La caractérisation de la neige est un enjeu important pour la gestion des ressources en eau et pour la prévision des risques d'avalanche. L'avènement des nouveaux satellites Radar de Synthèse d'Ouverture (RSO) bande X à haute résolution permet d'acquérir des données de résolution métrique avec une répétitivité journalière. Dans ce travail, un modèle de rétrodiffusion des ondes électromagnétiques de la neige sèche est adapté à la bande X et aux fréquences plus élevées. L'algorithme d'assimilation de données 3D-VAR est ensuite implémenté pour contraindre le modèle d'évolution de la neige SURFEX/Crocus à l'aide des observations satellitaires. Enfin, l'ensemble de ces traitements sont évalué à partir de données du satellite TerraSAR-X acquises sur le glacier d'Argentière dans la vallée de Chamonix. Cette première comparaison montre le fort potentiel de l'assimilation des données RSO bande X pour la caractérisation du manteau neigeux. / Characterization of snowpack structure is an important issue for the management of water resources and the prediction of avalanche risks. New Synthetic Aperture Radar (SAR) satellites in X-band at high-resolution allow us to acquire image data with metric resolution and daily observations. In this work, an electromagnetic backscattering model applicable for dry snow is adapted for X-band and higher frequencies. The 3D-VAR data assimilation algorithm is then implemented to constrain the evolution of the snow metamorphisme model SURFEX/Crocus using satellite observations. Finally, the algorithm is evaluated using image data acquired from TerraSAR-X satellite on the Argentiere glacier in the Chamonix Valley of the French Alps. This first comparison shows the high potential of the data assimilation assimilation method using X-band SAR data for characterization of the snowpack.

Les phénomènes éruptifs du Soleil sont souvent accompagnés par l'accélération de particules chargées qui peuvent avoir des impacts significatifs sur la Terre. Toutefois, le mécanisme responsable de ces phénomènes n'est pas suffisamment bien compris pour qu’on puisse en prédire l'occurence. Les satellites et les observatoires terrestres sondent la photosphère, la chromosphère et la couronne du Soleil et sont essentiels pour l'étude de l'activité solaire. Les simulations numériques tentent de faire le pont entre la physique décrivant l'intérieur de l'étoile et de telles observations. La prochaine étape pour des simulations réalistes serait la prévision à court terme des structures à la surface du Soleil. Les travaux présentés dans cette thèse explorent comment des notions empruntées de la météorologie (e.g., l'assimilation des données) et de l'intelligence artificielle (e.g., les réseaux de neurones) pourraient être utilisées pour la prédiction à court terme de l'activité solaire dans le contexte de la météorologie spatiale. En particulier, nous présentons notre implémentation de l'assimilation des données dans un modèle magnétohydrodynamique (MHD) radiatif du Soleil calme (i.e., en l'absence d'activité magnétique) afin de prédire l'évolution de la granulation solaire durant une courte période de temps. Toutefois, ce ne sont pas toutes les variables du modèle qui peuvent être observées ou mesurées à l'aide d'instruments. Par exemple, les mesures directes des mouvements du plasma à la surface du Soleil sont limitées à la composante le long de la ligne de visée. Plusieurs algorithmes ont donc été développés afin de reconstruire la composante transverse à partir de mesures de l'intensité de la lumière ou du champ magnétique. Nous comparons les champs de vitesse inférés par différentes méthodes, dont un réseau de neurones, afin d'identifier la méthode la mieux adaptée pour générer des observations synthétiques dans une chaîne de réduction des données qui pourraient ensuite être introduites dans notre système pour l'assimilation des données. / Eruptive events of the Sun, which often occur in the context of flares, convert large amounts of magnetic energy into emission and particle acceleration that can have significant impacts on Earth's environment. However, the mechanism responsible for such phenomena is not sufficiently well understood to be able to predict their occurrence. Satellites and ground-based observatories probe the Sun's photosphere, chromosphere and corona and are key in studying solar activity. Numerical models have attempted to bridge the gap between the physics of the solar interior and such observations. The next step for realistic simulations would be to forecast the short term evolution of the Sun's photosphere. The following work explores how notions borrowed from meteorology (e.g., data assimilation) and artificial intelligence (e.g., neural networks) could be used to forecast short term solar activity for space-weather modelling purposes. More specifically, we present an implementation of data assimilation in a radiative MHD model of the Quiet Sun (i.e., in the absence of significant magnetic activity) to forecast its evolution over a short period of time. However, not all model variables are directly observable. For example, direct measurements of plasma motions at the photosphere are limited to the line-of-sight component. Multiple algorithms were consequently developed to reconstruct the transverse component from observed continuum images or magnetograms. We compare velocity fields inferred by different methods, including a neural network, to identify the method best suited to generate instantaneous synthetic observations in a data reduction pipeline that would included in our data assimilation framework.

