Observations et modélisation numérique
de l’influence
des conditions de surface sur la dégradation du pergélisol
dans la vallée Tasiapik à Umiujaq (Nunavik, Québec)
Mémoire
Julie Perreault
Maîtrise interuniversitaire en sciences de la Terre - avec mémoire
Maître ès sciences (M. Sc.)
Observations et modélisation numérique
de l’influence des conditions de surface
sur la dégradation du pergélisol dans
la vallée Tasiapik à Umiujaq
(Nunavik, Québec)
Mémoire
Julie Perreault
Maîtrise en Sciences de la Terre
Résumé
Dans le contexte actuel de réchauffement climatique, les impacts de ces changements climatiques se font déjà ressentir dans les régions subarctiques telles qu’à Umiujaq au Nunavik (Québec) dont notamment la dégradation du pergélisol Les processus physiques à l’origine de cette dégradation demeurent peu documentés. L’objectif principal du projet de recherche est d’étudier l’impact de la variabilité spatiale des conditions de surface sur la dégradation du pergélisol. Pour atteindre cet objectif, des photographies infrarouges de buttes de pergélisol à Umiujaq ont été prises pour identifier les conditions de surface caractéristiques du site d’étude. Selon ces différentes conditions, trente-cinq sondes autonomes de température ont été enfouies sous la surface du sol pour assurer un suivi horaire des variations de température de surface. Les relations entre les températures de surface et la température de l’air montrent que les conditions de surface contrôlent de manière significative la transmission de la chaleur à l’interface air-sol et le régime thermique du pergélisol permettant l’identification d’une séquence de dégradation du pergélisol (en ordre décroissant : ostioles, lichens et mousses, développement de mares de themokarst et arbustation). Les suivis des températures de surface et de l’air ont été utilisés pour contraindre un modèle numérique qui simule la transmission de chaleur par conduction et advection dans le pergélisol. Ce modèle a été soumis à une période d’entraînement et à la variabilité climatique récente. Différents scénarios de réchauffement climatique, de développement d’une mare de thermokarst ainsi que d’invasion de la végétation ont été ensuite considérés. Les résultats des simulations démontrent que la modification des conditions de surface peut entraîner une augmentation des températures de la butte de pergélisol jusqu'à 1,5 °C, la migration de la base du pergélisol jusqu’à 4 m vers la surface et la diminution de l’extension de la butte de pergélisol jusqu’à 7 m.
Abstract
In the current context of global warming, the impacts of climate change including permafrost degradation are already being felt in subarctic regions such as Umiujaq in Nunavik (Quebec). The physical processes causing this degradation are poorly documented. The main objective of the research project is to study the impact of the spatial and temporal variability of surface conditions on heat transfer at the air-surface interface as well as on permafrost degradation. To achieve this objective, infrared photographs of several permafrost mounds at Umiujaq were taken to identify the characteristic surface conditions of the study site. Based on these different conditions, thirty-five autonomous temperature probes were buried below the ground surface to monitor surface temperature variations on an hourly basis. The relationships between the surface temperatures and air temperature show that the surface conditions significantly control heat transfer at the air-surface interface as well as the thermal regime of the permafrost allowing the identification of a permafrost degradation sequence (in decreasing order: mudboils, lichens and mosses, development of thermokarst lakes and shrubbification). This monitoring of air and surface temperatures was used to constrain a numerical model of advective-conductive heat transfer in permafrost terrain. A training period was first considered and then the observed climate variability was reproduced in the model. Different scenarios of global warming, formation of a thermokarst pond and vegetation invasion were considered. Simulated results show that changes in surface condition can result in an increase of temperatures in the permafrost mound up to 1.5 °C, the migration of the permafrost base up to 4 m towards the surface and a decrease in the extent of the permafrost mound up to 7 m.
Table des matières
Résumé ... ii
Abstract ... iii
Table des matières ... iv
Liste des figures ... vii
Liste des tableaux ... xvi
Liste des annexes ... xvii
Liste des symboles ... xviii
Liste des abréviations ... xix
Remerciements ... xx
Introduction... 1
État des connaissances sur le pergélisol ... 2
Dynamique et dégradation du pergélisol ... 4
Chapitre 1 Site d’étude ... 11
1.1 Mise en contexte et localisation du site d’étude ... 11
1.2 Climat et végétation ... 14
1.3 État des connaissances sur le site d’étude ... 18
1.3.1 Hydrogéologie et géologie de la vallée Tasiapik ... 18
1.3.2 Instrumentation préexistante des buttes de pergélisol à l’étude ... 21
Chapitre 2 Méthodologie ... 32
2.1 Imagerie infrarouge des conditions de surface du site d’étude ... 32
2.2 Mesure des températures de surface ... 34
2.3 Mesure des températures et des teneurs en eau non gelées du mollisol .... 38
2.4 Modélisation numérique de l’écoulement de l’eau souterraine et de la transmission de la chaleur par convection et advection ... 38
2.4.1 Les processus simulés ... 38
2.4.2 Conditions aux limites ... 42
2.4.3 Hypothèses et suppositions ... 42
2.4.4 Stratégies de modélisation ... 43
Chapitre 3 Analyse des données de terrain ... 45
3.1 Détermination des conditions de surface à l’aide de l’imagerie infrarouge ... 45
3.2 Transmission de la chaleur à l’interface air-sol en fonction des conditions de surface ... 50
3.2.1 Analyse des données de températures de surface et de l’air ... 50
3.2.2 Ostioles ... 56
3.2.3 Lichens et mousses ... 62
3.2.4 Dépressions et mares de thermokarst ... 64
3.2.5 Aulnes et épinettes noires ... 63
3.2.6 Températures de surface en fonction de la température de l’air ... 67
3.3 Impacts de la dégradation du pergélisol sur le mollisol ... 69
3.4 Conditions de surface favorables au maintien du pergélisol ... 73
Chapitre 4 Modélisation numérique du site d’étude ... 74
4.1 Modèle conceptuel ... 74
4.2 Les conditions aux limites et les conditions initiales ... 78
4.2.1 Système d’écoulement ... 78
4.2.2 Transmission de la chaleur ... 79
4.3 Entraînement du modèle numérique ... 82
4.3.1 Atteinte du régime thermique quasi-permanent (période 1825-1925) .. 83
4.3.2 Simulation de la variabilité climatique récente (période 1926-2019) ... 85
4.3.3 Conditions de surface simulées durant la période d’entraînement du modèle numérique ... 86
4.3.4 Comparaison des conditions du sous-sol reproduites par le modèle numérique avec les observations de terrain ... 89
4.4 Simulations prédictives des impacts de scénarios de réchauffement climatique et de changements des conditions de surface (période 2020-2100) ... 113
4.4.1 Synthèse des simulations ... 113
4.4.2 Scénarios de réchauffement climatique ... 93
4.4.2 Scénarios de changement des conditions de surface ... 94
4.4.3 Impacts simulés des changements climatiques et de surface (période 2020-2100) ... 99
Chapitre 5 Discussion ... 108
5.2 Avantages et inconvénients de l’imposition de températures de surface
pour simuler la transmission de chaleur à l’interface air-sol ... 112
5.3 Limitations du modèle ... 113
Conclusions ... 115
Liste des références ... 117
Liste des figures
Figure 1: Profils thermiques typiques dans le pergélisol et différentes composantes du pergélisol (modifiée de French, 2007)... 3 Figure 1.1 : Carte de distribution du pergélisol au Nunavik et localisation de la
