Cette thèse a permis d'explorer l'apport des variables polarimétriques radar (aux longueurs d'onde centimétriques), sensibles aux propriétés microphysiques des hydrométéores, pour les modèles de prévision numérique à échelle convective. Dans la première partie de la thèse, un opérateur d'observation radar polarimétrique, cohérent avec les paramétrisations microphysiques à 1 moment couramment utilisées par les modèles opérationnels à échelle convective a été développé. Des comparaisons entre données simulées et observées pour tous les types de radar (S, C et X) ont été réalisées pour deux cas d'étude convectifs, et ont permis de valider l'opérateur d'observation. La deuxième partie de cette thèse a été consacrée à la conception et au test d'une méthode d'assimilation des variables polarimétriques, s'appuyant sur la méthode opérationnelle 1D+3D-Var, d'assimilation des réflectivités radar dans le modèle AROME. La méthode de restitution bayésienne 1D des profils d'humidité a été adaptée, afin d'inclure la phase différentielle spécifique et la réflectivité différentielle, en plus de la réflectivité, dans le vecteur d'observation. Plusieurs options de la méthode de restitution ont été testées et évaluées par des comparaisons aux observations radar et GPS. Des expériences d'assimilation menées sur deux cas convectifs ont ensuite été réalisées et ont permis d'évaluer l'impact des observations polarimétriques sur les champs analysés d'humidité ainsi que sur les prévisions de réflectivité et de cumuls de précipitation. / This PhD has explored the benefits of polarimetric variables (for centimeter wavelength radars), which are sensitive to the microphysical properties of hydrometeors, for convective scale numerical prediction models. In the first part of the PhD, a radar forward operator, consistent with the bulk 1 moment microphysical schemes typically used by the operational convective scale models, has been designed. Comparisons between observed and simulated variables for all radar types (S, C, X) have been performed for two convective cases, and helped validate the forward operator. Following these comparisons, quality controls have been specified so as to limitate the errors on the polarimetric variables before using them for assimilation. In the second part of the PhD, an assimilation method for polarimetric variables, based on the operational 1D+3D-Var assimilation method used for radar reflectivities in AROME model has been designed. The Bayesian retrieval of 1D humidity profiles has been adapted in order to include differential reflectivity and specific differential phase within the observation vector. Different options of the methodology have been tested and evaluated by comparisons with radar and GPS observations. Assimilation experiments conducted for two convective cases demonstrated an impact on analysed humidity fields. The effect of the assimilation of polarimetric variables on forecasted reflectivities and precipitation accumulations was also evaluated.

The feasibility of a radiance assimilation using a multi-layered snow physical model to estimate snow physical parameters is studied.The work is divided in five parts.The first two chapters are dedicated to the literature review. In the third chapter, experimental work was conducted in the alpine snow to estimate snow correlation (for microwave emission modelling) using near-infrared digital photography. We made microwave radiometric and near-infrared reflectance measurements of snow slabs under different experimental conditions. We used an empirical relation to link near-infrared reflectance of snow to the specific surface area (SSA), and converted the SSA into the correlation length. From the measurements of snow radiances at 21 and 35 GHz, we derived the microwave scattering coefficient by inverting two coupled radiative transfer models (RTM) (the sandwich and six-flux model).The correlation lengths found are in the same range as those determined in the literature using cold laboratory work.The technique shows great potential in the determination of the snow correlation length under field conditions. In the fourth chapter, the performance of the ensemble Kalman filter (EnKF) for snow water equivalent (SWE) estimation is assessed by assimilating synthetic microwave observations at Ground Based Microwave Radiometer (GBMR-7) frequencies (18.7, 23.8, 36.5, 89 vertical and horizontal polarization) into a snow physics model, CROCUS. CROCUS has a realistic stratigraphic and ice layer modelling scheme. This work builds on previous methods that used snow physics model with limited number of layers. Data assimilation methods require accurate predictions of the