Le recours à la caractérisation des états hydrique, géométrique et physique de surface du sol est essentiel dans la gestion et la conservation des ressources naturelles dans les régions agricoles semi-aride. Dans ce contexte, les travaux de cette thèse visent à estimer la variabilité spatio-temporelle des paramètres de surfaces agricoles nues (humidité, rugosité et texture) moyennant des données radars multi-temporelles acquises en bande X à haute résolution spatiale. Une nouvelle description de l'état géométrique des sols est d'abord proposée à travers l'estimation d'un nouveau paramètre de rugosité, le paramètre Zg, estimé en fonction de trois paramètres statistiques de rugosité (écart type des hauteurs "s", longueur de corrélation "l" et la forme de la fonction de corrélation). Les simulations des signaux radar montrent une très forte corrélation avec ce paramètre de rugosité. L'apport du paramètre Zg est confirmé à travers une large base de données expérimentale et spatiale acquises sur différents sites en France. Le deuxième volet de cette thèse présente une analyse des sensibilités des signaux radars issus de capteurs (TerraSAR-X et COSMO-SkyMed), aux paramètres de surface (l'humidité et les trois paramètres de rugosité : s, Zs=s2/l et Zg). Une forte corrélation est observée entre les mesures radars acquises à différentes configurations (polarisations HH et VV, et à 26° et 36°d'incidences) et tous les paramètres du sol. Cette analyse est suivie par des comparaisons des coefficients de rétrodiffusion réels et simulés à partir des modèles physique et semi empirique couramment utilisés : Modèle d'équation intégrale " IEM " de Fung et al., 1992, Modèle de Dubois (Dubois et al., 1995) et le Modèle IEM empiriquement calibré par Baghdadi et al., 2011. Le dernier modèle a montré une forte cohérence avec les mesures radar. Dans le troisième volet, une méthode empirique de détection de changement est développée, en combinant les images radars TerraSAR-X avec des données d'humidités ponctuelles dérivées du réseau des 7 capteurs repartis sur la zone d'étude en continue, pour spatialiser l'état hydrique du sol. La performance de l'algorithme proposé, est évaluée et validée sur de nombreuses parcelles de référence. La spatialisation de la teneur en argile des sols est déduite à partir du calcul de la moyenne des cartes de l'état hydrique du sol (une erreur quadratique moyenne équivalent à 108 g/kg). Pour cartographier la rugosité des sols, des relations empiriques reliant le signal radar aux paramètres de rugosité (Ecart type des hauteurs et le paramètre Zg) étaient élaborées. En inversant les mesures radars, les cartes de rugosité qui en résultent, ont permis de distinguer différents états de surface des sols (labourés, dégradés ou en jachère). Dans le dernier volet, un modèle d'estimation du bilan hydrique des sols agricoles nus " MHYSAN " qui simule l'évaporation et l'état hydrique surfacique est développé. Cette dernière partie souligne le potentiel de calibrer un modèle hydrologique des sols en assimilant les produits d'humidité radars. / The characterization of geometric, water and physical surface soil parameters for semi-arid regions is a key requirement for sustainable agricultural management and natural resources conservation. In this context, the current study aims to estimate the spatio-temporal variability of soil properties (soil moisture, roughness and texture) using multi-temporal X-band radar images acquired at high spatial resolution over bare agricultural site in Tunisia. In the first section of this work, a new roughness parameter was proposed; it was the Zg parameter which combines the three most commonly used soil parameters: root mean surface height "s", correlation length "l", and correlation function shape, into just one parameter. A strong correlation was observed between this new parameter and the radar backscattering simulations. The parameter Zg was validated using large database acquired at several agricultural sites in France. Secondly, the sensitivity of X-band TerraSAR-X and COSMO-SkyMed sensors to soil moisture and different roughness parameters (s, Zs=s2/l and Zg parameters) was analyzed. The radar measurements acquired at different configurations (HH and VV polarizations, incidence angles of 26° and 36°) were found to be highly sensitive to the various soil parameters of interest. After that, the performance of different physical and semi-empirical backscattering models (IEM, Baghdadi-calibrated IEM and Dubois models) is compared with SAR measurements. Considerable improvements in the IEM model performance were observed using the Baghdadi-calibrated version of this model. Thirdly, an empirical change detection approach was developed using TerraSAR-X data and ground auxiliary thetaprobe network measurements for the retrieval of surface soil moisture at a high spatial resolution. The accuracy of the soil moisture retrieval algorithm was determined, and validated successfully over numerous test fields. Maps of soil clay percentages at the studied site were derived from the mean of the seven soil moisture radar outputs (a root mean square error equal to 108 g/kg). To retrieve surface soil roughness, empirical expressions were established between backscattering TerraSAR-X coefficients data and the roughness parameters (s and Zg). By inversing radar signals, resulting surface roughness maps have revealed that is possible to use spatial roughness variability observations at plot scale to identify soil surface changes between multi-temporal images. Finally, a Bare Soil HYdrological balance Model "MHYSAN" was developed to estimate surface evaporation fluxes and soil moisture time series over our study site. The present section of this work highlighted the feasibility of calibrating our proposed MHYSAN model through the use of multi-temporal TerraSAR-X moisture products.