Ce travail examine comment l'assimilation de données de SSH et de SST par un filtre de Kalman de rang réduit dans un modèle couplé physique-biogéochimie de l'Atlantique Nord peut améliorer la représentation des processus physiques des couches superficielles importants pour la biogéochimie. On montre tout d'abord que le schéma d'assimilation original est inadapté, car l'estimation d'état ne respecte pas les contraintes de stabilité hydrostatique, stabilité dynamique et de continuité temporelle. Deux nouveaux schémas imposant la stabilité hydrostatique, et un schéma de correction continue sont proposés, et évalués par des simulations annuelles en 1998. L'apport en nutriment dans la zone euphotique permet de quantifier la qualité du couplage. Les apports diffusifs sont améliorés, tandis que les apports advectifs sont surestimés. La production primaire annuelle est plus réaliste, mais son cycle annuel reste mal représenté. Les écarts aux observations dans les hautes latitudes et le centre du gyre subtropical sont liés aux défauts du modèle biogéochimique.

Cette thèse étudie des méthodes d'assimilation de données par filtrage particulaire à l'estimation d'écoulements fluides observés au travers de séquences d'images. Nous nous appuyons sur un filtre particulaire spécifique dont la distribution de proposition est donnée par un filtre de Kalman d'ensemble, nommé filtre de Kalman d'ensemble pondéré. Deux variations à celui-ci sont introduites et étudiées. La première consiste à utiliser un bruit dynamique (permettant de modéliser l'incertitude du modèle et de séparer les particules entre elles) dont la forme spatiale suit une loi de puissance, cohérente avec la théorie phénoménologique de la turbulence. La deuxième variation repose sur un schéma d'assimilation multi-échelles introduisant un mécanisme de raffinements successifs à partir d'observations à des échelles de plus en plus petites. Ces deux méthodes ont été testées sur des séquences synthétiques et expérimentales d'écoulements 2D incompressibles. Ces résultats montrent un gain important sur l'erreur quadratique moyenne. Elles ont ensuite été testées sur des séquences d'images satellite réelles. Sur les images réelles, une bonne cohérence temporelle est observée, ainsi qu'un bon suivi des structures de vortex. L'assimilation multi-échelles montre un gain visible sur le nombre d'échelles reconstruites. Quelques variations additionnelles sont aussi présentées et testées afin de s'affranchir de problèmes importants rencontrés dans un contexte satellitaire réel. Il s'agit notamment de la prise en compte de données manquantes sur les images de température de surface de l'océan. En dernier lieu, une expérience d'un filtre de Kalman d'ensemble pondéré avec un modèle océanique complet est présentée pour une assimilation de champs de courants de surface en mer d'Iroise, à l'embouchure de la Manche. Quelques autres pistes d'amélioration sont également esquissées et testées.

Résumé : Un certain nombre d'écoulements géophysiques, tels que les écoulements de glace ou de lave magmatique, impliquent le mouvement gravitaire à faible nombre de Reynolds d'un fluide viscoplastique à surface libre sur un socle rocheux. Leur modélisation fait apparaître des lois de comportement rhéologique et des descriptions de leurs intéractions avec le socle rocheux qui reposent sur des paramétrisations empiriques. Par ailleurs, l'observation systématique de ce type d'écoulements avec une grande précision est rarement possible ; les données associées à l'observation de ces écoulements, principalement des données de surface (télédétections), peuvent être peu denses, manquantes ou incertaines. Elles sont aussi le plus souvent indirectes : des paramètres inconnus comme le glissement basal ou la rhéologie sont difficilement mesurables in situ. Ce travail de thèse s'attache à la modélisation directe et inverse de ces écoulements géophysiques, particulièrement les écoulements de glace, par des méthodes variationnelles à travers la résolution du problème de Stokes pour les fluides en loi de puissance. La méthode de résolution du problème direct (Stokes non-linéaire) repose sur le principe du minimum de dissipation qui mène à un problème variationnel de type point-selle à quatre champs pour lequel on montre l'existence de solutions. La condition d'incompressibilité et la loi de comportement représentent alors des contraintes associées au problème de minimisation. La recherche des points critiques du lagrangien correspondant est réalisée à l'aide d'un algorithme de type lagrangien augmenté, discrétisé par éléments finis triangles à trois champs. Cet algorithme conduit à un important gain tant en temps de calcul qu'en utilisation mémoire par rapport aux algorithmes classiques. On s'intéresse ensuite à la modélisation numérique inverse de ces fluides à l'aide du modèle adjoint et des deux principaux outils associés : l'analyse de sensibilité et l'assimilation de données. On étudie tout d'abord la modélisation rhéologique de ces fluides à travers les deux paramètres principaux de la loi de comportement : la consistance du fluide et l'exposant rhéologique. Des analyses de sensibilité sur ces paramètres définis localement, permettent de quantifier leurs poids relatifs au sein du modèle d'écoulement, en termes de vitesses de surface. L'identification de ces grandeurs est également réalisée. L'ensemble des résultats est résumé comme une méthodologie vers une "rhéométrie virtuelle" pouvant représenter une aide solide à la mesure rhéologique. Le glissement basal, paramètre majeur dans la dynamique de la glace, est investigué selon la même approche. Les analyses de sensibilité mettent en avant une capacité à voir à travers le caractère "filtré" et non-local de la transmission de la variabilité basale vers la surface, ouvrant des perspectives vers l'utilisation des sensibilités pour la définition de lieux d'intérêt pour l'observation et la mesure. Ce glissement basal, modélisation empirique d'un processus complexe et multiéchelle, est ensuite utilisé pour la comparaison avec une méthode inverse approximative courante en glaciologie (méthode négligeant la dépendance de la viscosité à la vitesse, i.e. la non-linéarité). Le modèle adjoint, obtenu par différentiation automatique et évalué par accumulation retour, permet de définir cette approximation comme un cas limite de la méthode inverse complète. Ce formalisme mène à une généralisation du processus d'évaluation numérique de l'état adjoint, ajustable en précision et en temps de calcul en fonction de la qualité des données et du niveau de détail souhaité dans la reconstruction. L'ensemble de ces travaux est associé au développement du logiciel DassFlow-Ice de simulation directe et inverse de fluides viscoplastiques à surface libre. Ce logiciel prospectif bidimensionnel, diffusé dans la communauté glaciologique, a donné lieu au développement d'une version tridimensionnelle.