brightness temperature (Tb) emitted by the snowpack. It has been shown that the accuracy of RTMs is sensitive to the stratigraphic representation of the snowpack. However, as the stratigraphic fidelity increases, the number of layers increases, as does the number of state variables estimated in the assimilation. One goal of the present study is to investigate whether passive microwave measurements can be used in a radiance assimilation (RA) scheme to characterize a more realistic stratigraphy.The EnKF run was performed with an ensemble size of 20 using artificially biased meteorological forcing data.The snow model was given biased precipitation to represent systematic errors introduced in modelling, yet the EnKF was still able to recover the"true" value of SWE with a seasonally-integrated RMSE of only 1.2 cm (8.1%).The RA was also able to extract the grain size profile at much higher dimensionality which shows that the many-to-one problem of SWE-Tb relationship can be overcome by assimilation, even when the grain size profile varies constantly with depth.The last chapter was on the validation of the data assimilation system using a point-scale radiance observations from the CLPX-1 GBMR-7. We first predicted snow radiance by coupling the snow model CROCUS to the snow emission model (MEMLS). Significant improvement of Tb simulation was achieved for the late February window for all three frequencies.The range of the underestimation of the polarization difference is between 25% and 75%. We then assimilated all six channels measurements of the GBMR-7.The filter was able to accurately retrieve the SWE for periods of time when the Tb measurements were available.The results show that RA using EnKF with a multi-layered snow model can be used to determine snow physical parameters even with a biased precipitation forcing.

Dans les études géophysiques, l'assimilation de données a pour but d'estimer l'état d'un système ou les paramètres d'un modèle physique de façon optimale. Pour ce faire, l'assimilation de données a besoin de trois types d'informations : des observations, un modèle physique/numérique et une description statistique de l'incertitude associée aux paramètres du système. Dans ma thèse, de nouvelles méthodes d'assimilation de données sont utilisées pour l'étude de la physico-chimie de l'atmosphère: (i) On y utilise de manière conjointe la méthode 4D-Var avec un modèle sous-maille statistique pour tenir compte des erreurs de représentativité. (ii) Des échelles multiples sont prises en compte dans la méthode d'estimation BLUE. (iii) Enfin, la méthode du maximum de vraisemblance est appliquée pour estimer des hyper-paramètres qui paramètrisent les erreurs à priori. Ces trois approches sont appliquées de manière spécifique à des problèmes de modélisation inverse des sources de polluant atmosphérique. Dans une première partie, la modélisation inverse est utilisée afin d'estimer les émissions de monoxyde de carbone sur un domaine représentant la France. Les stations du réseau d'observation considérées sont impactées par les erreurs de représentativité. Un modèle statistique sous-maille est introduit. Il est couplé au système 4D-Var afin de réduire les erreurs de représentativité. En particulier, les résultats de la modélisation inverse montrent que la méthode 4D-Var seule n'est pas adaptée pour gérer le problème de représentativité. Le système d'assimilation des données couplé conduit à une meilleure représentation de la variabilité de la concentration de CO avec une amélioration très significative des indicateurs statistiques. Dans une deuxième partie, on évalue le potentiel du réseau IMS (International Monitoring System) du CTBTO pour l'inversion d'une source accidentelle de radionucléides. Pour évaluer la performance du réseau, une grille multi-échelle adaptative pour l'espace de contrôle est optimisée selon un critère basé sur les degrés de liberté du signal (DFS). Les résultats montrent que plusieurs régions restent sous-observées par le réseau IMS. Dans la troisième et dernière partie, sont estimés les émissions de Composés Organiques Volatils (COVs) sur l'Europe de l'ouest. Cette étude d'inversion est faite sur la base des observations de 14 COVs extraites du réseau EMEP. L'évaluation des incertitudes des valeurs des inventaires d'émission et des erreurs d'observation sont faites selon le principe du maximum de vraisemblance. La distribution des inventaires d'émission a été supposée tantôt gaussienne et tantôt semi-normale. Ces deux hypothèses sont appliquées pour inverser le champs des inventaires d'émission. Les résultats de ces deux approches sont comparés. Bien que la correction apportée sur les inventaires est