communauté Inuite d’Umiujaq (modifiée d’Allard et Séguin, 1987). ... 12 Figure 1.2: Image satellitaire IKONOS de la région d'Umiujaq drapée sur un modèle numérique d'élévation. ... 12 Figure 1.3: Photographie de la partie avale de la vallée Tasiapik du lac Tasiujaq
du front de la cuesta et identification du site d'étude. Des buttes de pergélisol riches en glace sont visibles dans le fond de la vallée Tasiapik. ... 13 Figure 1.4: Photographie des buttes de pergélisol à Anne-Marie LeBlanc
(Latitude: 56°32’57.31’’ N, Longitude: 76°28’6.87’’O) et à Sylvie Buteau (Latitude: 56°32’55.88’’ N, Longitude: 76°28’2.21’’O) dans la vallée Tasiapik. ... 14 Figure 1.5 : Stations de télémétrie environnementale: A) UMIROCA à proximité
de l’aéroport (photographie tirée du site internet du CEN), B) VDT-SILA en amont de la vallée Tasiapik (photographie tirée du site internet du CEN) et C) VDT-SYBU sur la butte de pergélisol à Sylvie Buteau. ... 15 Figure 1.6 : Reconstitution climatique de la période 1926-2019 à Umiujaq à
partir des données de températures moyennes annuelles de l’air (TMAA) à Kuujjuarapik et Inukjuak (Nunavik, Québec). ... 17 Figure 1.7: Image satellitaire de la vallée Tasiapik où sont identifiés les sites de
forage ainsi que les stations climatologiques du réseau Immatsiak installées en 2012 pour le suivi des impacts des changements climatiques sur les eaux souterraines. Les limites du bassin versant ainsi que le réseau hydrographique dans la vallée Tasiapik sont identifiées. ... 19 Figure 1.8: Coupe stratigraphique interprétative de la vallée Tasiapik à Umiujaq
(modifiée de Fortier et coll., 2014). Cette coupe stratigraphique passe par les sites de forage identifiés à la figure 1.7. ... 20 Figure 1.9 : Photographies de la butte de pergélisol à Sylvie Buteau dans la
vallée Tasiapik et du couvert nival prises à l’aide de la caméra numérique automatisée Reconyx au mois d’août 2014, juin 2015 et
Figure 1.11: Profils des températures moyennes mensuelles du sol en zone sans pergélisol (station climatologique Immatsiak 3): A) des mois de janvier 2013 à 2019 et B) des mois d’août 2013 à 2018. Profils des températures moyennes mensuelles du sol en zone avec pergélisol (station de télémétrie environnementale VDT-SYBU): C) des mois de janvier 2014 à 2019 et D) des mois d’août 2014 à 2019. ... 28 Figure 2.1 : Carte de la localisation des sondes autonomes de température de
surface HOBO™ sur la butte de pergélisol à Sylvie Buteau. 36 Figure 2.2: Carte de la localisation des sondes autonomes de température de
surface HOBO™ sur la butte de pergélisol à Anne-Marie LeBlanc. 37 Figure 3.1: Photographies prises à l’été 2019 des buttes de pergélisol à Anne-Marie LeBlanc (à gauche) et Sylvie Buteau (à droite). A) Dans le domaine du visible. Dans le domaine de l’infrarouge B) lors d’une journée ensoleillée (09/07/2019) et C) lors d’une journée nuageuse (02/07/2019). 47
Figure 3.2: Évolution du front d’ombre de la cuesta dans la vallée Tasiapik et sur la butte de pergélisol à Anne-Marie LeBlanc. Photographies dans les domaines du visible et de l’infrarouge du front d’ombre: A)
à 17h30 et B) à 18h30 le 09/07/2019. 48
Figure 3.3: Photographies prises le 04/07/2018 des buttes de pergélisol à Anne-Marie LeBlanc (à gauche) et Sylvie Buteau (à droite). A) Dans le domaine du visible en plein jour. B) Dans le domaine de l’infrarouge à 23h00. Les dépressions remplies de neige sont identifiées par des
X. 49
Figure 3. 4 : Distribution graphique des TMAS de chaque sonde. 52
Figure 3.5: Schéma simplifié des différentes conditions de surface le long du transect du sommet de la butte de pergélisol à Sylvie Buteau jusque
dans la dépression à côté de cette butte. 55
Figure 3.6: Série temporelle pour la période de juillet 2018 à juillet 2019 des températures horaires de l’air (THA) et de surface d’un ostiole
(THSOS-2). 57
Figure 3.7: Températures moyennes journalières de surface de l’ostiole OS-2 en fonction des températures moyennes journalières de l’air pour la période de juillet 2018 à juillet 2019. Identification des pentes de dégel et gel des droites de régression linéaire qui passent par l’ordonnée à l’origine de ce graphique pour la condition de surface
d’un ostiole. 58
Figure 3.8: Températures horaires de surface d’un ostiole mesurée (THS OS-2mesurée) et calculée (THSOS-2calculée) en tenant compte des pentes de
dégel et gel et de la température de l’air en fonction du temps de juillet 2018 à juillet 2019. Les fonctions sinusoïdales des températures de l’air (Équation 3.3) et de surface d’un ostiole
(Équation 3.4) apparaissent dans ce graphique. 61
Figure 3.9: Série temporelle pour la période de juillet 2018 à juillet 2019 des températures horaires de l’air (THA) et de surface des lichens et des
Figure 3.10: Températures moyennes journalières de surface des lichens et des mousses TR-6 en fonction des températures moyennes journalières de l’air pour la période de juillet 2018 à juillet 2019. Identification des pentes de dégel et gel des droites de régression linéaire qui passent par l’ordonnée à l’origine de ce graphique pour la condition de
surface des lichens et des mousses. 63
Figure 3.11: Températures horaires de surface des lichens et des mousses mesurée (THSTR-6mesurée) et calculée (THSTR-6calculée) en tenant
compte des pentes de dégel et gel et de la température de l’air en fonction du temps de juillet 2018 à juillet 2019. Les fonctions sinusoïdales des températures de l’air (Équation 3.3) et de surface des lichens et des mousses apparaissent dans ce graphique. 64 Figure 3.12: Séries temporelles pour la période de juillet 2018 à juillet 2019 des
températures horaires de l’air (THA) et de surface des mares de thermokarst à des stades de développement initial en A (THSMT-1)
et avancé en B (THSMT-3). 60
Figure 3.13: Températures moyennes journalières de surface des mares de thermokarst des stades de développement initial en A (TMJSMT-1) et
avancé en B (TMJSMT-3) en fonction des températures moyennes
journalières de l’air pour la période de juillet 2018 à juillet 2019. Identification des pentes de dégel et gel des droites de régression linéaire qui passent par l’ordonnée à l’origine de ces graphiques pour les conditions de surface des mares de thermokarst. 61 Figure 3.14: Températures horaires de surface des mares de thermokarst à des
stades de développement initial en A (THSMT-1) et avancé en B
(THSMT-3) mesurée (THSMT-1mesurée et THSMT-3mesurée) et calculée
(THSMT-1calculée et THSMT-3calculée) en tenant compte des pentes de
dégel et gel et de la température de l’air en fonction du temps de juillet 2018 à juillet 2019. Les fonctions sinusoïdales des températures de l’air (Équation 3.3) et de surface mares de
thermokarst apparaissent dans ces graphiques. 62
Figure 3.15: Séries temporelles pour la période de juillet 2018 à juillet 2019 des températures horaires de l’air (THA) et de surface des aulnes en A (THSAN-2) et des épinettes noires en B (THSEN-2). 64
Figure 3.16: Températures moyennes journalières de surface des aulnes en A (TMJSAN-2; graphique à gauche) et des épinettes noires en B
(TMJSEN-2) en fonction des températures moyennes journalières de
l’air pour la période de juillet 2018 à juillet 2019. Identification des pentes de dégel et gel des droites de régression linéaire qui passent
(Équation 3.3) et de surface des aulnes et des épinettes noires
apparaissent dans ces figures. 66
Figure 3.18: A) Température du mollisol en zone de pergélisol non dégradé (site TS-1 à la figure 2.2) en fonction de la profondeur et du temps de juillet 2018 à juillet 2019. B) Teneur en eau du mollisol en zone de pergélisol non dégradé (site TS-1 à la figure 2.2) en fonction de la profondeur et du temps de juillet 2018 à juillet 2019. 71 Figure 3.19: A) Température du mollisol en zone de pergélisol dégradé (site TS-2 à la figure TS-2.TS-2) en fonction de la profondeur et du temps de juillet 2018 à juillet 2019. B) Teneur en eau du mollisol en zone de pergélisol dégradé (site TS-2 à la figure 2.2) en fonction de la profondeur et du temps de juillet 2018 à juillet 2019. 72 Figure 4.1: Modèle conceptuel 2D de la butte de pergélisol à Sylvie Buteau