Les régions boréales seront les plus affectées par le réchauffement climatique, c'est pourquoi cette thèse s'est intéressée à l'étude du cycle hydrologique de ces régions. Une nouvelle méthodologie d'extraction du volume de neige à partir de données radiométriques sur l'ensemble des régions boréales a été validée et a permis de montrer une différence de comportement entre 1988 et 2006 sur les variations du volume de neige de l'Eurasie et celui de l'Amérique du Nord. L'étude des variations de volume des eaux de surface des régions arctiques est par contre plus difficile à estimer avec les données satellitaires actuelles. C'est pourquoi un nouveau projet de satellite, la mission SWOT (Surface Water and Ocean Topography), a été proposé qui vise à fournir des cartes de hauteurs d'eau sur l'ensemble du globe. L'apport de cette mission à l'étude des régions arctiques a été estimé en implémentant une modélisation de l'Ob inférieur, fleuve de l'Ouest sibérien, en couplant un modèle hydrologique à grande échelle et un modèle hydrodynamique d'inondations. En ajustant certains paramètres de ces modèles, il a été possible d'obtenir une modélisation réaliste du débit et des hauteurs d'eau du fleuve. L'utilisation d'un lisseur de Kalman d'ensemble local a permis de montrer que les données SWOT devraient permettre de réduire significativement (de plus de 50%) les erreurs de modélisation. L'intérêt de la mission pour l'observation du débit de l'ensemble des fleuves a aussi été estimé en se basant sur un bilan d'erreur préliminaire. L'utilisation de courbes de tarage, ainsi que la prise en compte des erreurs de mesure SWOT ont permis de montrer que ces nouvelles données devraient permettre d'estimer un débit moyen avec une erreur inférieure à 30% pour tous les fleuves ayant une profondeur de plus de 1 m. D'autre part, il a été montré que l'erreur sur l'estimation du débit mensuel due seulement à l'échantillonnage temporel de SWOT diminue avec l'aire drainée et que, pour une aire drainée supérieure à 6 900 km2, cette erreur devrait être inférieure à 20%. Enfin, une méthodologie simple a permis de calculer que la variation annuelle totale du volume de l'ensemble des lacs est de l'ordre de 9 000 km3. Les données spatiales actuelles ne peuvent pas en observer plus de 15%. Selon notre estimation, SWOT quant à lui devrait pouvoir mesurer entre 50% et 65% de cette variation de volume.

L'Oscillation Australe El Niño (ENSO pour El Niño Southern Oscillation) est la fluctuation climatique la plus intense sur Terre après le cycle saisonnier. L'observation, la compréhension et la prévision de cette fluctuation aux retombées mondiales sont des enjeux scientifiques majeurs. Cette thèse documente divers aspects d'ENSO tels que ses mécanismes, sa modulation et sa prévision. Ces divers aspects sont abordés en développant une hiérarchie de modèles du Pacifique équatorial, de complexité croissante, qui s'étend de modèles conceptuels à une méthode d'assimilation de données dans un modèle de complexité intermédiaire. Nous étudions dans un premier temps les mécanismes de formation d'ENSO. Nous développons une dérivation alternative du modèle conceptuel de recharge/décharge où ENSO résulte d'un ajustement de la thermocline équatoriale à échelle de bassin. Nous implémentons par ailleurs un diagnostic original dans un modèle d'instabilités couplées équatoriales, ce qui met en avant un nouveau mécanisme de formation d'ENSO où les réflexions aux frontières océaniques jouent un rôle secondaire. La stratification moyenne de l'océan contribue à la modulation décenalle des caractéristiques d'ENSO. Cette relation est abordée dans un nouveau modèle réduit qui prend en compte les premiers modes baroclines d'un océan continûment stratifié. L'espace des solutions du modèle est exploré, indiquant un contrôle de la stabilité d'ENSO par les caractéristiques de la thermocline équatoriale. La sensibilité à la stratification au cours des dernières décennies est mise en perspective avec la sensibilité aux rétroactions thermodynamiques et atmosphériques. Nous soulignons en particulier certaines limitations des méthodes usuelles d'estimation de la rétroaction de thermocline dans le Pacifique central. Finalement, nous implémentons une méthode de Filtre de Kalman d'Ensemble dans un modèle intermédiaire du Pacifique équatorial déjà existant, afin d'assimiler des observations de niveau de la mer et d'initialiser des prévisions rétrospectives d'ENSO. Nous montrons que la contrainte majeure du modèle porte sur les modes de bassin qui sont associés au processus de recharge/décharge du Pacifique équatorial. Notre travail fournit un formalisme pour diagnostiquer la modulation des caractéristiques d'ENSO dans les observations, les prévisions et projections climatiques. Les résultats soutiennent la nécessité d'étendre la compréhension des mécanismes d'ENSO, afin de rendre compte de la diversité des régimes observés et d'améliorer les prévisions.