plus forte avec l'hypothèse Gaussienne que semi-normale, les indicateurs statistiques montrent que l'hypothèse de la distribution semi-normale donne de meilleurs résultats de concentrations que celle Gaussienne. / Data assimilation in geophysical sciences aims at optimally estimating the state of the system or some parameters of the system's physical model. To do so, data assimilation needs three types of information: observations and background information, a physical/numerical model, and some statistical description that prescribes uncertainties to each componenent of the system.In my dissertation, new methodologies of data assimilation are used in atmospheric chemistry and physics: the joint use of a 4D-Var with a subgrid statistical model to consistently account for representativeness errors, accounting for multiple scale in the BLUE estimation principle, and a better estimation of prior errors using objective estimation of hyperparameters. These three approaches will be specifically applied to inverse modelling problems focussing on the emission fields of tracers or pollutants. First, in order to estimate the emission inventories of carbon monoxide over France, in-situ stations which are impacted by the representativeness errors are used. A subgrid model is introduced and coupled with a 4D-Var to reduce the representativeness error. Indeed, the results of inverse modelling showed that the 4D-Var routine was not fit to handle the representativeness issues. The coupled data assimilation system led to a much better representation of theCO concentration variability, with a significant improvement of statistical indicators, and more consistent estimation of the CO emission inventory. Second, the evaluation of the potential of the IMS (International Monitoring System) radionuclide network is performed for the inversion of an accidental source. In order to assess the performance of the global network, a multiscale adaptive grid is optimised using a criterion based on degrees of freedom for the signal (DFS). The results show that several specific regions remain poorly observed by the IMS network. Finally, the inversion of the surface fluxes of Volatile Organic Compounds (VOC) are carried out over Western Europe using EMEP stations. The uncertainties of the background values of the emissions, as well as the covariance matrix of the observation errors, are estimated according to the maximum likelihood principle. The prior probability density function of the control parameters is chosen to be Gaussian or semi-normal distributed. Grid-size emission inventories are inverted under these two statistical assumptions. The two kinds of approaches are compared. With the Gaussian assumption, the departure between the posterior and the prior emission inventories is higher than when using the semi-normal assumption, but that method does not provide better scores than the semi-normal in a forecast experiment.

L'assimilation de données permet de combiner d'une manière optimale un modèle numérique décrivant l'évolution de la composition chimique de l'atmosphère et les mesures disponibles. Dans cette thèse, l'assimilation de données est utilisée afin de caractériser les distributions troposphériques et stratosphériques de l'ozone (O3) et du monoxyde de carbone (CO). Le Modèle de Chimie Transport (CTM) MOCAGE (MOdèle de Chimie Atmosphérique à Grande échelle) est utilisé dans une configuration à deux domaines imbriqués avec les résolutions de 2◦ (global) et de 0.2◦ (régional). La technique variationnelle du 3D-FGAT est utilisée pour toutes les études que constituent cette thèse. Nous avons évalué la complémentarité des mesures satellites au limbe et au nadir aujourd'hui disponibles pour la caractérisation de l'UTLS (Haute Troposphère Basse Stratosphère) en assimilant ces deux types de mesures simultanément. Nous nous sommes en particulier intéressé à la propagation de l'information provenant des mesures assimilés dans le modèle et plus particulièrement, aux impacts de l'assimilation de mesures stratosphérique d'ozone en troposphère aux moyennes latitudes. Les principaux objectifs de cette thèse ont été de montrer la valeur ajoutée de l'augmentation de la résolution modèle pour l'assimilation de données et les effets synergiques de l'assimilation combinée d'un sondeur au limbe et au nadir. Des développements au niveau du système d'assimilation en domaine imbriqué à 0.2◦ ont été effectués. L'assimilation des données dans le domaine global est maintenant prise en compte et les conditions aux bords provenant des champs assimilés montre un impact significatif sur le domaine imbriqué. Dans un premier temps, nous avons assimilé les profils d'ozone