simulé dans le cadre de ce projet de recherche. Les propriétés thermo-hydrauliques (λs est la conductivité thermique des solides, K est la conductivité hydraulique et θ est la porosité) ainsi qu’une partie du maillage sont identifiées. 75
Figure 4.2. Courbes des fonctions de gel et dégel et de perméabilité relative pour un sable grossier de porosité (θ) égale à 0,35. 77
Figure 4.3: Conditions aux limites du système d’écoulement. 79
Figure 4.4: Conditions aux limites et initiales (pour la période initiale
d’entrainement) du transport de chaleur. 81
Figure 4.5: Variation de la température moyenne annuelle de l’air (TMAA) de 1825 à 2019 à Umiujaq (Nunavik, Québec) et identification des tendances climatiques à la hausse et à la baisse des TMAA. La TMAA constante pour la période de 1825 à 1925 a été déterminée à partir de la moyenne des TMAA à Kuujjuarapik et Inukjuak de 1926
à 1928. 82
Figure 4.6: Atteinte du régime thermique quasi-permanent après 100 ans de
simulation numérique S0a. 84
Figure 4.7: Impact de la variabilité climatique récente de la période 1926 à 2019
sur la température du sol. 86
Figure 4.8: Conditions de surface imposées le long du modèle numérique durant les périodes d’entraînement de 1825 à 1925 et de variabilité
climatique à Umiujaq de 1926 à 2019. 88
Figure 4.9: A) Distribution des vitesses et les lignes d’écoulement de l’eau souterraine dans le modèle numérique en août 2019. B) Variation de la vitesse d’écoulement de l’eau souterraine à 35 m de
profondeur dans l’aquifère confiné. 90
Figure 4.10: Variation de la vitesse de l’écoulement vertical vz (m/s) à la surface du modèle en août 2019. Les valeurs positives représentent la
résurgence (écoulement vers le haut). 92
Figure 4.11: Comparaison entre les profils thermiques mesurés à la station Immatsiak 3 (ligne et symboles noirs) et simulés en 2018 (en rouge en amont de la butte de pergélisol et en vert en aval de la butte de pergélisol). La direction de l’écoulement dans l’aquifère confiné est indiquée à l’aide d’une flèche bleue.
Figure 4.12: Comparaison entre les profils thermiques mesurés à la station de télémétrie environnementale VDT-SYBU en 2001 (lignes et symboles en orange et 2018 (lignes et symboles noirs) et simulés
en 2018 (ligne bleue). 95
Figure 4.13: Évolution du régime thermique simulé dans la butte de pergélisol en fonction de la variabilité climatique de 1926 à 2019. La base du
pergélisol est identifiée par la ligne pointillée. 96
Figure 4.14: A) Variations de la température simulée dans le mollisol de la surface jusqu’à 1 m de profondeur de 2018 à la fin de l’année 2019. B) Variations de la température mesurée avec les sondes Teros 12™ du site TS-1 (Figures 2.2 et 3.17) dans le mollisol de la surface jusqu’à 1 m de profondeur de 2018.5 à 2019.5. Les échelles de température, d’élévation/profondeur et de temps sont identiques pour faciliter la comparaison des températures simulées et
mesurées. 91
Figure 4.15: A) Variations de la teneur en eau simulée dans le mollisol de la surface jusqu’à 1 m de profondeur de 2018 à la fin de l’année 2019. B) Variations de la teneur en eau mesurée avec les sondes Teros 12™ du site TS-1 (Figures 2.2 et 3.17) dans le mollisol de la surface jusqu’à 1 m de profondeur de 2018.5 à 2019.5. Les échelles de teneur en eau, d’élévation/profondeur et de temps sont identiques pour faciliter la comparaison des teneurs en eau simulées et
mesurées. 92
Figure 4.16: Résultats numériques montrant les lignes d’écoulement et les distributions spatiales de la température en A) janvier 2019 et B)
août 2019. 109
Figure 4.17: Résultats numériques montrant les lignes d’écoulement et les distributions spatiales de la saturation en eau en A) janvier 2019 et
B) août 2019. 110
Figure 4.18: Scénarios d’augmentation de la température de l’air de 2020 à 2100. 93 Figure 4.19: Scénario sans modification des conditions de surface. 95 Figure 4.20: Scénario du développement d’une mare de thermokarst au-dessus
de la butte de pergélisol de 2020 à 2100. Une mare de thermokarst de 1 m de largeur apparaît en 2020 dans la partie de droite de la butte de pergélisol et elle s’élargit à 6 m en 2060. 96 Figure 4.21: Scénario d’invasion de la végétation de part et d’autre de la butte de
pergélisol de 2020 à 2100. 98
Figure 4.23: Distributions spatiales des différences de température et de saturation en eau entre les scénarios S3 et S1. Différences de température ΔT(S3 – S1) aux mois de janvier (A) et d’août 2100 (B). Les lignes blanches pointillées représentent l’isotherme 0 °C pour le scénario S1 alors que les lignes blanches pleines représentent l’isotherme 0 °C du scénario S3. Différences de saturation en eau ΔW(S3 – S1) aux mois de janvier (C) et d’août 2100 (D). 105 Figure 4.24: Distributions spatiales des différences de température et de
saturation en eau entre les scénarios S4 et S1. Différences de température ΔT(S4 – S1) aux mois de janvier (A) et d’août 2100 (B). Les lignes blanches pointillées représentent l’isotherme 0 °C pour le scénario S1 alors que les lignes blanches pleines représentent l’isotherme 0 °C du scénario S4. Différences de saturation en eau ΔW(S4 – S1) aux mois de janvier (C) et d’août 2100 (D). 107 Figure A. 1 Carte de la localisation de toutes les sondes HOBO installées à l’été
2018 sur les buttes de pergélisol à Anne-Marie LeBlanc et Sylvie Buteau. 129
Figure B. 1: Photographies des ostioles OS-1 et OS-2 131
Figure B. 2: Photographies des dépressions DP-1, DP-2 et DP-3 131
Figure B. 3: Photographies des mares de thermokarst MT-1, MT-2, MT-3 et du
plan d’eau MT-4 132
Figure B. 4: Photographies des aulnes AN-1, AN-2 et AN-3 132
Figure B. 5: Photographies des épinettes EP-1, EP-2 et EP-3 133
Figure B. 6: Photographie du transect TR-1 à TR-6 en bordure de la butte de
pergélisol à Sylvie Buteau 133
Figure B. 7: Photographies des sondes TS-1 (zone de pergélisol non dégradé) et TS-2 (zone de pergélisol dégradé) à proximité des sondes Teros
12 133
Figure B. 8: Photographies de la couverture sableuse CS-1 et de la route de
gravier RT-1 134
Figure F. 1: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des températures horaires de l’air (THA) et de surface de l’ostiole OS-1 (THSOS-1). B. Graphique des températures de surface de l’ostiole
OS-1 en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de l’ostiole OS-1 mesurées à celles calculées à l’aide des pentes de gel et dégel. 145
Figure F. 2: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des températures horaires de l’air (THA) et de surface de la dépression DP-1 (THSDP-1). B. Graphique des températures de surface de la
dépression DP-1 en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la dépression DP-1 mesurées à celles calculées à l’aide des pentes de gel et dégel.
147 Figure F. 3: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des
DP-2 (THSDP-2). B. Graphique des températures de surface de la
dépression DP-2 en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la dépression DP-2 mesurées à celles calculées à l’aide des pentes de gel et dégel.
149 Figure F. 4: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des
températures horaires de l’air (THA) et de surface de la dépression DP-3 (THSDP-3). B. Graphique des températures de surface de la
dépression DP-3 en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la dépression DP-3 mesurées à celles calculées à l’aide des pentes de gel et dégel.
