An important goal in modern weather prediction is to improve short-term weather forecasts, especially of severe weather and precipitation. However, the ability to achieve this goal is hindered by the lack of timely and accurate observations of atmospheric water vapour, which is one of the most poorly measured and least understood constituents of the Earth's atmosphere due to its high temporal and spatial variability. This situation is being addressed by the Global Positioning System (GPS) technology. GPS radio signals are slowed and bent by changes in temperature, pressure and water vapour in the atmosphere. Traditionally, the GPS signal propagation delay is considered a nuisance parameter that is an impediment to obtaining precise coordinates using GPS. Recent development in GPS precise positioning and orbit determination has enabled the atmospheric parameters to be determined to a high degree of accuracy on a routine basis, using continuous tracking data from ground-based GPS receivers. The aim of this research is to address several critical scientific challenges in estimating the atmospheric water vapour content in near-real-time (NRT) in Australia. Contributions are made to the field of GPS meteorology in the following five areas: First of all, research efforts were made to develop a technical platform for the ground-based GPS meteorology studies and demonstration of GPS Precipitable Water Vapour (PWV) estimation using observations from Australian Regional GPS Networks (ARGN). Methods of estimation of water vapour from GPS and radiosonde data have been developed and tested. GAMIT-based GPS data processing strategies and compare analysis with radiosonde water vapour solutions from the Australia Upper Air Network (AUAN) were undertaken, providing an effective technical basis for further studies. Secondly, the research has developed techniques to allow estimation of atmospheric water vapour from GPS data and surface meteorological observations collected around the GPS sites. Ideally a dedicated meteorological sensor is installed adjacent to the GPS antenna. However, meteorological sensors are normally not installed at most Australian GPS stations. Installing a new meteorological sensor at each GPS station would involve additional cost at the level of one-third or half of the geodetic GPS receiver cost. We have experimentally developed and demonstrated interpolation methods for making use of hourly collected surface meteorological data from the Australian Automatic Weather Station (AWS) network operated by the Bureau of Meteorology (BOM) to estimate atmospheric water vapour. Thirdly, the research has studied ocean tidal loading and its effects on GPS derived precipitable water vapour estimates. The periodic motion of the Earth's surface due to ocean loading is one of the largest periodic motions. However, very little work has been done to quantify their effects on GPS-derived solutions at the GPS sites in the Australian region surrounded by ocean waters. The research presents the theoretical analysis and experimental results from the ARGN network, focusing on ocean loading and its effects on GPS derived precipitable water vapour estimates. The fourth important effort was the development of techniques for estimating highrate Slant Water Vapour (SWV) values for future operational meteorological applications in Australia, including addressing such issues as slant-path delay recovery from post-fit double-difference residuals, and overcoming site multipath effects. The experimental results have demonstrated the efficiency of the proposed methods. Finally, in order to address the meteorological applications with the existing and anticipated GPS reference stations in the Australian region, and measure the atmospheric water vapour content in near-real-time, the technical issues to implement NRT GPS water vapour estimation were identified and discussed, including the data requirements for meteorological and climate applications, NRT data processing and quality control procedures for GPS orbits. The experimental GPS PWV results from NRT and post data processing are compared and presented.

