Contrairement aux glaciers, le pergélisol ne se trouve pas directement à la surface du sol mais est « caché » sous sa couche active. Pour vérifier l’existence d’un sol gelé et déterminer ses caractéristiques, il faut donc recourir à des mesures ponctuelles sur place comme des forages ou de la prospection géophysique. Une deuxième difficulté réside dans la très forte variabilité spatiale du pergélisol. On en retrouve de façon isolée dès 1’000 m d’altitude dans des éboulis ventilés, alors qu’il est absent de parois raides et très ensoleillées situées au-dessus de 3’500 m d’altitude !
Il est cependant possible d’estimer l’extension du pergélisol à l’aide de modèles numériques. Ces derniers se basent sur une probabilité d’apparition du pergélisol en fonction d’indicateurs géomorphologiques (principalement les glaciers rocheux), de facteurs topo-climatiques (altitude, pente, orientation) et des décalages thermiques. On considère ainsi que le pergélisol peut être :
- Absent : pergélisol inexistant.
- Possible : zone de transition (le pergélisol peut exister sous certaines conditions locales).
- Probable : ceinture alpine du pergélisol discontinu.
En Suisse, il existe différentes cartes d’extension du pergélisol qui donnent une bonne indication de son existence à une échelle régionale :
- Certains modèles utilisent l’altitude des fronts des glaciers rocheux actifs ou d’autres indices géomorphologiques pour estimer la probabilité d’occurrence du pergélisol en fonction de l’orientation des versants (fig. 1 & 2).
- Le modèle de l’Office fédéral de l’environnement (OFEV) mis en ligne sur le guichet cartographique national (carte indicative du pergélisol) a été créé en utilisant plusieurs paramètres topoclimatiques : altitude, exposition au rayonnement solaire, distinction entre la roche dure et les matériaux meubles (fig. 3).
- Plus récemment certains modèles comme PERMAL, développé par l’Université de Lausanne, utilisent l’intelligence artificielle pour améliorer les modèles de répartition du pergélisol. Le principe de fonctionnement se base sur des algorithmes d’apprentissage automatique (« machine learning algorithms ») en utilisant des données de terrain et des facteurs topo-climatiques.
Si les modèles deviennent toujours plus précis, il faut se rappeler qu’un modèle n’est pas la réalité. En conséquence, pour évaluer la situation à l’échelle locale, il sera toujours nécessaire de procéder à des investigations plus détaillées par le biais de forage, de mesures des températures du sol ou de géophysique.
Contrairement aux glaciers, le pergélisol n’est généralement pas visible directement à la surface. Il est en conséquence très difficile d’estimer de façon précise son extension. C’est pourquoi les modèles de répartition du permafrost, qu’ils soient empiriques ou physiques, utilisent des classes de probabilités d’occurrence.
Fig. 1 – Différents modèles de répartition du pergélisol en fonction de l’altitude, de l’orientation et de la position par rapport au versant. Ces modèles régionaux sont principalement basés sur des inventaires de glaciers rocheux et des indices géomorphologiques.
Fig. 1 – Différents modèles de répartition du pergélisol en fonction de l’altitude, de l’orientation et de la position par rapport au versant. Ces modèles régionaux sont principalement basés sur des inventaires de glaciers rocheux et des indices géomorphologiques.
Fig. 2 – Distribution possible du pergélisol en Suisse, utilisant des modèles régionaux (basés principalement sur des inventaires de glaciers rocheux et des indices géomorphologiques).
Fig. 2 – Distribution possible du pergélisol en Suisse, utilisant des modèles régionaux (basés principalement sur des inventaires de glaciers rocheux et des indices géomorphologiques).
Fig. 3 – Modèle de distribution possible du pergélisol en Suisse, basé sur les paramètres topoclimatiques (source : BAFU/OFEV, 2006).
Fig. 3 – Modèle de distribution possible du pergélisol en Suisse, basé sur les paramètres topoclimatiques (source : BAFU/OFEV, 2006).