151 Figure F. 5: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des
températures horaires de l’air (THA) et de surface de la mare de thermokarst MT-2 (THSMT-2). B. Graphique des températures de
surface de la mare de thermokarst MT-2 en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la mare de thermokarst MT-2 mesurées à celles calculées à l’aide des
pentes de gel et dégel. 153
Figure F. 6: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des températures horaires de l’air (THA) et de surface de le plan d’eau MT-4 (THSMT-4). B. Graphique des températures de surface du plan
d’eau MT-4 en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface du plan d’eau MT-4 mesurées à celles
calculées à l’aide des pentes de gel et dégel. 155
Figure F. 7: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des températures horaires de l’air (THA) et de surface de la couverture d’aulnes AN-1 (THSAN-1). B. Graphique des températures de surface
des aulnes AN-1 en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface des aulnes AN-1 mesurées à celles calculées à l’aide des pentes de gel et dégel. 157 Figure F. 8: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des
températures horaires de l’air (THA) et de surface de la couverture d’aulnes AN-3 (THSAN-3). B. Graphique des températures de surface
identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface des épinettes EN-1 mesurées à celles calculées à l’aide des pentes de gel et dégel. 161 Figure F. 10: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des
températures horaires de l’air (THA) et de surface de la couverture d’épinettes EN-3 (THSEN-3). B. Graphique des températures de
surface des épinettes EN-3 en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface des épinettes EN-3 mesurées à celles calculées à l’aide des pentes de gel et dégel. 163 Figure F. 11: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des
températures horaires de l’air (THA) et de la sonde TR-1 du transect (THSTR-1). B. Graphique des températures de surface de la sonde
TR-1 du transect en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la sonde TR-1 mesurées à celles calculées à l’aide des pentes de gel et dégel. 165 Figure F. 12: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des
températures horaires de l’air (THA) et de la sonde TR-2 du transect (THSTR-2). B. Graphique des températures de surface de la sonde
TR-2 du transect en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la sonde TR-2 mesurées à celles calculées à l’aide des pentes de gel et dégel. 167 Figure F. 13: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des
températures horaires de l’air (THA) et de la sonde TR-3 du transect (THSTR-3). B. Graphique des températures de surface de la sonde
TR-3 du transect en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la sonde TR-3 mesurées à celles calculées à l’aide des pentes de gel et dégel. 169 Figure F. 14: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des
températures horaires de l’air (THA) et de la sonde TR-4 du transect (THSTR-4). B. Graphique des températures de surface de la sonde
TR-4 du transect en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la sonde TR-4 mesurées à celles calculées à l’aide des pentes de gel et dégel. 171 Figure F. 15: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des
températures horaires de l’air (THA) et de la sonde TR-5 du transect (THSTR-5). B. Graphique des températures de surface de la sonde
TR-5 du transect en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la sonde TR-5 mesurées à celles calculées à l’aide des pentes de gel et dégel. 173 Figure F. 16: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des
B. Graphique des températures de surface de la sonde TS-1 (site non dégradé) à proximité des sondes Teros 12 en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la sonde TS-1 mesurées à celles calculées à l’aide des pentes de gel
et dégel. 175
Figure F. 17: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des températures horaires de l’air (THA) et de la sonde TS-2 (THSTS-2).
B. Graphique des températures de surface de la sonde TS-2 (site dégradé) à proximité des sondes Teros 12 en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la sonde TS-2 mesurées à celles calculées à l’aide des pentes de gel
et dégel. 177
Figure F. 18: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des températures horaires de l’air (THA) et de la couverture sableuse CS-1 (THSCS-1). B. Graphique des températures de surface de la
couverture sableuse CS-1 en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la couverture sableuse CS-1 mesurées à celles calculées à l’aide des pentes de gel et dégel. 179 Figure F. 19: A. Série temporelle pour la période de juillet 2018 à juillet 2019 des
températures horaires de l’air (THA) et de la route RT-1 (THSRT-1).
B. Graphique des températures de surface de la route RT-1 en fonction des températures de l’air et identification des pentes de gel et dégel. C. Comparaison entre les données de températures de surface de la route RT-1 mesurées à celles calculées à l’aide des
pentes de gel et dégel. 181
Figure G. 1 : Systèmes d’écoulement des scénarios A) S1, B) S2, C) S3 et D) S4 en janvier 2100. La ligne pointillée bleue représente l’isotherme 0 °C en janvier 2100. 183
Figure G. 2 : Systèmes d’écoulement des scénarios A) S1, B) S2, C) S3 et D) S4 en août 2100. La ligne pointillée bleue représente l’isotherme 0 °C
Liste des tableaux
Tableau 1.1 : Flux de Darcy mesurés dans l’aquifère profond du bassin versant dans la vallée Tasiapik aux sites de forage 3 et 5 du réseau Immatsiak (Jamin et coll., 2020). ... 21 Tableau 1.2: Conductivités hydrauliques de l’aquifère profond dans le bassin
versant de la vallée Tasiapik déterminées des essais de perméabilité réalisés dans les puits d’observation des eaux souterraines des sites de forages 3 et 5 (Fortier et coll, 2014). ... 30 Tableau 1.3: Conductivités thermiques des sédiments qui composent le mollisol
de la butte de pergélisol de Sylvie Buteau mesurées par Dagenais (2018) et Buteau et coll. (2004). ... 31 Tableau 2.1 : Caractéristiques des levés de la prise de photographies infrarouges.
34
Tableau 2.2: Identification des sondes HOBO à l’aide d’abréviations selon
différentes conditions de surface. 35
Tableau 3.1: Données des températures de surface mesurées par les sondes autonomes de température HOBO™ pour différentes conditions de surface du site d’étude à Umiujaq. 51
Tableau 3.2: Tableau récapitulatif des pentes de dégel mdégel, pentes de gel mgel,
les coefficients de corrélation R2 et les températures moyennes
mensuelles de surface (TMMS). 68
Tableau 4.1: Propriétés physiques de l’eau et de la glace utilisées dans le modèle (CRC Press, 1980). 76
Tableau 4.2 : Tableau synthèse des simulations et leurs descriptions respectives. 108 Tableau C. 1: Coordonnées GPS des sondes HOBO™ enfouies à l’été 2018 et
leurs numéros de série respectifs. 136
Tableau D. 1 : Identification des sondes HOBO™ et leurs descriptions respectives. 138
Tableau E. 1: Compilation des températures moyennes mensuelles de surface (TMMS) répertoriées par les sondes HOBO™ des mois de juillet 2018 à juillet 2019. 141
Liste des annexes
Annexe A : Localisation de toutes les sondes HOBO installées à l’été 2018 128 Annexe B: Photographies des différentes conditions de surface où les sondes
HOBO™ ont été enfouies ... 130 Annexe C: Coordonnées GPS des sondes HOBO™ ... 135 Annexe D: Identification des sondes HOBO™ et leurs descriptions respectives ... 137 Annexe E: Compilation des températures moyennes de surface des mois de
juillet 2018 à juillet 2019 ... 140 Annexe F: Graphiques des séries temporelles des températures de l’air et de
surface en fonction du temps, des températures de surface en fonction des températures de l’air et comparaison entre les données de températures de surface mesurées à celles calculées par les pentes de gel et dégel ... 143 Annexe G : Systèmes d’écoulement en janvier et en août 2100 des scénarios
Liste des symboles
Liste des symboles des équations résolues dans le code numérique HEATFLOW
ci Capacité thermique massique de la glace (J/kg/K)
cs Capacité thermique massique des solides (J/kg/K)