Raman spectroscopy, together with multivariate statistical analyses, has proven to be a near real-time analytical technique capable of phenotyping cells, tissues and organs. This dissertation will show exclusively the application of the Raman spectroscopy phenotypic profiling method to; (i) microbial toxicity, (ii) ex-vivo organ perfusion, and (iii) subcellular location targeting. Real-time analytical methods for monitoring living biological systems will enable study of the physiological changes associated with growth, genetic manipulations, and adverse environmental conditions. Most existing analytical methods (NMR exempt), though highly accurate, must be performed off-line and most require destruction of the studied sample. These attributes make these methodologies less desirable to the study of physiological changes of cells, tissues, and organs. In this work, Raman spectroscopy has been identified and shown to be a good candidate for real-time analysis mainly because it can be performed: (i) in near real-time, (ii) non-destructively and with minimal sample preparation, (iii) through a glass barrier (i.e., can be performed in situ), and (iv) with minimal spectral interference from water. Here, Raman spectroscopy was used in combination with multivariate statistics to analyze the differing toxic effects of 4-C chain alcohols on E. coli. Good correlations were established between Raman spectra and off-line analytical techniques used to measure: (i) saturated, unsaturated, and cyclopropane fatty acids; (ii) amino acid composition of total protein; and (iii) cell membrane fluidity. Also, Raman 'fingerprint' analysis was used to discriminate among different phenotypic responses of cells. In addition, this methodology was applied to analyze perfusates of organs maintained by the VasoWave® organ perfusion system. Raman fingerprints can be used to assess organ health, and it is believed this data can be used to inform decisions such as whether or not to transplant an organ. Finally, molecular biology techniques were used to design and produce specific protein targets harboring a silver binding domain fusion, which upon release migrate to specific subcellular locations. By employing the related technique of surface-enhanced Raman scattering (SERS), which produces a highly amplified Raman signal in the presence of metallic nanoparticle substrates (e.g., silver nanoparticles), different regions of the E. coli cell structure were studied. The target regions studied by the technique included: (i) outer cell membrane, (ii) periplasm, and the (iii) cytoplasm. / Ph. D.

Un système d'aide à la décision (SIAD) est un système d'information qui assiste lesdécideurs impliqués dans les processus de décision complexes. Les SIAD modernesont besoin d'exploiter, en plus de données numériques et symboliques, des donnéeshétérogènes (données texte, données multimédia, ...) et provenant de sources diverses(comme le Web). Nous qualifions ces données complexes. Les entrepôts dedonnées forment habituellement le socle des SIAD. Ils permettent d'intégrer des données provenant de diverses sources pour appuyer le processus décisionnel. Cependant, l'avènement de données complexes impose une nouvelle vision de l'entreposagedes données, y compris de l'intégration des données, de leur stockage et de leuranalyse. En outre, les exigences d'aujourd'hui imposent l'intégration des donnéescomplexes presque en temps réel, pour remplacer le processus ETL traditionnel(Extraction, Transformation et chargement). Le traitement en temps réel exige unprocessus ETL plus actif. Les tâches d'intégration doivent réagir d'une façon intelligente, c'est-à-dire d'une façon active et autonome pour s'adapter aux changementsrencontrés dans l'environnement d'intégration des données, notamment au niveaudes sources de données.Dans cette thèse, nous proposons des solutions originales pour l'intégration dedonnées complexes en temps réel, de façon active et autonome. En eet, nous avons conçu une approche générique basé sur des métadonnées, orientée services et orienté évènements pour l'intégration des données complexes. Pour prendre en charge lacomplexité des données, notre approche stocke les données complexes à l'aide d'unformat unie en utilisant une approche base sur les métadonnées et XML. Nous noustraitons également la distribution de données et leur l'interopérabilité en utilisantune approche orientée services. Par ailleurs, pour considérer le temps réel, notreapproche stocke non seulement des données intégrées dans un référentiel unie,mais présente des fonctions d'intégration des données a la volée. Nous appliquonségalement une approche orientée services pour observer les changements de donnéespertinentes en temps réel. En outre, l'idée d'intégration des données complexes defaçon active et autonome, nous proposons une méthode de fouille dans les évènements.Pour cela, nous proposons un algorithme incrémentiel base sur XML pourla fouille des règles d'association a partir d’évènements. Ensuite, nous denissonsdes règles actives a l'aide des données provenant de la fouille d'évènements an deréactiver les tâches d'intégration.Pour valider notre approche d'intégration de données complexes, nous avons développé une plateforme logicielle, à savoir AX-InCoDa ((Active XML-based frameworkfor Integrating Complex Data). AX-InCoDa est une application Web implémenté à l'aide d'outils open source. Elle exploite les standards du Web (comme les services Web et XML) et le XML actif pour traiter la complexité et les exigences temps réel. Pour explorer les évènements stockés dans base d'évènement, nous avons proposons une méthode de fouille d'évènements an d'assurer leur autogestion.AX-InCoDa est enrichi de règles actives L'ecacite d'AX-InCoDa est illustrée par une étude de cas sur des