stratosphériques mesurés au limbe provenant de MLS (Microwave Limb Sounder) afin d'étudier deux cas d'échange entre la Stratosphère et la Troposphère (STE). / Data assimilation combines in an optimal way a numerical model describing the evolution of the atmospheric chemical composition and the available trace gases measurements. In this thesis, data assimilation is used to characterize the ozone (O3) and the carbon monoxide (CO) distributions in the stratosphere and in the troposphere. The Chemistry Transport Model (CTM) MOCAGE (MOdèle de Chimie Atmosphérique à Grande Echelle) is used in a configuration with two nested domains at 2◦ (global) and at 0.2◦ (regional). To perform the assimilation experiments a 3D-FGAT variational method is used. We evaluate the complementarity of limb and nadir measurements available at the present day at characterizing the UTLS (Upper Troposphere Lower Stratosphere) region by assimilating simultaneously the two type of measurements. We particularly focus on the impacts of data assimilation of stratospheric ozone measurements on troposphere and conversely of tropospheric data assimilation on stratosphere. Showing the added value of the increased horizontal resolution in the UTLS assimilated fields and the synergistic effects of limb and nadir assimilation were the main objectives of this work. Development in the assimilation system have been made in the assimilation system with the nested domain. Data assimilation in the global domain is now taken in account and the boundary condition from the assimilated fields show significant impacts on the regional domain. Firstly, we assimilate stratospheric ozone profiles from MLS (Microwave Limb Sounder) to investigate two Stratosphere-Troposphere Exchange (STE) case studies. .

Cette thèse propose trois nouveaux développements de la méthode des bases réduites (RB) et de la méthode d'interpolation empirique (EIM) pour des problèmes non-linéaires. La première contribution est une nouvelle méthodologie, la méthode progressive RB-EIM (PREIM) dont l'objectif est de réduire le coût de la phase de construction du modèle réduit tout en maintenant une bonne approximation RB finale. L'idée est d'enrichir progressivement l'approximation EIM et l'espace RB, contrairement à l'approche standard où leurs constructions sont disjointes. La deuxième contribution concerne la RB pour les inéquations variationnelles avec contraintes non-linéaires. Nous proposons une combinaison RB-EIM pour traiter la contrainte. En outre, nous construisons une base réduite pour les multiplicateurs de Lagrange via un algorithme hiérarchique qui conserve la positivité des vecteurs cette base. Nous appliquons cette stratégie aux problèmes de contact élastique sans frottement pour les maillages non-coïncidents. La troisième contribution concerne la réduction de modèles avec assimilation de données. Une méthode dédiée a été introduite dans la littérature pour combiner un modèle numérique avec des mesures expérimentales. Nous élargissons son cadre d'application aux problèmes instationnaires en exploitant la méthode POD-greedy afin de construire des espaces réduits pour tout le transitoire temporel. Enfin, nous proposons un nouvel algorithme qui produit des espaces réduits plus représentatifs de la solution recherchée tout en minimisant le nombre de mesures nécessaires pour le problème réduit final / This thesis introduces three new developments of the reduced basis method (RB) and the empirical interpolation method (EIM) for nonlinear problems. The first contribution is a new methodology, the Progressive RB-EIM (PREIM) which aims at reducing the cost of the phase during which the reduced model is constructed without compromising the accuracy of the final RB approximation. The idea is to gradually enrich the EIM approximation and the RB space, in contrast to the standard approach where both constructions are separate. The second contribution is related to the RB for variational inequalities with nonlinear constraints. We employ an RB-EIM combination to treat the nonlinear constraint. Also, we build a reduced basis for the Lagrange multipliers via a hierarchical algorithm that preserves the non-negativity of the basis vectors. We apply this strategy to elastic frictionless contact for non-matching meshes. Finally, the third contribution focuses on model reduction with data assimilation. A dedicated method has been introduced in the literature so as to combine numerical models with experimental measurements. We extend the method to a time-dependent framework using a POD-greedy algorithm in order to build accurate reduced spaces for all the time steps. Besides, we devise a new algorithm that produces better reduced spaces while minimizing the number of measurements required for the final reduced problem