cw Capacité thermique massique de l’eau (J/kg/K)
Co Capacité thermique volumique du milieu poreux (J/m3/K)
Dij Coefficient de dispersion hydrodynamique (m2/s)
kr Perméabilité relative
Kij(T) Tenseur de conductivité hydraulique en fonction de la température (m/s)
L Chaleur latente de l’eau (J/kg)
nj Vecteur unitaire dans la direction verticale z
p Dernière fraction non gelée à température très basse
q Paramètre qui affecte la courbe de la fonction Wu
Qk Taux de pompage (ou injection) du fluide (m3/s) pour un élément
positionné de la source localisée à xk, yk, zk
Sw Saturation en eau
Si Saturation en glace
Ss Emmagasinement spécifique (m-1)
t Temps (s)
T Température du milieu poreux (°C)
vi Vitesse linéaire moyenne d’écoulement (m/s)
Wu Saturation en eau (m3/m3)
xi Coordonnées spatiales 3D
x Temps en jour julien
Ψ Charge hydraulique équivalente (m)
θ Porosité du milieu
Ω Source interne de chaleur (J/m3/s)
ρi Masse volumique de la glace (kg/m3)
ρr(T) Masse volumique relative de l’eau en fonction de la température (kg/m3)
ρs Masse volumique des solides (kg/m3)
ρw Masse volumique de l’eau (kg/m3)
λ Conductivité thermique du milieu poreux (W/m/K)
λi Conductivité thermique de la glace W/m/K)
λs Conductivité thermique des solides (W/m/K)
Liste des abréviations
OS Ostiole DP Dépression MT Mare de thermokarst AN Aulnes EN Épinettes noires TR TransectTS Sonde HOBO à proximité des sondes Teros 12 de Decagon
CS Couverture sableuse
RT Route
THA Température horaire de l’air (°C)
TMAA Température moyenne annuelle de l’air (°C) TMJA Température moyenne journalière de l’air (°C) TMHA Température moyenne horaire de l’air (°C)
TMAS Température moyenne annuelle de surface (°C)
THS Température horaire de surface (°C)
TMAS ≤ 0 °C Température moyenne annuelle de surface sous 0 °C (°C)
TMAS > 0 °C Température moyenne annuelle de surface au-dessous de 0 °C (°C)
TMMS Température moyenne mensuelle de surface (°C)
TMJS Température moyenne journalière de surface (°C)
TMinS Température minimale de surface
TMaxS Température maximale de surface
TMédS Température médiane de surface
mdégel Pente de dégel
mgel Pente de gel
ΔT Différence de température (°C)
ΔWu Différence de saturation en eau (m3/m3)
S1 Scénario de réchauffement climatique de 0.23 °C de 2020 à 2100 qui suit la tendance actuelle des 30 dernières années sans modification des conditions de surface
S2 Scénario climatique d’augmentation de la température de l’air de 2 C de 2020 à 2100 sans modification des conditions de surface
S3 : Scénario de développement d’une mare de thermokarst dans un contexte de réchauffement climatique de 2 °C de 2020 à 2100. S4: Scénario d’invasion de la végétation dans un contexte de
Remerciements
Ce projet de recherche n’aurait pas été possible sans mon directeur Richard Fortier qui m’a offert un excellent encadrement tout au long des deux dernières années. Son expérience, son savoir-faire, sa rigueur et ses conseils m’ont grandement appris sur les qualités nécessaires que forment un bon chercheur. Merci d’avoir fait de cette opportunité une expérience agréable autant dans nos échanges au bureau que lors des travaux de terrain. Finalement, merci de m’avoir fait pleinement confiance dès le départ en m’offrant ce projet et de m’avoir fait découvrir la belle communauté d’Umiujaq. Une importante partie du projet n’aurait pas pu être réalisée sans mon co-directeur John Molson qui est selon moi parmi les meilleurs chercheurs en modélisation numérique. Merci pour ta compréhension, ton écoute, ta générosité et ta disponibilité. Tu m’as initiée à l’univers de la modélisation numérique et tu as toujours été prêt à répondre à mes multiples questionnements et à m’aider. Je souhaite aussi remercier Xavier Maldague d’avoir pris de temps de me former pour l’utilisation de la caméra infrarouge FLIRT400 et de m’avoir permis de l’utiliser sur le terrain deux étés de suite. Merci aussi à Guillaume Allard et à Pierre Therrien de m’avoir accompagné au travers de mes difficultés informatiques. Votre aide est plus que précieuse au sein du département. Un merci spécial à mon cousin Pierre Arsenault de m’avoir aidé à développer un code python pour le traitement des données des sondes.
Merci aux équipes de terrain des étés 2018 et 2019. Jonathan Fortin, Philippe Fortier, Weibo Liu, Léa Bussières, Yongping Wang et Jean-Michel Lemieux, merci pour votre aide sur le terrain. Nous formions une belle équipe. Je souhaite aussi remercier la communauté d’Umiujaq pour leur accueil chaleureux, leur ouverture d’esprit et d’avoir démontré autant d’intérêt face aux projets menés par l’équipe de terrain. Sans leur accord, mon projet n’aurait pas vu le jour.
Bien évidemment, je souhaite remercier tous mes collègues et amis du bureau que j’ai rencontré au cours des deux dernières années : Cécile Coulon, Flore Sergent, Alexandre Mendizabal, Vinicius Ferreira, Ana Carolina Miranda et Madiha Khadraoui. Finalement, merci à ma famille, à mes grands-parents et à mon copain pour leur écoute et leur constant support.
Introduction
Le réchauffement climatique qui a débuté suite à l’industrialisation est causé par les activités anthropiques et il est à l’origine d’impacts majeurs sur les écosystèmes de la planète. D’après Stocker et coll. (2013), un réchauffement de 1,7 à 4,8 °C est anticipé d’ici 2100 à l’échelle planétaire alors que le groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) propose de limiter à 1,5 °C l’augmentation des températures d’ici 2100 afin de minimiser les conséquences du réchauffement climatique sur les écosystèmes tout en assurant un développement durable (IPCC, 2018). Depuis 1950, le réchauffement climatique affecte tout particulièrement les régions subarctiques et arctiques qui réchauffent à un taux deux fois plus élevé qu’ailleurs dans le monde (Box et coll., 2019). Il est possible d’observer les conséquences reliées aux changements climatiques dans les régions nordiques puisque leurs écosystèmes (lacs, tourbières, etc.) et géosystèmes (pergélisol, etc.) sont très vulnérables à l’augmentation des températures de l’air. Le pergélisol fait partie intégrante de la cryosphère des régions arctiques et subarctiques qui recouvrent jusqu’à 25% des terres émergées (Zhang et coll., 2003) et plus de la moitié du territoire canadien (Zhang et coll., 2006). À cause du réchauffement climatique, la dégradation du pergélisol engendre des conséquences importantes non seulement sur le comportement rhéologique du sol, la dynamique des écosystèmes, mais aussi sur la performance et les coûts d’entretien des infrastructures civiles du Nord et ultimement sur le développement durable des communautés nordiques.
Dans le cadre du présent mémoire de maîtrise, la dynamique du pergélisol qui dépend de la transmission de chaleur à l’interface air-sol en fonction des différentes conditions de surface (dépressions topographiques, mares de thermokarst, types de
thermokarst, des glissements de terrain le long de pentes pergélisolées ainsi que l’épaississement du mollisol et le développement de talik. Selon les prévisions climatiques simulées par le consortium Ouranos(Ouranos, 2020), les températures moyennes annuelles de l’air (TMAA) devraient augmenter de 2 °C d’ici 2100 à Umiujaq d’après un scénario modéré d’augmentation des températures de l’air (percentile 10) et jusqu’à 7 °C pour le scénario extrême (percentile 50). La période de référence des simulations est 1981 à 2010 où la TMAA est de -4,8 °C.
État des connaissances sur le pergélisol
Le pergélisol se définit uniquement par le critère thermique et il est constitué de tout sol ou roche dont la température est égale ou sous les 0 °C pendant au moins deux années (Van Everdingen, 2005). En fonction du type de sol dont notamment ceux dits gélifs de la classe des silts et des sables fins, le pergélisol peut être très riche en glace. La couche superficielle de sol qui subit des cycles annuels de gel et dégel au-dessus du pergélisol est appelée mollisol (active layer en anglais ou couche active en traduction libre). La profondeur maximale atteinte par le front de dégel à la fin de l’été correspond au plafond du pergélisol. Les différentes caractéristiques du mollisol et du pergélisol sont présentées à la figure 1.
