La détection de cavités en milieu urbain est importante pour prévenir différentes causes d'accidents liés à des possibles effondrements. Les cavités sont aussi des cibles d'intérêts pour les archéologues, car les cavités oubliées sont de potentielles sources de matériel révélant des usages passés. Ces cavités sont de tailles différentes, d'origine anthropique ou non, en milieu extérieur ou sous des bâtiments. Leur taille, ainsi que les propriétés physiques du milieu extérieur dans lequel elles se situent, permettent l'utilisation de différentes méthodes géophysiques. Nous nous sommes concentrés sur l'utilisation de deux méthodes géophysiques, le radar de sol et la tomographie par mesures de résistivité électrique, pour localiser et déterminer les cavités métriques à sub-métrique dans le proche sous-sol (6 premiers mètres). Les mesures de radar de sol sont sensibles aux variations de permittivité diélectrique entre la cavité et le milieu extérieur. Nous montrons par des modélisations numériques un effet sur l'amplitude de la réfléchie en fonction du déport qui permet de discriminer entre une cavité vide et une cavité pleine d'eau. Nous étudions aussi l'amplitude de la réfléchie à incidence normale sur le toit d'une cavité à section carrée en fonction de sa profondeur et de sa taille. Nous mettons en évidence une relation logarithmique profondeur versus taille de cavité pour laquelle l'amplitude de la réfléchie est maximum pour les fréquences de prospection typiques du radar de sol. Par ailleurs nous confirmons qu'alors que les mesures radar permettent de déterminer avec précision les dimensions d'une anomalie dans un sous-sol homogène et peu conducteur, les mesures de résistivité électrique permettent elles de déterminer des zones de hautes résistivités à l'emplacement des cavités. Nous couplons ces deux méthodes géophysiques dans deux études de cas, en utilisant la profondeur des interfaces déterminées sur des radargrammes pour contraindre les modèles de résistivité inversés par l'ajout d'information a priori. / The detection of cavities in urban areas is important to prevent different causes of accidents related to possible collapse. The cavities are also interesting targets to archaeologists because forgotten cavities are potential sources of material revealing past uses. These cavities are of different sizes, of anthropogenic origin or not, in an outdoor setting or under buildings. Their size and the physical properties of the external environment in which they are located, allow the use of different geophysical methods. We focused on the use of two of them, Ground Penetrating Radar (GPR) and Electrical Resistivity Tomography (ERT), to locate and determine cavities in the near subsurface (first 6 meters). GPR data are sensitive to variations in dielectric permittivity between the cavity and the external environment. We show by numerical modelling an effect on the amplitude of the reflected signal depending on the offset which could enable discrimination between an empty cavity and a cavity filled with water. We also study the amplitude of the reflected wave at normal incidence on the roof of a cavity of square cross section in terms of its depth and size. We show a logarithmic relationship between the cavity size and its depth at which the amplitude of the reflection is maximum for frequencies of typical exploration with GPR. Furthermore, we confirm that while GPR data determine accurately the size of an anomaly in homogeneous low conductive medium, ERT helps to determine areas with high resistivity at the location of cavities. We combine these two geophysical methods in two case studies, using the depth of interfaces detected on radargrams as a priori information to constrain the inversion of electrical resistivity models.
| Identifer | oai:union.ndltd.org:theses.fr/2013PA112119 |
| Date | 05 July 2013 |
| Creators | Boubaki, Nerouz |
| Contributors | Paris 11, Ǧāmiʻaẗ Ḥalab, Tucholka, Piotr, Seffo, Mohammed |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French, English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text, Image, StillImage |
Page generated in 0.002 seconds