La surveillance de la qualité de l'air est actuellement effectuée avec des mesures de concentration et à partir d'outils de modélisation de la dispersion atmosphérique. Ces modèles numériques évaluent les concentrations des polluants avec une résolution spatio-temporelle plus fine que les mesures. Néanmoins, les estimations fournies par ces modèles sont moins précises que les mesures. Dans ce projet de recherche, nous avons étudié les approches de couplage d'échelles et d'assimilation de données pour améliorer les estimations fournies par le modèle de dispersion atmosphérique SIRANE, dédié à l'échelle urbaine. L'approche de couplage d'échelles consiste à déterminer les conditions aux limites d'une simulation à partir d'une autre simulation à plus grande échelle. Au cours de ce travail de thèse, nous avons analysé trois méthodes afin de coupler le modèle urbain SIRANE et le modèle à méso-échelle CHIMERE. Cette étude montre que ces méthodes permettent potentiellement d'estimer la qualité de l'air à l'échelle urbaine de manière plus satisfaisante que les modèles à méso-échelle (utilisés seuls). Cependant, elles n'améliorent pas forcément la modélisation des conditions aux limites d'une simulation à l'échelle urbaine et les estimations fournies par celles-ci. Cela est a priori lié au fait que les estimations fournies par le modèle CHIMERE ne sont pas suffisamment satisfaisantes sur notre cas d'étude. Il est néanmoins possible que ces méthodes améliorent les résultats à l'échelle urbaine en utilisant une simulation à l'échelle régionale de meilleure qualité. L'approche d'assimilation de données consiste à combiner les mesures et les données modélisées afin de déterminer la meilleure estimation de l'état d'un système. Durant cette thèse, nous avons étudié trois méthodes d'assimilation de données : la méthode de débiaisement, la méthode que nous avons nommée modulation de la contribution des sources et la méthode Best Linear Unbiased Estimator. Cette étude indique que ces méthodes permettent globalement d'améliorer les estimations fournies par le modèle SIRANE. L'étude de sensibilité vis-à-vis du nombre de mesures utilisées lors de l'assimilation de données indique qu'en général, plus ce nombre est élevé plus les résultats sont satisfaisants. Enfin, les résultats montrent que les performances statistiques associées à ces trois méthodes d'assimilation de données sont globalement comparables entre elles sur notre cas d'étude. / Air quality monitoring is currently carried out with concentration measurements and with atmospheric dispersion modeling tools. These numerical models evaluate pollutant concentrations with a finer spatio-temporal resolution than measurements. Nevertheless, the estimates provided by these models are less accurate than measurements. In this research project, we studied multiscale coupling and data assimilation approaches to improve the estimates provided by the SIRANE atmospheric dispersion model, dedicated to the urban scale. The multiscale coupling approach consists in determining the boundary conditions of a simulation from another simulation on a larger scale. In this thesis work, we analyzed three methods for coupling the SIRANE model with the CHIMERE mesoscale model. This study shows that these methods can potentially estimate the air quality at the urban scale more satisfactorily than the mesoscale models (used alone). However, they do not necessarily improve the modeling of the boundary conditions of a simulation at the urban scale and the estimates provided by them. This is a priori due to the fact that the estimates provided by the CHIMERE model are not sufficiently good on our case study. It is possible, however, that these methods improve the results at the urban scale by using a better simulation at the regional scale. The data assimilation approach consists of combining the measurements and the modelled data to determine the best estimate of the system state. During this thesis, we studied three data assimilation methods : the unbiased method, the method that we called source apportionment modulation, and the Best Linear Unbiased Estimator method. This study indicates that these methods generally improve the estimates provided by the SIRANE model. The sensitivity study on the number of measurements used during the data assimilation indicates that, in general, higher is this number, more satisfactory are the results. Finally, the results show that the statistical performances associated with these three data assimilation methods are globally comparable on our case study.