La progression des fronts de gel en hiver et de dégel durant l’été dans le mollisol sont directement liés à la température de l’air, à la transmission de chaleur à l’interface air-sol, la diffusion de la chaleur dans le sol et à la chaleur latente de l’eau de congélation de l’eau et de fusion de la glace. La transmission de chaleur à l’interface air-sol dépend des conditions de surface dont notamment le type de végétation, l’épaisseur du manteau neigeux et les perturbations anthropiques telles que la construction d’un remblai pour une route ou un bâtiment. En plus de la transmission de chaleur dans le mollisol, l’autre principale variable qui contrôle la dynamique et l’épaisseur du pergélisol est le flux de chaleur géothermique en profondeur. Cependant, lors de récentes études (Grenier et coll., 2018; Kurylyk et
coll., 2014; Frampton et coll., 2013; Bense et coll., 2012), il a été démontré que l’écoulement de l’eau souterraine dans le mollisol, autour du pergélisol et sous la base du pergélisol peut transmettre de la chaleur par advection et être un autre facteur de contrôle de la dynamique du pergélisol.
Suite au réchauffement climatique, l’augmentation de la température de l’air est à l’origine de la perturbation du régime thermique du pergélisol (Smith et coll., 2010). Le profil thermique observé dans le pergélisol (Figure 1) est modifié pour atteindre progressivement des températures plus élevées. Il en résulte une dégradation du pergélisol dont l’épaississement du mollisol au détriment du plafond du pergélisol, le réchauffement et le dégel éventuel du pergélisol, des tassements au dégel du pergélisol, la formation de mares de thermokarst et de taliks, ainsi que des glissements de terrain. Plusieurs signes de cette dégradation du pergélisol sont observés dans la région d’Umiujaq et ailleurs au Nunavik (Doré et Beaulac, 2007; Allard et coll., 2007; Gagnon et Allard, 2019; Brooks et coll., 2019; Bilodeau et coll., 2019; Hernandez et coll., 2019; Fortier et coll., 2011; Gauthier et coll., 2019).
Dynamique et dégradation du pergélisol
Les conditions de surface ont un impact important sur le régime thermique du pergélisol. Gold et Lachenbruch (1971) ont démontré que la différence entre les températures moyennes de l’air et de la surface du sol varie de 1 à 6 °C aux latitudes nordiques. Cette différence de température est expliquée par les conditions de surface telles que la végétation, l’épaisseur du manteau neigeux, les propriétés thermiques du sol (Farouki, 1981), le drainage de surface et l’écoulement de l’eau souterraine ainsi que la topographie dont le relief et les pentes.
À l’échelle régionale, les changements climatiques actuels modifient les écosystèmes nordiques par un phénomène dit d’arbustation et de verdissement aux hautes latitudes nordiques. En effet, d’après Gamache et coll. (2005), le grand nord québécois présente déjà des indices de l’invasion boréale vers le nord bien que ce phénomène soit ralenti par les forts vents caractéristiques des régions tundriques qui ont un effet d’abrasion sur la végétation à cause du transport des cristaux de neige. Hachem (2008) a développé des cartes de la distribution du pergélisol à partir des indices de gel et dégel déterminés par images satellitaires LST (« Landsat Surface Temperatures ») et les ont comparées aux cartes préexistantes de la distribution du pergélisol (Allard et Seguin, 1987) au Nunavik. Des zones propices à l’invasion des arbres à la limite sud de la distribution du pergélisol ont été identifiées. À l’échelle locale, les ostioles qui sont des formes périglaciaires indicatrices d’un pergélisol riche en glace (Mackay, 1980; Allard, 2019) recouvraient entièrement les buttes de pergélisol en 1950 (Fortier et Aubé-Maurice, 2008) alors qu’elles ont pratiquement toutes disparues suite à la tendance au réchauffement climatique observée au Nunavik laissant place à l’invasion de mousses et lichens. Pelletier et coll. (2018) ont constaté cette transition de végétation tundrique à arbustive à Umiujaq. À cause du réchauffement climatique et de la dégradation du pergélisol, la
végétation à lichens dans le secteur d’Umiujaq est aussi remplacée graduellement par d’autres types de végétation. En effet, des communautés d’arbustes se développent dans les dépressions et cela accentue la dégradation du pergélisol. En fonction des sites étudiés, quatre phases de dégradation du pergélisol ont été identifiées selon différents couverts de végétation qui vont des lichens et des mousses à de grands arbustes et de petites épinettes noires (Pelletier et coll., 2018). En outre, des tassements au dégel de l’ordre de 4 m sont attendus dans le pergélisol riche en glace à Umiujaq en fonction des différentes phases de l’arbustation et de la dégradation du pergélisol. Par ailleurs, McClymont et coll. (2013) ont étudié l’impact de différents couverts tourbeux sur la dégradation du pergélisol en zone discontinu à Fort Simpson dans les Territoires du Nord-Ouest. Ils ont démontré que la dégradation du pergélisol est plus faible au droit des plateaux tourbeux dont les conditions de surface sont favorables au maintien du pergélisol. En effet, la couche de tourbe superficielle qui est non saturée agit comme une couche isolante du pergélisol en profondeur de la chaleur à la surface et l’ombre des arbres sur ces plateaux diminue le rayonnement solaire incident. Une végétation haute réduit la radiation solaire absorbée par le sol qui modifie l’albédo ainsi que l’évapotranspiration, ce qui contribue à réduire la turbulence de l’air en surface (Fedorov et coll., 2019). Bien que l’ombre procuré par la végétation sur le sol tourbeux permette la conservation de températures fraîches en surface, il n’en demeure pas moins que le développement de végétation arbustive en zone de pergélisol favorise la formation d’un épais manteau neigeux en hiver qui isole le sol du froid hivernal. Ainsi, l’effet thermique combiné du type de végétation, de la formation d’un manteau neigeux, de la teneur en eau du mollisol ainsi que de la microtopographie a un impact direct sur la distribution des températures de surface du sol (Luo et coll., 2020).
augmente la température de surface et affecte le régime thermique du pergélisol en profondeur en augmentant sa température. Selon les travaux de Goncharova et coll. (2019), une couche de neige d’au moins 20 cm d’épaisseur est nécessaire pour affecter de manière significative le régime thermique du pergélisol dans l’ouest de la Sibérie en zone de pergélisol discontinu en accroissant notamment l’épaisseur du mollisol. Ce phénomène a aussi été observé récemment en Antarctique où l’épaisseur du mollisol augmente à un taux de 0,3 cm par an à cause de l’invasion récente de la végétation (Guglielim et coll., 2014). De plus, cela entraîne un drainage de l’eau souterraine plus important causé par la dégradation du pergélisol. Au niveau de la recharge des aquifères en profondeur dans les zones de pergélisol discontinu, cette dégradation est directement reliée au type de végétation ainsi qu’à la hauteur d’enneigement. En effet, Young et coll. (2020) ont mis en évidence la transition d’un type de végétation tundrique vers arbustif observé à Umiujaq avec la recharge d’un aquifère. Plus la végétation croît, plus l’infiltration de l’eau et la recharge de l’aquifère deviennent importantes lors du dégel annuel ce qui contribue à la dégradation du pergélisol. Cela est expliqué par le manteau neigeux qui s’épaissit en fonction de la croissance des arbustes et des épinettes noires où la fonte de la neige est plus tardive. La recharge totale de l’aquifère en profondeur sur une période de trois ans de 2015 à 2018 est de 2262 mm pour les épinettes noires, de 1530 mm pour les arbustes de tailles moyennes, de 1603 mm pour les lichens et petits arbustes et, finalement, de 936 mm pour les lichens et les mousses (Young et coll., 2020).