Le bassin Amazonien est connu comme le plus grand système hydrologique du monde et pour son rôle important sur le système terre, influençant le cycle du carbone et le climat global. Les pressions anthropiques récentes, telles que la déforestation, les changements climatiques, la construction de barrage hydro-électriques, ainsi que l’augmentation des crues et sécheresse extrêmes qui se produisent dans cette région, motivent l’étude de l’hydrologie du bassin Amazonien. Dans le même temps, des méthodes hydrologiques de modélisation et de surveillance par observation satellitaire ont été développées qui peuvent fournir les bases techniques à cette fin. Ce travail a eu pour objectif la compréhension et la prévision du régime hydrologique du bassin Amazonien. Nous avons développé et évaluer des techniques de modélisation hydrologique-hydrodynamique de grande échelle, d’assimilation de données in situ et spatiales et de prévision hydrologique. L’ensemble de ces techniques nous a permis d’explorer le fonctionnement du bassin Amazonien en terme de processus physiques et de prévisibilité hydrologique. Nous avons utilisé le modèle hydrologique-hydrodynamique de grande échelle MGB-IPH pour simuler le bassin, le forçage précipitation étant fourni par l’observation spatiale. Les résultats de la modélisation sont satisfaisants lorsque validés à partir de données in situ de débit et de hauteurs d’eau mais également de données dérivées de l’observation spatiale incluant les niveaux d’eau déduits de l’altimétrie radar, le contenu en eau total issu de la gravimétrie satellitaire, l’extension des zones inondées. Nous avons montré que les eaux superficielles sont responsables en grande partie de la variation du stock total d’eau, l’influence des grands plans d’eau sur la variabilité spatiale des précipitations et l’influence des plaines d’inondation et des effets de remous sur la propagation des ondes de crues. Nos analyses ont montré le rôle prépondérant des conditions initiales, en particulier des eaux superficielles, pour la prévisibilité des grands fleuves Amazoniens, la connaissance des précipitations futures n’ayant qu’une influence secondaire. Ainsi, pour améliorer l’estimation des variables d’état hydrologiques, nous avons développé, pour la première fois, un schéma d’assimilation de données pour un modèle hydrologique-hydrodynamique de grande échelle, pour l’assimilation de données de jaugeages in situ et dérivées de l’altimétrie radar (débit et hauteur d’eau), dont les résultats se sont montrés satisfaisants. Nous avons également développé un prototype de système de prévision des débits pour le bassin Amazonien, basé sur le modèle initialisé avec les conditions initiales optimales fournies par le schéma d’assimilation de données, et en utilisant la pluie estimée par satellite disponible en temps réel. Les résultats ont été prometteurs, le modèle étant capable de prévoir les débits dans les principaux fleuves Amazoniens avec une antécédence importante (entre 1 et 3 mois), permettant d’anticiper, par exemple, la sècheresse extrême de 2005. Ces résultats démontrent le potentiel de la modélisation hydrologique appuyé par l’observation spatiale pour la prévision des débits avec une grande antécédence dans les grands bassins versant mondiaux. / A bacia Amazônica se destaca como o principal sistema hidrológico do mundo e pelo seu importante papel no sistema terrestre, influenciando o ciclo de carbono e o clima global. Recentes pressões antrópicas, como o desflorestamento, mudanças climáticas e a construção de barragens hidroelétricas, somados às crescentes cheias e secas extremas ocorridas nesta região, motivam o estudo da hidrologia da bacia Amazônica. Ao mesmo tempo, têm se desenvolvido métodos hidrológicos de modelagem e monitoramento via sensoriamento remoto que podem fornecer as bases técnicas para este fim. Este trabalho objetivou a compreensão e previsão da hidrologia da bacia Amazônica. Foram desenvolvidas e avaliadas diversas técnicas, incluindo de modelagem hidrológica-hidrodinâmica de larga escala, de assimilação de dados in situ e de sensoriamento remoto, e de previsão hidrológica. Este conjunto de técnicas foi utilizado para compreender o funcionamento da bacia Amazônica em termos de seus processos hidrológicos e sua previsibilidade hidrológica. O modelo hidrológico-hidrodinâmico de larga escala MGB-IPH foi utilizado para simular a bacia, sendo forçado