subsurface: approche par éléments discrets
Léa Lelimouzin/Delphine Roubinet/Cédric Champolion
L’injection de solutions dans les sous-sols est une pratique répandue dans de nombreuses activités des Géosciences, telles que la géothermie, le stockage géologique, ou encore la dépollution de sites contaminés. Le succès d’une injection est fortement dépendant de la nature du sol. La présence d’hétérogénéités (fractures, chemins préférentiels d’écoulement, etc.) naturellement présentes ou créées par l’injection contrôle le transport de ces solutions. C’est pourquoi, il est essentiel de pouvoir les identifier. Cela est possible grâce aux méthodes de suivi géophysique. L’enjeu est ensuite d’interpréter les données collectées. Du fait de leur finesse, l’identification de ces hétérogénéités requière l’utilisation de méthodes de modélisation numérique adaptées.
Parmi les méthodes de suivi géophysique, la tomographie de résistivité électrique (ERT) est particulièrement appropriée pour imager les changements avant et après injection. Elle permet d’identifier la présence de fluides circulant dans les hétérogénéités en imageant le fort contraste de résistivité électrique entre le fluide et le milieu environnant.
Cependant, les logiciels d’imagerie actuels sont limités dans la représentation de ces fines structures. L’utilisation de contraintes de lissage par les algorithmes d’inversion entraîne une homogénéisation du jeu de données atténuant les effets dus à la présence de fins chemins préférentiels. Il est donc nécessaire de développer des outils plus adaptés à ce type de structures.
C’est dans ce cadre que s’insère le projet financé lors de l’AAP 2023 du CS. Il s’agit de mettre au point un algorithme d’inversion basé sur une approche dite par élément discret. Le modèle d’inversion repose sur un modèle direct dont le principe est de représenter les hétérogénéités par des segments de droite. Ainsi, l’inversion porte uniquement sur la géométrie des fractures. Un travail important d’optimisation et de parallélisation des scripts a été réalisé pour ce projet afin d’équilibrer temps de calculs et précision du modèle.
Cette nouvelle stratégie d’inversion a été appliquée à des données électriques collectées lors de l’injection d’un agent de dépollution pour traiter un aquifère pollué. La méthode d’acquisition utilisée ici est l’ERT entre forages. Plusieurs puits contenant les électrodes interagissent pour mesurer la résistivité électrique du sous-sol.
La présence d’un certain nombres de fractures dans le jeu de données d’origine a ainsi pu être identifié. La localisation s’est avérée cohérente par comparaison aux données terrains et aux modèles d’inversion classique. L’utilisation d’une approche par élément discret semble donc prometteuse pour contribuer à l’amélioration de l’imagerie ERT en milieu hétérogène.
Ce travail a nécessité de nombreuses heures de calculs numériques effectuées sur le cluster de Montpellier, MESO@LR. Il est issu d’une collaboration entre Delphine Roubinet (GM), Cédric Champollion (GM), Léa Lelimouzin (GM), et Léa Lévy (Université de Lund, Suède). Les résultats ont été présenté à l’AGU 2023 sous le titre «Modeling preferential pathway networks that control fluid transport in the critical zone using cross-borehole electrical monitoring» (session H014. Advances in Petrophysics for Hydrogeophysics and Critical Zone Science). Un article est en cours de rédaction pour soumission dans le journal GRL.