Outre le type de végétation, la topographie caractérisée par le relief, les pentes, l’orientation et la forme du versant influence aussi la distribution spatiale de l’enneigement. En effet, les versants moins exposés au vent favorisent une accumulation de neige, un réchauffement du sol (Goodrich, 1982) et la mise en place de processus thermokarstiques. Rasmussen et coll. (2018) ont démontré qu’un épais manteau neigeux augmente de 1 °C la température moyenne annuelle à la profondeur de l’amplitude annuelle nulle de la température dans le pergélisol (Figure 1) au Groenland. De plus, des augmentations de 3 à 6 °C de la température de surface causées par le manteau neigeux induisent des augmentations de
1,5 à 3,5 °C de la température du pergélisol à une profondeur de 18 m. En contexte de réchauffement climatique, une rétroaction positive de la dégradation du pergélisol se fait au fil du temps au niveau du développement de la végétation et des accumulations de neige (Zhang et coll., 2005).
D’autre part, les perturbations anthropiques ont aussi un impact sur le régime thermique du pergélisol. En effet, Fortier et coll. (2011) se sont intéressés à l’impact de la dégradation du pergélisol sur le remblai routier de la route d’accès à l’aéroport d’Umiujaq. Des tassements au dégel se sont produits le long de ce remblai depuis sa construction dans les années 1990 qui affectent l’intégrité de la route. Ils ont démontré que ces tassements au dégel sont causés par la consolidation au dégel d’une couche silteuse riche en glace sous une couche sableuse. À cause du double impact de l’isolation thermique du manteau neigeux qui s’accumule le long des épaulements abrupts du remblai et de la tendance au réchauffement climatique récemment observé au Nunavik, le front de dégel a atteint la couche riche en glace en profondeur et le dégel de cette couche est à l’origine des tassements observés. Dépendamment de la sévérité de dégradation du pergélisol, des mares de thermokarst peuvent se développer en bordure de route tels qu’observé sur l’autoroute Qinghai au Tibet (Wen et coll., 2018). Parmi les causes à l’origine de la dégradation du pergélisol sous cette autoroute, le recouvrement d’enrobé bitumineux noir est à l’origine d’une absorption du rayonnement solaire qui accélère la dégradation du pergélisol (Kondratiev, 2010). Des méthodes de mitigation afin de minimiser l’impact des perturbations anthropiques sur la dégradation du pergélisol ont été proposées et testées lors de plusieurs études (Doré et coll., 2016; O’Neill et Burn, 2017; Gao et coll., 2018; Wagner, 2014).
répercussions à long terme de la modification des conditions de surface dans le contexte actuel de réchauffement climatique sur la dynamique du pergélisol sont peu connues et documentées. L’anticipation de la dégradation du pergélisol par modélisation numérique est un outil intéressant à exploiter pour anticiper le taux de dégradation du pergélisol et d’évaluer les impacts de cette dégradation sur les géosystèmes et écosystèmes nordiques au cours des prochaines décennies. Un des défis de taille en modélisation numérique de processus cryohydrogéologiques est de déterminer la condition imposée à la surface du modèle afin de caractériser adéquatement la transmission de chaleur à l’interface air-sol. Lamontagne-Hallé et coll. (2020) ont révisé la méthodologie de modélisation des systèmes cryohydrogéologiques et les conditions limites dont celle à la surface alors que Riseborough et coll. (2008) ont énuméré les différentes approches en modélisation numérique utilisées pour imposer les températures de surface à la limite supérieure d’un modèle. Tout d’abord, il est possible de déterminer les températures de surface d’un modèle à l’aide de données de températures de surface compilées par l’instrumentation d’un site à l’étude. Cependant, afin d’obtenir un modèle réaliste, il est nécessaire d’avoir une quantité importante de données de terrain afin de s’assurer de la validité de cette approche. Chataigner (2008) a utilisé cette méthode à l’aide des données de profils thermiques mesurés dans son site d’étude. La température de surface a été déterminée à partir des températures du sol mesurées à l’aide de thermistances à différentes profondeurs près de la surface mais cette approche crée une certaine incertitude. En effet, Anisimov et coll. (2007) ont estimé que cette méthode de détermination des températures de surface engendre des incertitudes qui peuvent atteindre jusqu’à 20% au niveau des résultats obtenus de la modélisation numérique. Une autre manière d’imposer les températures de surface d’un modèle est la méthode des facteurs n de gel et de dégel. Ces facteurs permettent de caractériser le bilan énergétique de surface qui est contrôlé par les conditions de surface du site d’étude. Bien que cette méthode simple soit appropriée pour plusieurs modèles (Buteau et coll., 2004; Fortier et coll., 2011), il est important de considérer que l’indice de gel varie de ±20% en fonction des conditions de surface et varie de manière interannuelle de 10 à 30% (Karunaratne et Burn, 2003). De plus,
cette méthode ne tient pas compte de tous les processus complexes à l’origine de la dégradation du pergélisol (Riseborough et coll., 2008). Finalement, la méthode la plus élaborée parmi celles répertoriées par Riseborough et coll. (2008) est le calcul du bilan énergétique de surface (Outcalt et coll., 1975; Mittaz et coll., 2000; Abolt et coll., 2020). Cette méthode nécessite de mesurer de nombreux paramètres physiques dont notamment le rayonnement solaire incident et réfléchi qui est hors de la portée de plusieurs chercheurs. Dans le cadre de ce projet de recherche, une méthode simple et efficace qui fait appel à la mesure des températures de surface à l’aide de capteurs autonomes enfouis sous différentes conditions de surface caractéristiques du site d’étude comparées à la température de l’air a été employée pour simuler la transmission de chaleur à l’interface air-sol dans le modèle numérique utilisé.
De la modélisation numérique du régime thermique de buttes de pergélisol à Umiujaq a été effectuée sans intégrer l’impact des modifications des conditions de surface dans le temps dans le contexte de réchauffement climatique. Buteau et coll. (2004) se sont intéressés à la modélisation numérique unidimensionnelle (1D) des tassements au dégel observés en surface générés par la dégradation d’une butte de pergélisol sous différents scénarios climatiques en tenant compte de la diffusion de la chaleur par conduction comme principal mécanisme de transmission de chaleur (Gold et Lachenbruch, 1971). La transmission de la chaleur à l’interface air-sol du modèle numérique de Buteau et coll. (2004) est simulée en utilisant des facteurs n de gel et de dégel qui demeurent constants dans le temps et différents scénarios de réchauffement climatique ont été considérés pour induire la dégradation du pergélisol. Selon les résultats des simulations de Buteau et coll. (2004), le plafond du pergélisol s’approfondit à un taux entre 1 et 13 cm par année.
transmission de la chaleur par advection et conduction. La limite à la surface de leur modèle est simulée par une couche conceptuelle qui représente la couche de végétation en été et la couche de neige en hiver. Encore une fois, les conditions de surface demeurent stables dans le temps alors que le réchauffement climatique est considéré. La recharge de l’aquifère en profondeur dans leur modèle dépend de la température de l’air ce qui affecte les résultats des simulations. Selon les résultats du modèle, la dégradation complète du pergélisol à Umiujaq est anticipée d’ici 2040.
Enfin, il est fondamental de bien comprendre les processus physiques et la dynamique du pergélisol afin d’anticiper les impacts de sa dégradation sur les géosystèmes et les écosystèmes nordiques et la pérennité des infrastructures civiles dans le Nord. Bien que plusieurs travaux de recherche aient été effectués sur la dynamique et la dégradation du pergélisol à Umiujaq et plusieurs simulations numériques aient été réalisées pour mieux comprendre les processus physiques impliqués, l’impact de l’évolution des conditions de surface à long terme sur les processus physiques à l’origine de la dégradation du pergélisol demeure peu documenté et connu. En outre, la dégradation du pergélisol est à l’origine d’impacts majeurs qui ne sont pas répertoriés par manque de systèmes de suivis.
Le principal objectif de ce projet de recherche est d’étudier l’impact de la variabilité spatiale des conditions de surface sur la transmission de chaleur à l’interface air-sol et la dégradation du pergélisol à l’aide de modélisation numérique de la transmission de la chaleur par conduction et advection. Les objectifs secondaires sont 1) de caractériser la transmission de chaleur à l’interface air-sol pour différentes les conditions de surface caractéristiques du site d’étude à Umiujaq et 2) de développer un modèle cryohydrogéologique conceptuel du site d’étude contraint par les connaissances et les observations de terrain.