Depuis quelques années, les observations spatiales des traceurs, comme la température de surface de l'océan (SST) ou la couleur de l'océan, ont révélé la présence de filaments à sous-mésoéchelle, qui ne peuvent être détectées par les satellites altimétriques. Ce travail de thèse explore la possibilité d'utiliser les informations dynamiques contenues dans les images traceur haute résolution pour compléter l'estimation de la dynamique océanique de surface effectuée par les satellites altimétriques. Pour ce faire, la méthode d'inversion développée est inspirée de l'assimilation de données images. A l'aide d'une fonction coût, on mesure la distance entre une image du flot dynamique et l'image des structures présentes sur le traceur. On a choisi pour cette étude d'utiliser le FSLE (Finite-Size Lyapunov Exponents) comme proxy image de la dynamique. Cette méthode est testée avec succès sur plusieurs cas test d'observations spatiales. Un modèle de processus couplé physique-biogéochimie ainsi qu'un modèle réaliste de la mer des Salomon sont utilisés pour estimer l'erreur associée à la méthode d'inversion et la pertinence de la correction effectuée. L'utilisation conjointe d'images traceurs et de données altimétriques présente un fort intérêt pour le contrôle de la circulation océanique. / High resolution sensors of tracers such as the Sea Surface Temperature or the Ocean Color reveal small structures at the submesoscale, which are not seen by altimetry. Therefore, this thesis explores the feasibility of using tracer information at the submesoscales to complement the control of ocean dynamic fields that emerge from altimeter data analysis at larger scales. To do so, an image data assimilation strategy (i.e. inversion of images) is developed in which a cost-function is built that minimizes the misfits between image of submesoscale flow structure and tracer images. In the present work, we have chosen as an image of submesoscale flow structure the Finite-Size Lyapunov Exponents (FSLE). This method has been successfully tested on several areas using tracer and altimetric observations from space A high resolution physico-biogeochemical coupled model of process and a high resolution realistic model of the Solomon sea have been used to assess the error associated with the inversion and the efficiency of the correction on the oceanic circulation. These results show the benefits of the joint use of tracer image and altimetric data for the control of ocean circulations.

Le formulaire de calcul DARWIN2.3, basé sur l’évaluation des données nucléaires JEFF-3.1.1, est dédié aux applications du cycle du combustible nucléaire. Il est validé expérimentalement pour le calcul du bilan matière par comparaison avec des mesures de rapports isotopiques réalisées sur des tronçons de combustibles irradiés en réacteur de puissance. Pour certains nucléides d’intérêt pour le cycle du combustible, la validation expérimentale montre que le calcul de la concentration en évolution pourrait être amélioré. C’est dans ce contexte que les travaux de thèse ont été menés : après s’être assuré que le biais Calcul / Expérience (C/E) est majoritairement dû aux données nucléaires, deux voies d’amélioration du calcul du bilan matière sont proposées et étudiées.La première voie d’amélioration s’attache à la ré-estimation des données nucléaires par assimilation des données intégrales. Elle consiste en l'assimilation des données provenant de la validation expérimentale du calcul du bilan matière avec DARWIN2.3 à l'aide du code d’évaluation des données nucléaires CONRAD. Des recommandations d’évolution d’évaluation, qui découlent de l’analyse de ces travaux, sont effectuées.La deuxième voie d’amélioration consiste à proposer de nouvelles expériences pour valider les données nucléaires impliquées dans la formation de nucléides pour lesquels on ne dispose pas d’expérience pour valider le calcul de la concentration avec DARWIN2.3. La faisabilité d’une expérience dédiée à la validation des sections efficaces des réactions de formation du 14C, à savoir 14N(n,p) et 17O(n,α), a été démontrée en ce sens. / The DARWIN2.3 calculation package, based on the use of the JEFF-3.1.1 nuclear data library, is devoted to nuclear fuel cycle studies. It is experimentally validated for fuel inventory calculation thanks to dedicated isotopic ratios measurements realized on in-pile irradiated fuel rod cuts. For some nuclides of interest for the fuel cycle, the experimental validation work points out that the concentration calculation could be improved. The PhD work was done in this framework: having verified that calculation-to-experiment (C/E) biases are mainly due to nuclear data, two ways of improving fuel inventory calculation are proposed and investigated. It consists on one hand in improving nuclear data using the integral data assimilation technique. Data from the experimental validation of DARWIN2.3 fuel inventory calculation are assimilated thanks to the CONRAD code devoted to nuclear data evaluation. Recommendations of nuclear data evaluations are provided on the basis of the analysis of the assimilation work. On the other hand, new experiments should be proposed to validate nuclear data involved in the buildup of nuclides for which there is no post-irradiation examination available to validate DARWIN2.3 fuel inventory calculation. To that extent, the feasibility of an experiment dedicated to the validation of the ways of formation of 14C, which are 14N(n,p) and 17O(n,α) reaction cross sections, was demonstrated.