données médicales. En, la performance de notre algorithme de fouille d'évènements est démontrée expérimentalement. / A decision support system (DSS) is an information system that supports decisionmakers involved in complex decision-making processes. Modern DSSs needto exploit data that are not only numerical or symbolic, but also heterogeneouslystructured (e.g., text and multimedia data) and coming from various sources (e.g,the Web). We term such data complex data. Data warehouses are casually usedas the basis of such DSSs. They help integrate data from a variety of sourcesto support decision-making. However, the advent of complex data imposes anothervision of data warehousing including data integration, data storage and dataanalysis. Moreover, today's requirements impose integrating complex data in nearreal-time rather than with traditional snapshot and batch ETL (Extraction, Transformationand Loading). Real-time and near real-time processing requires a moreactive ETL process. Data integration tasks must react in an intelligent, i.e., activeand autonomous way, to encountered changes in the data integration environment,especially data sources.In this dissertation, we propose novel solutions for complex data integration innear real-time, actively and autonomously. We indeed provide a generic metadatabased,service-oriented and event-driven approach for integrating complex data.To address data complexity issues, our approach stores heterogeneous data into aunied format using a metadata-based approach and XML. We also tackle datadistribution and interoperability using a service-oriented approach. Moreover, toaddress near real-time requirements, our approach stores not only integrated datainto a unied repository, but also functions to integrate data on-the-y. We also apply a service-oriented approach to track relevant data changes in near real-time.Furthermore, the idea of integrating complex data actively and autonomously revolvesaround mining logged events of data integration environment. For this sake,we propose an incremental XML-based algorithm for mining association rules fromlogged events. Then, we de ne active rules upon mined data to reactivate integrationtasks.To validate our approach for managing complex data integration, we develop ahigh-level software framework, namely AX-InCoDa (Active XML-based frameworkfor Integrating Complex Data). AX-InCoDa is implemented as Web application usingopen-source tools. It exploits Web standards (e.g., XML and Web services) andActive XML to handle complexity issues and near real-time requirements. Besidewarehousing logged events into an event repository to be mined for self-managingpurposes, AX-InCoDa is enriched with active rules. AX-InCoDa's feasibility is illustratedby a healthcare case study. Finally, the performance of our incremental eventmining algorithm is experimentally demonstrated.

Les BTEX est une famille de polluants très répandue en air intérieur. Ils présentent des effets nocifs sur la santé humaine à des faibles concentrations ce qui a emmené le législateur à fixer des seuils afin de limiter l'exposition des gens. L'objectif de ce travail de recherche est de développer et de mettre en place une méthode analytique sensible, précise et rapide basée sur un dispositif de mesure. Le dispositif ainsi mis en place est un chromatographe en phase gazeuse miniaturisé équipé d'un mini détecteur à photo ionisation dédié à la détection des BTEX en temps quasi-réel. Le système analytique est très portable ayant une consommation gazeuse très faible assurant une autonomie élevée sur de longues durées. Son mode de fonctionnement se base sur l'échantillonnage de l'air dans une boucle connecté à une vanne six voies. L'injection de l'échantillon sur une colonne analytique placée dans un four pour la séparation est assurée par le changement de la position de la vanne avant la détection par photo ionisation. Le nouveau dispositif miniaturisé a été déployé lors de deux campagnes intensives menées dans un collège énergétiquement performant. Cette étude a porté sur la surveillance temporelle de la concentration des polluants présents en air intérieur, y compris les BTEX. Les résultats ainsi obtenus pour les BTEX avec notre dispositif ont été comparés à ceux fournis par d'autres techniques dites techniques de référence. Ces campagnes de terrain ont permis donc de valider les performances analytiques, la robustesse et l'autonomie de cette nouvelle méthodologie. / BTEX are very widespread indoor air pollutants. Their harmful effects on human health had led the legislator to set thresholds in order to limit the population exposure. The aim of this thesis is to develop a sensitive, accurate and fast analytical method based on a measurement device. Therefore, the device implemented is a miniaturized gas chromatography (GC) equipped with a mini photo ionization detector dedicated to BTEX detection in indoor air in near-real time. The miniaturized GC is very portable with a very low gas consumption which enhances its autonomy over a long period. Its operation mode is based on air sampling inside a sample loop which is connected to a six port valve. The injection over a heated analytical column is ensured by switching the valve position before detection by a photo ionization detector. This novel device was used in real conditions during two field campaigns conducted in an energy efficient college. This study focused on the temporal monitoring of indoor air pollutant concentrations including BTEX. The results obtained with our miniaturized device for BTEX were compared to those given by other techniques known as reference techniques. These field campaigns have therefore enabled us to validate the analytical performances, the robustness and the autonomy of this novel analytical method.