com dados de chuva estimados por satélite. O modelo mostrou bom desempenho em uma validação detalhada contra observações de vazões e cotas in situ além de dados oriundos de sensoriamento remoto, incluindo níveis d’água de altimetria por radar, armazenamento d’água de gravimetria espacial e extensão de áreas alagadas. Mostrou-se a dominância das águas superficiais nas variações do armazenamento de água, a influência dos grandes corpos d’água sobre a variabilidade espacial da precipitação, além da importância das várzeas da inundação e efeitos de remanso sobre a propagação das ondas de cheia Amazônicas. As condições hidrológicas iniciais, com destaque para as águas superficiais, mostraram dominar a previsibilidade hidrológica nos grandes rios amazônicos, tendo assim a precipitação no futuro um papel secundário. Portanto, afim de melhor estimar os estados hidrológicos, de forma pioneira, foi desenvolvido um esquema de assimilação de dados para um modelo hidrológicohidrodinâmico de larga escala para assimilar informações in situ e de altimetria por radar, cujo desempenho se mostrou satisfatório. Desenvolveu-se também um protótipo de sistema de previsão de vazões para a bacia Amazônica, baseado no modelo inicializado com condições iniciais ótimas do esquema de assimilação de dados e utilizando precipitação estimada por satélite disponível em tempo real. Os resultados foram promissores e o modelo foi capaz de prever vazões nos principais rios amazônicos com grande antecedência (~1 a 3 meses), antecipando, por exemplo, a grande seca de 2005. Estes resultados mostram o potencial da modelagem hidrológica de larga escala apoiada por informação de sensoriamento remoto na previsão de vazões com alta antecedência nas grandes bacias hidrográficas do mundo. / The Amazon basin is known as the world’s main hydrological system and by its important role in the earth system, carbon cycle and global climate. Recent anthropogenic pressure, such as deforestation, climate change and the construction of hydropower dams, together with increasing extreme floods and droughts, encourage the research on the hydrology of the Amazon basin. On the other hand, hydrological methods for modeling and remotely sensed observation are being developed, and can be used for this goal. This work aimed at understanding and forecasting the hydrology of the Amazon River basin. We developed and evaluated techniques for large scale hydrologic-hydrodynamic modeling, data assimilation of both in situ and remote sensing data and hydrological forecasting. By means of these techniques, we explored the functioning of the Amazon River basin, in terms of its physical processes and its hydrological predictability. We used the MGB-IPH large scale hydrologichydrodynamic model forced by satellite-based precipitation. The model had a good performance when extensively validated against in situ discharge and stage measurements and also remotely sensed data, including radar altimetry-based water levels, gravimetric-based terrestrial water storage and flood inundation extent. We showed that surface waters governs most of the terrestrial water storage changes, the influence of large water bodies on precipitation spatial variability and the importance of the floodplains and backwater effects on the routing of the Amazon floodwaves. Analyses showed the dominant role of hydrological initial conditions, mainly surface waters, on hydrological predictability on the main Amazon Rivers, while the knowledge of future precipitation may be secondary. Aiming at the optimal estimation of these hydrological states, we developed, for the first time, a data assimilation scheme for both gauged and satellite altimetry-based discharge and water levels into a large scale hydrologic-hydrodynamic model, and it showed a good performance. We also developed a forecast system prototype, where the model is based on initial conditions gathered by the data assimilation scheme and forced by satellite-based precipitation. Results are promising and the model was able to provide accurate discharge forecasts in the main Amazon rivers even for very large lead times (~1 to 3 months), predicting, for example, the historical 2005 drought. These results point to the potential of large scale hydrological models supported with remote sensing information for providing hydrological forecasts well in advance at world’s large rivers and poorly monitored regions.