La circulation du golfe du Lion est influencée par un forçage atmosphérique intense et le Courant Nord Méditerranéen (CNM). Une configuration au 1/16° a été utilisée pour modéliser la dynamique complexe de cette région, mais ne permet pas de modéliser correctement le CNM. Nous avons utilisé la méthode d’assimilation du filtre SEEK afin de combiner l’information contenue dans ce modèle et celle provenant d’observations synthétiques altimétriques (de type SARAL-AltiKa) et in situ, extraites d’une configuration réaliste du golfe du Lion au 1/64°. Afin d’évaluer la qualité des résultats, des diagnostics statistiques et physiques ont été établis et témoignent d’une bonne qualité de l’expérience. On a ainsi montré une amélioration des caractéristiques du CNM en surface et en profondeur, de son activité mésoéchelle et permis l’intrusion de branches de recirculation sur le plateau. Une meilleure représentation de ce courant a permis d’améliorer la quantité des échanges côte-large de même que la caractéristique des eaux du plateau, ce qui a permis la formation d’eaux denses hivernales, leur convection puis leur cascading le long du talus. L’assimilation a aussi amélioré les caractéristiques du panache du Rhône. On a ainsi montré que l’assimilation de nouvelles formes d’observations dans les systèmes opérationnels permettra de contrôler des processus plus fins et proches des côtes, non contrôlés par les systèmes d’observations actuels. / Ocean circulation in the Gulf of Lions is both influenced by intense atmospheric forcings and the North Mediterranean Current (NMC). A 1/16◦ configuration of the Gulf of Lions has been used to represent the complex dynamics of this area but does not allow a correct modeling of the NMC. We have used the SEEK filter data assimilation method to combine the information contained in the model and the one coming from synthetic in situ and altimetric observations (from SARAL-AltiKa altimeter). Those observations have been extracted from a realist 1/64◦ configuration of the Gulf of Lions. To assess the quality of results, statistical and physical diagnostics have been developed and show a good quality of the experiment. Thanks to a better representation of this current at the surface and at depth as well as its mesoscale activity, we have managed to improve the quantity of cross shelf exchanges. Consequently, we have managed to improve shelf water characteristics, which have thus allowed the formation of dense waters in winter, their convection and cascading over the shelf break. Rhône river plume characteristics have also been improved thanks to data assimilation. We have finally shown that assimilating those new kinds of observations in operational systems should allow the control of small scale processes closed to the coast that are not controlled with present observational systems

En dépit de progrès croissants durant la dernière décennie, la complexité des écosystèmes marins est encore imparfaitement simulée par les modèles.Les formulations des processus biogéochimiques sont en général établies de manière empirique et contraintes par une multitude de paramètres.Il est ainsi généralement admis que leurs incertitudes impactent fortement l'estimation de la production primaire, dont le rôle dans le cycle du carbone est primordial.Analyser les impacts de l'incertitude des modèles est donc nécessaire pour améliorer la représentation des caractéristiques biogéochimiques de l'océan.Dans le contexte d'assimilation de données de la couleur de l'océan, la définition des erreurs de prévision représente de plus un important verrou aux performances des systèmes.Ces points seront analysés dans cette thèse. L'objectif sera d'examiner, dans un contexte de modélisation/assimilation, la pertinence d'utiliser une approche probabiliste basée sur une simulation explicite des incertitudes biogéochimiques du modèle couplé au 1/4° NEMO/PISCES sur l'océan Atlantique Nord.A partir d'une simulation déterministe du modèle PISCES, nous proposerons une méthode pour générer des processus aléatoires, AR(1), permettant