This PhD study focusses on the use of MEdium Resolution Imaging Spectrometer (MERIS) data for reliable and quantitative water-quality assessment of optically-complex waters (lake, brackish and coastal waters). The thesis is divided into two parts: A. intercalibration of reflectance measurements in different optically-complex water bodies (Paper I), and validation of various satellite processing algorithms for the coastal zone (Paper II). B. Applications: the use of MERIS data in integrated coastal zone management mostly using Himmerfjärden bay as an example. Himmerfjärden bay is one of the most frequently monitored coastal areas in the world and it is also the recipient of a large urban sewage treatment plant, where a number of full-scale nutrient management experiments have been conducted to evaluate the ecological changes due to changes in nutrient schemes in the sewage plant. Paper I describes the development and assessment of a new hyperspectral handheld radiometer for in situ sampling and validation of remote sensing reflectance.  The instrument is assessed in comparison with readily available radiometers that are commonly used in validation. Paper II has a focus on the validation of level 2 reflectance and water products derived from MERIS data. It highlights the importance of calibration and validation activities, and the current accuracy and limitations of satellite products in the coastal zone.  Bio-optical in situ data is highlighted as one of the key components for assessing the reliability of current and future satellite missions. Besides suspended particulate matter (SPM), the standard MERIS products have shown to be insufficient to assure data quality retrieval for Baltic Sea waters. Alternative processors and methods such as those assessed and developed in this thesis therefore will have to be put in place in order to secure the success of future operational missions, such as Sentinel-3. The two presented manuscripts in the applied part B of the thesis (paper III and IV), showed examples on the combined use of in situ measurements with optical remote sensing to support water quality monitoring programs by using turbidity and suspended particulate matter as coastal indicators (manuscript III). The article also provides  a new turbidity algorithm for the Baltic Sea and a robust and cost-efficient method for research and management.  A novel approach to improve the quality of the satellite-derived products in the coastal zone was demonstrated in manuscript IV. The analysis included, the correction for adjacency effects from land and an improved pixel quality screening.  The thesis provides the first detailed spatio-temporal description of the evolution of phytoplankton blooms in Himmerfjärden bay  using quality-assured MERIS data, thus forwarding our understanding of ecological processes in in Swedish coastal waters. It must be noted that monitoring from space is not a trivial matter in these optically-complex waters dominated by the absorption of coloured dissolved organic matter (CDOM). These types of coastal waters are especially challenging for quantitative assessment from space due to their low reflectance.  Papers III and IV thus also provide tools for a more versatile use in other coastal waters that are not as optically-complex as the highly absorbing Baltic Sea waters. The benefits of the increased spatial-temporal data coverage by optical remote sensing were presented, and also compared to in situ sampling methods (using chlorophyll-a as indicator). / <p>Research funders:</p><p>European Space Agency (ESA, contract no.21524/08/I-OL)</p><p>NordForsk funding: Nord AquaRemS Ref. no. 80106</p><p>NordForsk funding:  NordBaltRemS Ref.no. 42041</p><p>At the time of the doctoral defense, the following papers were unpublished and had a status as follows: Paper 3: Manuscript. Paper 4: Manuscript.</p>

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.

L'acquisition de paramètres marins à partir des données spatiales de la couleur de l'eau nécessite l'élimination de la contribution de l'atmosphère au signal mesuré par le capteur. En effet, la majorité du rayonnement solaire mesuré par les instruments optiques dans les longueurs d'ondes qui intéressent la couleur de l'eau provient de la diffusion par les molécules de l'air et les aérosols atmosphériques. L'élimination de la contribution de l'atmosphère est appelée correction atmosphérique (CA). Pour les eaux claires, les méthodes de CA supposent une réflectance marine nulle dans le proche infra-rouge (PIR). Ceci permet d'estimer la réflectane de l'atmosphère et de l'extrapoler vers les bandes du visible, et donc de déterminer le signal marin qui contient les informations sur les propriétés optiques des eaux marines. Cette hypothèse n'est cependant pas vérifiée pour les eaux turbides, qui représentent la quasi totalité des eaux côtières. Par conséquent, de nombreux algorithmes de CA ont été développés pour les eaux côtières incluant des hypothèses alternatives. L'objectif de ce travail de thèse est de valider et d'améliorer ces méthodes de CA pour les images MODIS Aqua. Pour cela, diverses approches de CA développées pour les eaux cotières ont été comparées et validées : (1) l'algorithme standard de la NASA, (2) le "NIR Similary spectrum algorithm" qui inclut des hypothèes d'homogénéité spatiale des réflectances marines et atmosphériques, (3) l'algorithme qui utilise les bandes dans l'infrarouge moyen pour la CA dans les eaux très turbides, et (4) un algorithme utilisant un réseau de neurones artificiels. L'exercice de validation à partir de données in situ, et en fonction des types d'eaux, a permis d'identifier différentes pistes d'amélioration pour l'estimation du signal marin. L'un d'entre elles comprend l'utilisation de relations spectrales pour forcer les modèles de réflectances marines utilisés par les algorithmes CA pour estimer le signal marin dans le PIR. Des modifications ont été apportées aux modèles de réflectances marines de l'algorithme standard de la NASA et du "NIR Similarity spectrum algorithm". Chacun des modèles a été forcé avec des relations spectrales préalablement validées grâce à des données globales. Une étude de sensibilité et une validation de ces algorithmes modifiés à partir de données MODIS-Aqua dans la Manhe Orientale/Mer du Nord et la Guyane Française ont démontré que les modifications suggérées amélioraient les estimations du signal marin dans les eaux côtières optiquement complexes. / To acquire marine parameters from remote sensing ocean color data, the sensor-measured signal needs to be corrected for the atmospheric contribution. Indeed, the solar radiation reflected by air molecules and atmospheric aerosols is significant in the sensor bands of interest for ocean color applications. The removal of the atmospheric contribution is called the atmospheric correction (AC). In open ocean waters, the AC relies on the assumption that the water is totally absorbent in the near infrared (NIR) part of the spectral region, allowing to retrieve the atmospheric contribution and to extrapolate it to the visible spectral range, and thus to determine the marine signal that contains the information on the optical properties of seawaters. However, this assumption is not valid in highly productive and turbid coastal waters. Hence, AC approaches for coastal waters need to rely on alternative assumptions. This Ph. D. thesis has as main objective to validate and improve these AC methods developed for contrasted coastal waters, with a focus on MODIS Aqua images. First, a validation and comparison of existing AC methods, relying on diverse assumptions and methods, is performed. Therefore, four commonly used AC methods are selected, (1) the standard NIR AC approach of NASA, (2) the NIR similarity spectrum AC approach including assumptions of spatial homogeneity in the water and aerosol reflectance, (3) the switching algorithm using the short wave infrared bands for AC in highly turbid waters, (4) an Artificial Neural Network algorithm. With the help of a validation exercise based on in situ data and as a function of the water type, several areas of improvement are delineated, including the use of spectral relationships to constrain NIR-modelling schemes. Modified NIR-modelling schemes are suggested for the standard NASA and NIR similarity spectrum AC methods. Both are forced with globally valid spectral relationships. Sensitivity studies and validation exercises, using MODIS-Aqua images in the Eastern English Channel/North Sea and French Guiana waters, are conducted showing that the suggested modified NIR-modelling schemes improve the estimations of the marine signal in contrasted coastal waters.