Le bassin Amazonien est connu comme le plus grand système hydrologique du monde et pour son rôle important sur le système terre, influençant le cycle du carbone et le climat global. Les pressions anthropiques récentes, telles que la déforestation, les changements climatiques, la construction de barrage hydro-électriques, ainsi que l’augmentation des crues et sécheresse extrêmes qui se produisent dans cette région, motivent l’étude de l’hydrologie du bassin Amazonien. Dans le même temps, des méthodes hydrologiques de modélisation et de surveillance par observation satellitaire ont été développées qui peuvent fournir les bases techniques à cette fin. Ce travail a eu pour objectif la compréhension et la prévision du régime hydrologique du bassin Amazonien. Nous avons développé et évaluer des techniques de modélisation hydrologique-hydrodynamique de grande échelle, d’assimilation de données in situ et spatiales et de prévision hydrologique. L’ensemble de ces techniques nous a permis d’explorer le fonctionnement du bassin Amazonien en terme de processus physiques et de prévisibilité hydrologique. Nous avons utilisé le modèle hydrologique-hydrodynamique de grande échelle MGB-IPH pour simuler le bassin, le forçage précipitation étant fourni par l’observation spatiale. Les résultats de la modélisation sont satisfaisants lorsque validés à partir de données in situ de débit et de hauteurs d’eau mais également de données dérivées de l’observation spatiale incluant les niveaux d’eau déduits de l’altimétrie radar, le contenu en eau total issu de la gravimétrie satellitaire, l’extension des zones inondées. Nous avons montré que les eaux superficielles sont responsables en grande partie de la variation du stock total d’eau, l’influence des grands plans d’eau sur la variabilité spatiale des précipitations et l’influence des plaines d’inondation et des effets de remous sur la propagation des ondes de crues. Nos analyses ont montré le rôle prépondérant des conditions initiales, en particulier des eaux superficielles, pour la prévisibilité des grands fleuves Amazoniens, la connaissance des précipitations futures n’ayant qu’une influence secondaire. Ainsi, pour améliorer l’estimation des variables d’état hydrologiques, nous avons développé, pour la première fois, un schéma d’assimilation de données pour un modèle hydrologique-hydrodynamique de grande échelle, pour l’assimilation de données de jaugeages in situ et dérivées de l’altimétrie radar (débit et hauteur d’eau), dont les résultats se sont montrés satisfaisants. Nous avons également développé un prototype de système de prévision des débits pour le bassin Amazonien, basé sur le modèle initialisé avec les conditions initiales optimales fournies par le schéma d’assimilation de données, et en utilisant la pluie estimée par satellite disponible en temps réel. Les résultats ont été prometteurs, le modèle étant capable de prévoir les débits dans les principaux fleuves Amazoniens avec une antécédence importante (entre 1 et 3 mois), permettant d’anticiper, par exemple, la sècheresse extrême de 2005. Ces résultats démontrent le potentiel de la modélisation hydrologique appuyé par l’observation spatiale pour la prévision des débits avec une grande antécédence dans les grands bassins versant mondiaux. / A bacia Amazônica se destaca como o principal sistema hidrológico do mundo e pelo seu importante papel no sistema terrestre, influenciando o ciclo de carbono e o clima global. Recentes pressões antrópicas, como o desflorestamento, mudanças climáticas e a construção de barragens hidroelétricas, somados às crescentes cheias e secas extremas ocorridas nesta região, motivam o estudo da hidrologia da bacia Amazônica. Ao mesmo tempo, têm se desenvolvido métodos hidrológicos de modelagem e monitoramento via sensoriamento remoto que podem fornecer as bases técnicas para este fim. Este trabalho objetivou a compreensão e previsão da hidrologia da bacia Amazônica. Foram desenvolvidas e avaliadas diversas técnicas, incluindo de modelagem hidrológica-hidrodinâmica de larga escala, de assimilação de dados in situ e de sensoriamento remoto, e de previsão hidrológica. Este conjunto de técnicas foi utilizado para compreender o funcionamento da bacia Amazônica em termos de seus processos hidrológicos e sua previsibilidade hidrológica. O modelo hidrológico-hidrodinâmico de larga escala MGB-IPH foi utilizado para simular a bacia, sendo forçado com dados de chuva estimados por satélite. O modelo mostrou bom desempenho em uma validação detalhada contra observações de vazões e cotas in situ além de dados oriundos de sensoriamento remoto, incluindo níveis d’água de altimetria por radar, armazenamento d’água de gravimetria espacial e extensão de áreas alagadas. Mostrou-se a dominância das águas superficiais nas variações do armazenamento de água, a influência dos grandes corpos d’água sobre a variabilidade espacial da precipitação, além da importância das várzeas da inundação e efeitos de remanso sobre a propagação das ondas de cheia Amazônicas. As condições hidrológicas iniciais, com destaque para as águas superficiais, mostraram dominar a previsibilidade hidrológica nos grandes rios amazônicos, tendo assim a precipitação no futuro um papel secundário. Portanto, afim de melhor estimar os estados hidrológicos, de forma pioneira, foi desenvolvido um esquema de assimilação de dados para um modelo hidrológicohidrodinâmico de larga escala para assimilar informações in situ e de altimetria por radar, cujo desempenho se mostrou satisfatório. Desenvolveu-se também um protótipo de sistema de previsão de vazões para a bacia Amazônica, baseado no modelo inicializado com condições iniciais ótimas do esquema de assimilação de dados e utilizando precipitação estimada por satélite disponível em tempo real. Os resultados foram promissores e o modelo foi capaz de prever vazões nos principais rios amazônicos com