d'inclure des structures spatiales et temporelles de corrélations.A chaque pas de temps, ces perturbations aléatoires seront ensuite introduites dans le modèle par l'intermédiaire de paramétrisations stochastiques.Elles simuleront 2 différentes classes d'incertitudes: les incertitudes sur les paramètres biogéochimiques du modèle et les incertitudes dues aux échelles non résolues dans le cas d'équations non linéaires. L'utilisation de paramétrisations stochastiques permettra ainsi d'élaborer une version probabiliste du modèle PISCES, à partir de laquelle nous pourrons réaliser une simulation d'ensemble de 60 membres.La pertinence de cette simulation d'ensemble sera évaluée par comparaison avec les observations de la couleur de l'océan SeaWIFS. Nous montrerons en particulier que la simulation d'ensemble conserve les structures de grande échelle présentes dans la simulation déterministe.En utilisant les distributions de probabilité définies par les membres de l'ensemble, nous montrerons que l'ensemble capture l'information des observations avec une bonne estimation de leurs statistiques d'erreur (fiabilité statistique). L'intérêt de l'approche probabiliste sera ainsi d'abord évalué dans un contexte de modélisation biogéochimique. / In spite of recent advances, biogeochemical models are still unable to represent the full complexity of marine ecosystems.Since mathematical formulations are still based on empirical laws involving many parameters, it is now well established that the uncertainties inherent to the biogeochemical complexity strongly impact the model response.Improving model representation therefore requires to properly describe model uncertainties and their consequences.Moreover, in the context of ocean color data assimilation, one of the major issue rely on our ability to characterize the model uncertainty (or equivalently the model error) in order to maximize the efficiency of the assimilation system.This is exactly the purpose of this PhD which investigates the potential of using random processes to simulate some biogeochemical uncertaintiesof the 1/4° coupled physical–biogeochemical NEMO/PISCES model of the North Atlantic ocean.Starting from a deterministic simulation performed with the original PISCES formulation, we propose a genericmethod based on AR(1) random processes to generate perturbations with temporal and spatial correlations.These perturbations are introduced into the model formulations to simulate 2 classes of uncertainties: theuncertainties on biogeochemical parameters and the uncertainties induced by unresolved scales in the presenceof non-linear processes. Using these stochastic parameterizations, a probabilistic version of PISCES is designedand a 60-member ensemble simulation is performed.The implications of this probabilistic approach is assessed using the information of the probability distributions given of this ensemble simulationThe relevance and the impacts of the stochastic parameterizations are assessed from a comparison with SeaWIFS satellite data.In particular, it is shown that the ensemble simulation is able to produce a better estimate of the surface chlorophyll concentration than the first guess deterministic simulation.Using SeaWIFS ocean color data observations, the statistical consistency (reliability) of this prior ensemble is demonstrated using rank histograms.Finally, the relevance of our approach in the prospect of ocean color data assimilation is demonstrated by considering a 3D optimal analysis of the ensemble (one updateat one time step) performed from the statistic errors of the stochastic ensemble simulation previously stated.During this experiment, the high resolution SeaWIFS ocean color data are assimilated using a Ensemble Transform Kalman Filter (ETKF) analysis scheme and the non gaussian behaviour and non linear relationshipbetween variables are taken into account using anamorphic transformations.More specifically, we show that the analysis of SeaWIFS data improves the representation and the ensemble statistics of chlorophyll concentrations.