MARCHAL PAUL


14h00

Soutenance de thèse de PAUL MARCHAL

Modélisation stochastique conjointe des systèmes minéralisés hydrothermaux et de leurs structures de contrôles

Joint stochastic modelling of hydrothermal mineralized systems and their control structures

Jury

Directeur de these_CAUMON_Guillaume_Université de Lorraine
CoDirecteur de these_COLLON_Pauline_Université de Lorraine
Rapporteur_ORTIZ-CABRERA_Julian_Université d'Exeter
Rapporteur_SHIPTON_Zoe_Université de Strathclyde
Examinateur_BRANQUET_Yannick_Université de Rennes
Examinateur_LEDESERT_Béatrice_Cergy Paris Université
Examinateur_STOICA_Radu_Université de Lorraine

école doctorale

SIReNa - SCIENCE ET INGENIERIE DES RESSOURCES NATURELLES

Laboratoire

GeoRessources

Mention de diplôme

Géosciences
Amphithéâtre G ÉCOLE NATIONALE SUPÉRIEURE DE GÉOLOGIE 2, rue du Doyen Marcel Roubault - BP 10162 54505 Vandœuvre-les-Nancy cedex
*

Mots clés

Modélisation stochastique,Incertitudes conceptuelles,Hydrothermal,Minéralisation,Structures,Altération,

Résumé de la thèse

Les circulations de fluides hydrothermaux sont à l'origine de nombreuses ressources souterraines. C'est le cas des gisements d'uranium de l'Athabasca. Ils se forment le long d'une discordance majeure entre le socle archéen et le bassin de l'Athabasca, à la faveur de failles régionales. Les zones d'altération associées aux circulations hydrothermales ont généralement une empreinte spatiale plus grandes que les gisements, et servent donc de guides d'exploration pour les minéralisations.

Keywords

Stochastic modeling,Conceptual uncertainties,hydrothermal,mineralization,structures,alteration,

Abstract

Hydrothermal fluid flows are at the origin of many subsurface resources. This is the case of the Athabasca uranium deposits. They form along a major unconformity between the Archean basement and the Athabasca Basin, favoured by regional faults. Alteration zones associated with hydrothermal circulation tend to have a larger spatial footprint than deposits, and therefore serve as exploration guides for mineralization. Building reliable models of deposits requires the integration of sparse and heterogeneous data, mainly drillhole and geophysical data.