grande antecedência (~1 a 3 meses), antecipando, por exemplo, a grande seca de 2005. Estes resultados mostram o potencial da modelagem hidrológica de larga escala apoiada por informação de sensoriamento remoto na previsão de vazões com alta antecedência nas grandes bacias hidrográficas do mundo. / The Amazon basin is known as the world’s main hydrological system and by its important role in the earth system, carbon cycle and global climate. Recent anthropogenic pressure, such as deforestation, climate change and the construction of hydropower dams, together with increasing extreme floods and droughts, encourage the research on the hydrology of the Amazon basin. On the other hand, hydrological methods for modeling and remotely sensed observation are being developed, and can be used for this goal. This work aimed at understanding and forecasting the hydrology of the Amazon River basin. We developed and evaluated techniques for large scale hydrologic-hydrodynamic modeling, data assimilation of both in situ and remote sensing data and hydrological forecasting. By means of these techniques, we explored the functioning of the Amazon River basin, in terms of its physical processes and its hydrological predictability. We used the MGB-IPH large scale hydrologichydrodynamic model forced by satellite-based precipitation. The model had a good performance when extensively validated against in situ discharge and stage measurements and also remotely sensed data, including radar altimetry-based water levels, gravimetric-based terrestrial water storage and flood inundation extent. We showed that surface waters governs most of the terrestrial water storage changes, the influence of large water bodies on precipitation spatial variability and the importance of the floodplains and backwater effects on the routing of the Amazon floodwaves. Analyses showed the dominant role of hydrological initial conditions, mainly surface waters, on hydrological predictability on the main Amazon Rivers, while the knowledge of future precipitation may be secondary. Aiming at the optimal estimation of these hydrological states, we developed, for the first time, a data assimilation scheme for both gauged and satellite altimetry-based discharge and water levels into a large scale hydrologic-hydrodynamic model, and it showed a good performance. We also developed a forecast system prototype, where the model is based on initial conditions gathered by the data assimilation scheme and forced by satellite-based precipitation. Results are promising and the model was able to provide accurate discharge forecasts in the main Amazon rivers even for very large lead times (~1 to 3 months), predicting, for example, the historical 2005 drought. These results point to the potential of large scale hydrological models supported with remote sensing information for providing hydrological forecasts well in advance at world’s large rivers and poorly monitored regions.

Le bassin Amazonien est connu comme le plus grand système hydrologique du monde et pour son rôle important sur le système terre, influençant le cycle du carbone et le climat global. Les pressions anthropiques récentes, telles que la déforestation, les changements climatiques, la construction de barrage hydro-électriques, ainsi que l’augmentation des crues et sécheresse extrêmes qui se produisent dans cette région, motivent l’étude de l’hydrologie du bassin Amazonien. Dans le même temps, des méthodes hydrologiques de modélisation et de surveillance par observation satellitaire ont été développées qui peuvent fournir les bases techniques à cette fin. Ce travail a eu pour objectif la compréhension et la prévision du régime hydrologique du bassin Amazonien. Nous avons développé et évaluer des techniques de modélisation hydrologique-hydrodynamique de grande échelle, d’assimilation de données in situ et spatiales et de prévision hydrologique. L’ensemble de ces techniques nous a permis d’explorer le fonctionnement du bassin Amazonien en terme de processus physiques et de prévisibilité hydrologique. Nous avons utilisé le modèle hydrologique-hydrodynamique de grande échelle MGB-IPH pour simuler le bassin, le forçage précipitation étant fourni par l’observation spatiale. Les résultats de la modélisation sont satisfaisants lorsque validés à partir de données in situ de débit et de hauteurs d’eau mais également de données dérivées de l’observation spatiale incluant les niveaux d’eau déduits de l’altimétrie radar, le contenu en eau total issu de la gravimétrie satellitaire, l’extension des zones inondées. Nous avons montré que les eaux superficielles sont responsables en grande partie de la variation du stock total d’eau, l’influence des grands plans d’eau sur la variabilité spatiale des précipitations et l’influence des plaines d’inondation et des effets de remous sur la propagation des ondes de crues. Nos analyses ont montré le rôle prépondérant des conditions initiales, en particulier des eaux superficielles, pour la prévisibilité des grands fleuves Amazoniens, la connaissance des précipitations futures n’ayant qu’une influence secondaire. Ainsi, pour améliorer l’estimation des variables d’état hydrologiques, nous avons développé, pour la première fois, un schéma d’assimilation de données pour un modèle hydrologique-hydrodynamique de grande échelle, pour l’assimilation de données de jaugeages in situ et dérivées de l’altimétrie radar (débit et hauteur d’eau), dont les résultats se sont montrés satisfaisants. Nous avons également développé un prototype de système de prévision des débits pour le bassin Amazonien, basé sur le modèle initialisé avec les conditions initiales optimales fournies par le schéma d’assimilation de données, et en utilisant la pluie estimée par satellite disponible en temps réel. Les résultats ont été prometteurs, le modèle étant capable de prévoir les débits dans les principaux fleuves