En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Thèse : L'impact de l'hétérogénéité sur les processus de transport de chaleur souterrain (H/F)

Cette offre est disponible dans les langues suivantes :
- Français-- Anglais

Date Limite Candidature : jeudi 15 juin 2023

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Informations générales

Intitulé de l'offre : Thèse : L'impact de l'hétérogénéité sur les processus de transport de chaleur souterrain (H/F)
Référence : UMR6118-MARKLE-003
Nombre de Postes : 1
Lieu de travail : RENNES
Date de publication : jeudi 25 mai 2023
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 septembre 2023
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel
Section(s) CN : Surface continentale et interfaces

Description du sujet de thèse

Offre de thèse de doctorat dans une unité de recherche relevant du CNRS et de l'Université de Rennes, portant sur la modélisation des processus de transport de chaleur dans le sous-sol. Ce poste est proposé dans le cadre de la subvention de démarrage ERC "CONCRETER" (Groundwater flow CONTRtrols on CRitical ZonE) récemment financée.
La caractérisation et la modélisation prédictive des processus de transfert de chaleur dans les milieux géologiques fracturés sont d'un intérêt central pour les études hydrogéologiques ainsi que pour de nombreuses applications industrielles (stockage de déchets radioactifs, systèmes géothermiques). Traditionnellement, l'intégration des processus hydrothermaux dans les modèles (hydro)géologiques suit des approches qui ne prennent pas en compte la nature complexe de la circulation des fluides dans le système (réseau de fractures, zones de failles). Ce projet de thèse vise à développer une nouvelle génération de modèle de transport de chaleur pour explorer le comportement thermique à grande échelle dans une formation géologique fracturée. Ce nouveau modèle s'appuiera sur la plate-forme logicielle DFN.lab développée à Rennes et utilisant l'approche des réseaux discrets de fractures (DFN). Cette dernière, contrairement aux approches de modélisation du continuum largement utilisées, représente explicitement les fractures comme des caractéristiques discrètes qui forment un réseau [par exemple, Long et al., 1982, https://doi.org/10.1029/WR018i003p00645 ; Maillot et al., 2016, https://doi.org/10.1002/2016WR018973 ; Davy et al., 2018, https://onepetro.org/ARMADFNE/proceedings-abstract/DFNE18/1-DFNE18/D013S000R001/122702].

Contexte de travail

Géosciences Rennes (GR) est une unité mixte de recherche relevant du CNRS et de l'Université de Rennes. Cette unité accueille environ10 chercheurs étrangers/an, et publie ~100 articles/an. Le groupe d'hydrogéologie de Rennes est composé de 15 permanents et est internationalement reconnu comme l'un des leaders dans ce domaine.
La thèse sera réalisée à Géosciences Rennes et encadrée par Maria Klepikova et Philippe Davy. Le/la doctorant(e) bénéficiera également de collaborations avec le Fractory - un laboratoire commun établi entre le CNRS, l'Univ. de Rennes et la société ITASCA Consultants SAS dans le domaine de la modélisation des systèmes environnementaux, fractorylab.org.

Informations complémentaires

Compétences scientifiques et techniques requises pour le candidat:
- Le/La doctorant-e devra être titulaire d'un Master en Physique ou Hydrologie;
- Forte appétence pour les processus physiques, la programmation et le traitement de données;
- Des connaissances en hydrogéologie ou en mécanique des fluides, en particulier appliquée aux écoulements en milieux poreux, seraient un gros avantage;
- La connaissance de langages interprétés type Python, R ou Matlab pour le traitement de données sera appréciée;
- Maîtrise de l'anglais (lu, parlé, écrit);
- qualités rédactionnelles, capacités d'analyse;
- savoir communiquer et valoriser les travaux;
- capacité à travailler en équipe.