Le suivi des variables biophysiques à l’échelle globale sur de longues périodes de temps est essentiellepour répondre aux nouveaux enjeux que constituent le changement climatique et la sécurité alimentaire. L’indice foliaire (LAI) est une variable de structure définissant la surface d’interception du rayonnement incident et d’échanges gazeux avec l’atmosphère. Le LAI est donc une variable importante des modèles d’écosystèmes et a d’ailleurs été reconnue comme variable climatique essentielle (ECV). Cette thèse a pour objectif de fournir des estimations globales et continues de LAI à partir d’observations satellitaires en temps quasi-réel en réponse aux besoins des utilisateurs pour fournir des diagnostiques et pronostiques de l’état et du fonctionnement de la végétation. Quelques produits LAI sont déjà disponibles mais montrent des désaccords et des limitations en termes de cohérence et de continuité. Cette thèse a pour objectif de lever ces limitations. Dans un premier temps, on essaiera de mieux définir la nature des estimations de LAI à partir d’observations satellitaires. Puis, différentes méthodes de lissage te bouchage des séries temporelles ont été analysées pour réduire le bruit et les discontinuités principalement liées à la couverture nuageuse. Finalement quelques méthodes d’estimation temps quasi réel ont été évaluées en considérant le niveau de bruit et les données manquantes.Les résultats obtenus dans la première partie de cette thèse montrent que la LAI effectif et bien mieux estimé que la valeur réelle de LAI du fait de l’agrégation des feuilles observée au niveau du couvert. L’utilisation d’observations multidirectionnelles n’améliore que marginalement les performances d’estimation. L’étude montre également que les performances d’estimation optimales sont obtenues quand les solutions sont recherchées à l’intérieur d’une enveloppe définie par l’incertitude associée aux mesures radiométriques. Dans la deuxième partie consacrée à l’amélioration de la continuité et la cohérence des séries temporelles, les méthodes basées sur une fenêtre temporelle locale mais de largeur dépendant du nombre d’observations présentes, et utilisant la climatologie comme information a priori s’avèrent les plus intéressantes autorisant également l’estimation en temps quasi réel. / Monitoring biophysical variables at a global scale over long time periods is vital to address the climatechange and food security challenges. Leaf Area Index (LAI) is a structure variable giving a measure of the canopysurface for radiation interception and canopy-atmosphere interactions. LAI is an important variable in manyecosystem models and it has been recognized as an Essential Climate Variable. This thesis aims to provide globaland continuous estimates of LAI from satellite observations in near-real time according to user requirements to beused for diagnostic and prognostic evaluations of vegetation state and functioning. There are already someavailable LAI products which show however some important discrepancies in terms of magnitude and somelimitations in terms of continuity and consistency. This thesis addresses these important issues. First, the nature ofthe LAI estimated from these satellite observations was investigated to address the existing differences in thedefinition of products. Then, different temporal smoothing and gap filling methods were analyzed to reduce noiseand discontinuities in the time series mainly due to cloud cover. Finally, different methods for near real timeestimation of LAI were evaluated. Such comparison assessment as a function of the level of noise and gaps werelacking for LAI.Results achieved within the first part of the thesis show that the effective LAI is more accurately retrievedfrom satellite data than the actual LAI due to leaf clumping in the canopies. Further, the study has demonstratedthat multi-view observations provide only marginal improvements on LAI retrieval. The study also found that foroptimal retrievals the size of the uncertainty envelope over a set of possible solutions to be approximately equal tothat in the reflectance measurements. The results achieved in the second part of the thesis found the method withlocally adaptive temporal window, depending on amount of available observations and Climatology as backgroundestimation to be more robust to noise and missing data for smoothing, gap-filling and near real time estimationswith satellite time series.