Amazoniens avec une antécédence importante (entre 1 et 3 mois), permettant d’anticiper, par exemple, la sècheresse extrême de 2005. Ces résultats démontrent le potentiel de la modélisation hydrologique appuyé par l’observation spatiale pour la prévision des débits avec une grande antécédence dans les grands bassins versant mondiaux. / A bacia Amazônica se destaca como o principal sistema hidrológico do mundo e pelo seu importante papel no sistema terrestre, influenciando o ciclo de carbono e o clima global. Recentes pressões antrópicas, como o desflorestamento, mudanças climáticas e a construção de barragens hidroelétricas, somados às crescentes cheias e secas extremas ocorridas nesta região, motivam o estudo da hidrologia da bacia Amazônica. Ao mesmo tempo, têm se desenvolvido métodos hidrológicos de modelagem e monitoramento via sensoriamento remoto que podem fornecer as bases técnicas para este fim. Este trabalho objetivou a compreensão e previsão da hidrologia da bacia Amazônica. Foram desenvolvidas e avaliadas diversas técnicas, incluindo de modelagem hidrológica-hidrodinâmica de larga escala, de assimilação de dados in situ e de sensoriamento remoto, e de previsão hidrológica. Este conjunto de técnicas foi utilizado para compreender o funcionamento da bacia Amazônica em termos de seus processos hidrológicos e sua previsibilidade hidrológica. O modelo hidrológico-hidrodinâmico de larga escala MGB-IPH foi utilizado para simular a bacia, sendo forçado com dados de chuva estimados por satélite. O modelo mostrou bom desempenho em uma validação detalhada contra observações de vazões e cotas in situ além de dados oriundos de sensoriamento remoto, incluindo níveis d’água de altimetria por radar, armazenamento d’água de gravimetria espacial e extensão de áreas alagadas. Mostrou-se a dominância das águas superficiais nas variações do armazenamento de água, a influência dos grandes corpos d’água sobre a variabilidade espacial da precipitação, além da importância das várzeas da inundação e efeitos de remanso sobre a propagação das ondas de cheia Amazônicas. As condições hidrológicas iniciais, com destaque para as águas superficiais, mostraram dominar a previsibilidade hidrológica nos grandes rios amazônicos, tendo assim a precipitação no futuro um papel secundário. Portanto, afim de melhor estimar os estados hidrológicos, de forma pioneira, foi desenvolvido um esquema de assimilação de dados para um modelo hidrológicohidrodinâmico de larga escala para assimilar informações in situ e de altimetria por radar, cujo desempenho se mostrou satisfatório. Desenvolveu-se também um protótipo de sistema de previsão de vazões para a bacia Amazônica, baseado no modelo inicializado com condições iniciais ótimas do esquema de assimilação de dados e utilizando precipitação estimada por satélite disponível em tempo real. Os resultados foram promissores e o modelo foi capaz de prever vazões nos principais rios amazônicos com grande antecedência (~1 a 3 meses), antecipando, por exemplo, a grande seca de 2005. Estes resultados mostram o potencial da modelagem hidrológica de larga escala apoiada por informação de sensoriamento remoto na previsão de vazões com alta antecedência nas grandes bacias hidrográficas do mundo. / The Amazon basin is known as the world’s main hydrological system and by its important role in the earth system, carbon cycle and global climate. Recent anthropogenic pressure, such as deforestation, climate change and the construction of hydropower dams, together with increasing extreme floods and droughts, encourage the research on the hydrology of the Amazon basin. On the other hand, hydrological methods for modeling and remotely sensed observation are being developed, and can be used for this goal. This work aimed at understanding and forecasting the hydrology of the Amazon River basin. We developed and evaluated techniques for large scale hydrologic-hydrodynamic modeling, data assimilation of both in situ and remote sensing data and hydrological forecasting. By means of these techniques, we explored the functioning of the Amazon River basin, in terms of its physical processes and its hydrological predictability. We used the MGB-IPH large scale hydrologichydrodynamic model forced by satellite-based precipitation. The model had a good performance when extensively validated against in situ discharge and stage measurements and also remotely sensed data, including radar altimetry-based water levels, gravimetric-based terrestrial water storage and flood inundation extent. We showed that surface waters governs most of the terrestrial water storage changes, the influence of large water bodies on precipitation spatial variability and the importance of the floodplains and backwater effects on the routing of the Amazon floodwaves. Analyses showed the dominant role of hydrological initial conditions, mainly surface waters, on hydrological predictability on the main Amazon Rivers, while the knowledge of future precipitation may be secondary. Aiming at the optimal estimation of these hydrological states, we developed, for the first time, a data assimilation scheme for both gauged and satellite altimetry-based discharge and water levels into a large scale hydrologic-hydrodynamic model, and it showed a good performance. We also developed a forecast system prototype, where the model is based on initial conditions gathered by the data assimilation scheme and forced by satellite-based precipitation. Results are promising and the model was able to provide accurate discharge forecasts in the main Amazon rivers even for very large lead times (~1 to 3 months), predicting, for example, the historical 2005 drought. These results point to the potential of large scale hydrological models supported with remote sensing information for providing hydrological forecasts well in advance at world’s large rivers and poorly monitored regions.