Les agrosystèmes sont soumis à de fortes hétérogénéités spatiales et temporelles, notamment du fait des pratiques agricoles. Les modèles de surface, qui servent à quantifier les échanges d'eau et d'énergie entre le sol, la végétation et la basse atmosphère, dits flux hydrométéorologiques, utilisent la plupart du temps des résolutions spatiales trop larges et une description des pratiques agricoles trop simple pour caractériser ces hétérogénéités, faute d'information spatialisée fiable et à fréquence temporelle suffisante pour paramétrer les simulations. Pourtant, réussir à simuler de manière plus réaliste les agrosystèmes à l'échelle du paysage, comme un bassin versant par exemple, est d'importance cruciale que ce soit pour gérer la répartition des ressources en eau ou évaluer les interactions entre pratiques agricoles et évolution climatique. La télédétection à haute résolution spatiale et temporelle, à l'image de la mission spatiale Sentinel-2 de l'ESA, permet de fournir des informations sur la surface terrestre à des résolutions inégalées (10 m, 5 jours) et sur l'ensemble du globe. Cette thèse visait donc à exploiter ce type de données dans un modèle de surface, le modèle SURFEX-ISBA développé par le CNRM, afin d'améliorer la représentation des pratiques agricoles et évaluer son impact sur les flux hydrométéorologiques à l'échelle du paysage. Le premier volet de la thèse avait pour objectif de représenter l'hétérogénéité spatio-temporelle des cultures, du fait des choix des dates de semis et de récolte ainsi que des rotations de culture, dans le modèle. Pour ce faire, j'ai exploité les produits issus des données du satellite optique Formosat-2 (8m, acquisitions programmées), sous la forme de cartes d'occupation des sols et de cartes multi-temporelles d'indice de surface foliaire (LAI) afin de simuler un agrosystème du Sud-Ouest de la France sur une zone de 576 km2. Afin de simuler de telles étendues en exploitant la haute résolution des produits satellite tout en limitant le temps de calcul, une approche de simulation par parcelle a été mise en place. / Agricultural practices generate strong spatial and temporal heterogeneities of the vegetation in agrosystems. Land Surface Models (LSMs), which simulate water and energy fluxes between soil, vegetation and atmosphere, use coarse spatial resolutions and very simplified agricultural practices representations. Therefore, they cannot characterize such heterogeneities. However, simulating agrosystems in a realistic way is of great interest to manage water resources at landscape scale, like a river basin, or study the interactions between climate evolution and agriculture. High resolution remote sensing, like the ESA's Sentinel-2 space mission, allows monitoring the Earth surface globally with unprecedented spatio-temporal resolution of 10 meters and 5 days. This Ph. D. thesis aimed to exploit such data in the SURFEX-ISBA LSM, developed by the CNRM, to represent agricultural practices in the hydrometeorological fluxes estimation at landscape scale. The first part of the thesis aimed at representing the spatial and temporal heterogeneities of the vegetation due to the choice of sewing and harvesting dates and crop rotations in the model. I used multi-temporal Leaf Area Index and annual land cover maps derived from the Formosat-2 remote sensing date (8m, tasking acquisitions). Simulations were performed on a 576 km2 agricultural plain in southwestern France. In order to keep the interest of high resolution while saving computation time, a plot scale simulation approach was used.

Cette thèse a pour objectif de fournir aux utilisateurs de SMPS (Scanning Mobility Particle Sizer) une méthodologie pour calculer les incertitudes associées à l'estimation de la granulométrie en nombre des aérosols. Le résultat de mesure est le comptage des particules de l'aérosol en fonction du temps. Estimer la granulométrie en nombre de l'aérosol à partir des mesures CNC revient à considérer un problème inverse sous incertitudes.Une revue des modèles existants est présentée dans le premier chapitre. Le modèle physique retenu fait consensus dans le domaine d'application.Dans le deuxième chapitre, un critère pour l'estimation de la granulométrie en nombre qui couple les techniques de régularisation et de la décomposition sur une base d'ondelettes est décrit.La nouveauté des travaux présentés réside dans l'estimation de granulométries présentant à la fois des variations lentes et des variations rapides. L'approche multi-échelle que nous proposons pour la définition du nouveau critère de régularisation permet d'ajuster les poids de la régularisation sur chaque échelle du signal. La méthode est alors comparée avec la régularisation classique. Les résultats montrent que les estimations proposées par la nouvelle méthode sont meilleures (au sens du MSE) que les estimations classiques.Le dernier chapitre de cette thèse traite de la propagation de l'incertitude à travers le modèle d'inversiondes données. C'est une première dans le domaine d'application car aucune incertitude n'est associée actuellement au résultat de mesure. Contrairement à l'approche classique qui utilise un modèle fixe pour l'inversion en faisant porter l'incertitude sur les entrées, nous proposons d'utiliser un modèle d'inversion aléatoire (tirage Monte-Carlo) afin d'intégrer les erreurs de modèle. Une estimation moyenne de la granulométrie en nombre de l'aérosol et une incertitude associée sous forme d'une région de confiance à 95 % est finalement présentée sur quelques mesures réelles.