Chapitre 1 Site d’étude
1.1 Mise en contexte et localisation du site d’étude
Le site d’étude est localisé dans un petit bassin versant de 2 km2 dans une vallée
encaissée, appelée informellement la vallée Tasiapik, près de la communauté Inuite d’Umiujaq le long de la côte est de la baie d’Hudson au Nunavik, Québec, Canada (Figures 1.1 et 1.2). La région d’Umiujaq se trouve dans la zone de pergélisol discontinu et dispersé. Des buttes de pergélisol riches en glace se sont formées dans des sédiments marins gélifs déposés par la mer de Tyrrell dans le fond de la vallée Tasiapik (Figure 1.3). Lors du retrait de l’inlandsis laurentidien et de la transgression marine vers 8000 avant Jésus-Christ dans la région d’Umiujaq (Lavoie et coll., 2012), des chenaux tel que celui entre la colline Umiujaq et le front de la cuesta laissaient l’eau circuler librement entre la baie d’Hudson et le proto lac Tasiujaq (Figure 1.2 et 1.3). Le niveau de la mer à cette époque était beaucoup plus élevé à environ 250 m par rapport au niveau marin actuel car, sous le poids de la calotte polaire, la croûte terrestre était déprimée. Différents types de dépôts glaciaires, fluvio-glaciaires, marins d’eau profonde, intertidaux, littoraux et pré-littoraux se sont mis en place au fond de la vallée Tasiapik au gré des courants dans les chenaux, de la position du front glaciaire, et du niveau d’eau marin (Fortier et coll., 2020). Suite au retrait de l’inlandsis laurentidien, le taux de relèvement isostatique était très élevé de l’ordre de 100 mm/an alors qu’aujourd’hui il est estimé à 11 mm/an (Lavoie et coll., 2012; Hilaire-Marcel, 1976). Au fil du temps et en fonction du relèvement isostatique, les dépôts quaternaires ont progressivement émergé et ils ont été en contact avec le climat subarctique froid qui caractérise la région d’Umiujaq. Le pergélisol s’est alors installé dans les dépôts marins d’eau profonde dans la vallée Tasiapik qui sont des silts susceptibles au gel. Sous des
Figure 1.1 : Carte de distribution du pergélisol au Nunavik et localisation de la communauté Inuite d’Umiujaq (modifiée d’Allard et Séguin, 1987).
Figure 1.2: Image satellitaire IKONOS de la région d'Umiujaq drapée sur un modèle numérique d'élévation.
Figure 1.3: Photographie de la partie avale de la vallée Tasiapik du lac Tasiujaq du front de la cuesta et identification du site d'étude. Des buttes de pergélisol riches en glace sont visibles dans le fond de la vallée Tasiapik.
Les buttes de pergélisol dites à Sylvie Buteau et Anne-Marie LeBlanc (Figure 1.4), identifiées ainsi suite aux travaux de recherche réalisés par ces deux étudiantes sur ces buttes de pergélisol dans le cadre de leurs études de doctorat et de maîtrise respectivement (Buteau, 2002; LeBlanc, 2003), composent le site d’étude. L’épaisseur du mollisol au sommet de ces buttes de pergélisol est autour de 1,6 m
Front de la cuesta Vallée
Tasiapik
Lac Tasiujaq
Figure 1.4: Photographie des buttes de pergélisol à Anne-Marie LeBlanc (Latitude: 56°32’57.31’’ N, Longitude: 76°28’6.87’’O) et à Sylvie Buteau (Latitude: 56°32’55.88’’ N, Longitude: 76°28’2.21’’O) dans la vallée Tasiapik.
1.2 Climat et végétation
Afin d’assurer un suivi de la variabilité climatique de la région subarctique d’Umiujaq, plusieurs stations de télémétrie environnementale ont été installées dans le village et dans la vallée Tasiapik par le Centre d’études nordiques (CEN) de l’Université Laval (Figure 1.5). Les données climatologiques de ces stations sont disponibles sur le site internet du CEN (CEN, 2020). La température moyenne annuelle de l’air (TMAA) à Umiujaq de 1998 à 2016 telle qu’observée à la station de télémétrie environnementale UMIROCA à proximité de l’aéroport d’Umiujaq (Figure 1.5A) est de -3,15 °C alors que les températures moyennes mensuelles de l’air (TMMA) pour les mois de janvier et d’août pour la même période sont respectivement de -20,2 et 10,3 °C. Par conséquent, les hivers sont rigoureux et les étés sont plutôt frais. Les vents dominants proviennent du sud et leur vitesse moyenne est de 5,7 m/s.
Butte à Anne-Marie LeBlanc
Butte à Sylvie Buteau
Figure 1.5 : Stations de télémétrie environnementale: A) UMIROCA à proximité de l’aéroport (photographie tirée du site internet du CEN), B) VDT-SILA en amont de la vallée Tasiapik (photographie tirée du site internet du CEN) et C) VDT-SYBU sur la butte de pergélisol à Sylvie Buteau.
La station de télémétrie environnementale VDT-SILA opérée depuis 2012 en amont de la vallée Tasiapik (Figure 1.5B) comprend notamment un pluviomètre et un nivomètre pour mesurer les précipitations. Durant la période de 2013 à 2017, les précipitations totales moyennes sont de 645 mm/an (Lemieux et coll., 2020). Lors d’une année, la majorité des précipitations sous la forme de pluie se produisent au début de l’été et au début de l’automne alors que la neige s’accumule de septembre à juin et représente environ 50 % des précipitations totales mesurées.
Finalement, pour la station de télémétrie environnementale VDT-SYBU qui se trouve sur la butte de pergélisol Sylvie Buteau depuis 2000 (Figure 1.5C), la TMAA telle qu’observée par cette station est de -3,7 °C de 2000 à 2019 et les TMMA pour les mois de janvier et août pour la même période de 2000 à 2019 sont -21,2 °C et 11,6 °C respectivement. Les températures de l’air semblent plus froides à l’hiver et plus chaudes à l’été dans la vallée Tasiapik qu’à proximité de l’aéroport d’Umiujaq à cause de l’effet climatique de la Baie d’Hudson.
Puisque les données de températures de l’air sont répertoriées uniquement depuis les années 2000 à la station de télémétrie environnementale VDT-SYBU dans la vallée Tasiapik et 1997 à la station VDT-UMIROCA à proximité de l’aéroport d’Umiujaq, il s’agit de courtes séries temporelles de la variabilité climatique à Umiujaq. Grâce aux données de températures de l’air des stations météorologiques maintenues par Environnement Canada dans les communautés Inuites de Kuujjuarapik et d’Inukjuak qui sont les plus proches au sud et au nord d’Umiujaq sur la côte est de la Baie d’Hudson (Figures 1.1 et 1.6), respectivement, il a été possible de reconstituer les températures moyennes annuelles de l’air de 1926 à 1999 à Umiujaq en se basant sur la période de chevauchement depuis 2000 des séries temporelles de température de l’air disponibles dans ces trois communautés. Les séries temporelles de données de températures de l’air qui remontent jusqu’à 1926 sont disponibles sur le site d’Environnement Canada (2020). En comparant les données de 2000 à 2019 des trois communautés, il est possible de constater que les TMAA à Umiujaq (TMAAUmiujaq) sont plus faibles que celles à Kuujjuarapik
(TMAAKuujjuarapik) mais plus élevées que celles à Inukjuak (TMAAInukjuak).
Dépendamment des données disponibles, soit la moyenne entre les TMAAKuujjuarapik
et TMAAInukjuak pour une année x a été effectuée pour obtenir la TMAAUmiujaq ou
lorsqu’une des deux données précédentes était manquante, c’est en additionnant ou soustrayant la moitié de la moyenne des différences entre les TMAAKuujjuarapik et
TMAAInukjuak à la TMAAKuujjuarapik et à la TMAAInukjuak respectivement. Cela a permis
d’approximer et de compléter la série temporelle des TMAAUmiujaq de 1926 à 1999