Une description réaliste des processus physiques du sol, de la végétation, de la couche de neige et de la couche de mélange des lacs et des océans dans les modèles de prévision du temps contribue à l'amélioration des prévisions météorologiques aux échéances allant de l'échelle journalière à l'échelle saisonnière. De plus, les méthodes d'assimilation permettant l'initialisation des variables pronostiques des schémas de surface sont essentielles pour corriger les erreurs accumulées en surface, provenant des forçages et de la modélisation. Je présente dans ce mémoire une synthèse de mes travaux de recherches qui ont porté sur le développement et la validation de schémas de surface pour la prévision numérique du temps ainsi que sur le développement de techniques d'assimilation innovantes pour les surfaces continentales. L'ensemble de ces activités se sont appuyées sur la disponibilité de données d'observations (in-situ et par télédétection) informatives sur les processus modélisés. Je termine en proposant plusieurs pistes à explorer pour la modélisation et l'assimilation des processus de surface pour diverses applications environnementales.

Cette thèse a pour objectif de fournir aux utilisateurs de SMPS (Scanning Mobility Particle Sizer) une méthodologie pour calculer les incertitudes associées à l’estimation de la granulométrie en nombre des aérosols. Le résultat de mesure est le comptage des particules de l’aérosol en fonction du temps. Estimer la granulométrie en nombre de l’aérosol à partir des mesures CNC revient à considérer un problème inverse sous incertitudes.Une revue des modèles existants est présentée dans le premier chapitre. Le modèle physique retenu fait consensus dans le domaine d’application.Dans le deuxième chapitre, un critère pour l’estimation de la granulométrie en nombre qui couple les techniques de régularisation et de la décomposition sur une base d’ondelettes est décrit.La nouveauté des travaux présentés réside dans l’estimation de granulométries présentant à la fois des variations lentes et des variations rapides. L’approche multi-échelle que nous proposons pour la définition du nouveau critère de régularisation permet d’ajuster les poids de la régularisation sur chaque échelle du signal. La méthode est alors comparée avec la régularisation classique. Les résultats montrent que les estimations proposées par la nouvelle méthode sont meilleures (au sens du MSE) que les estimations classiques.Le dernier chapitre de cette thèse traite de la propagation de l’incertitude à travers le modèle d’inversiondes données. C’est une première dans le domaine d’application car aucune incertitude n’est associée actuellement au résultat de mesure. Contrairement à l’approche classique qui utilise un modèle fixe pour l’inversion en faisant porter l’incertitude sur les entrées, nous proposons d’utiliser un modèle d’inversion aléatoire (tirage Monte-Carlo) afin d’intégrer les erreurs de modèle. Une estimation moyenne de la granulométrie en nombre de l’aérosol et une incertitude associée sous forme d’une région de confiance à 95 % est finalement présentée sur quelques mesures réelles. / This thesis aims to provide SMPS (Scanning Mobility Particle Sizer) users with a methodology to compute the uncertainties associated with the estimation of aerosol size distributions. Recovering aerosol size distribution yields to consider an inverse problem under uncertainty.The first chapter of his thesis presents a review of physical models and it shows that competitive theories exist to model the physic.A new criterion that couples regularization techniques and decomposition on a wavelet basis is described in chapter 2 to perform the estimation of the size distribution.Main improvement of this work is brought when size distributions to be estimated show both broad and sharp profiles. The multi-scale approach helps to adjust the weights of the regularization on each scale of the signal. The method is then tested against common regularization and shows better estimates (in terms of the mean square error).Last chapter of this thesis deals with the propagation of the uncertainty through the data inversion process.Results from SMPS measurements are not given with any uncertainty at this time so providing end-users with an uncertainty is already a real improvement. Common approach is to consider a fixed physical model and to model the inputs (particle count) as random. We choose to consider both the physical model as well as the inputs as random to account for the model error. The result is expressed as a mean estimate of the size distribution with a 95% coverage region. The all methodology is finally tested on real measurements.