Pendant la dernière décennie, il y a eu un incrément de la résolution spatiale des observations satellitaires. Cela est notamment dû aux avancées technologiques implémentées sur les satellites. La quantité d'information observée est vaste, et il faut donc identifier des techniques efficaces pour la traiter et pour produire de cartes précises de la dynamique en surface. La mission future SWOT collectera de données d'élévation de surface (SSH) à très haute résolution spatiale : une partie de la dynamique à petites longueurs d'onde, c'est-à-dire, de la sousméso-échelle, sera représentée dans ces observations. Les observations satellitaires servent à réaliser la reconstruction spatiale en surface et aussi à la projeter vers l'intérieur de l'océan et vers des autres variables. La question posée est donc quelles méthodes peuvent fournir ces estimés 3D et multivariés avec une bonne précision à des échelles proches de la sousméso-échelle.Nous nous situons dans ce travail de thèse dans un cadre d'assimilation de données et d'images : l'objectif du travail étant la reconstruction de façon précise de la dynamique dans la couche de surface de l'océan (~500 m) à partir d'observations satellitaires. Pour ce faire, nous implémentons une méthode qui utilise différentes observations en surface à deux étapes d'analyse séparées. Elle consiste d'abord d'une première étape d'assimilation de données qui réalise une correction linéaire de l'écoulement. La deuxième étape se base dans une méthode d'assimilation d'images (Gaultier et al, 2012) dont l'objectif est de bien localiser les structures lagrangiennes obtenues par le calcul des exposants de Lyapunov. Dans le but de fournir des incertitudes associées aux estimés, nous disposons d'une distribution de probabilité d'ébauche qui sera corrigé par notre méthode : (i) la première étape effectue une analyse SEEK pour corriger cette distribution d'ébauche en utilisant une observation d’élévation de SSH; (ii) la deuxième étape minimise une fonction coût en utilisant l'observation d'une image structure et nous obtenons ainsi une distribution de probabilité finale. Les estimés sont projetés dans la dimension verticale en utilisant des EOFs (Empirical Orthogonal Functions) 3D multivariées, de cette sorte nous avons des estimés de variables observées et des variables non-observées (Duran-Moro et al, 2017).La méthode est testée en utilisant des données synthétiques produites par un modèle numérique à haute résolution (~3 km) dans la Mer de Salomon (SOSMOD36). La méthode fournit des résultats positifs : les estimés sont bien reconstruites sur la vertical et aussi concernant les variables non-observées. Dans ce cadre, nous réalisons une évaluation de l'impact de diverses pseudo-observations altimétriques dans la performance de la méthode. Ceci est réalisé par l'implémentation des traces Jason et Envisat sur l'observation de SSH ainsi qu'à partir du simulateur SWOT développé au JPL. Ce dernier est utilisé pour générer des pseudo-observations SWOT ainsi que des erreurs et du bruit prévus pour cette mission. La corrélation significative de ces erreurs a motivé l'application de la technique dans Ruggiero et al, 2016 dans notre analyse. Des simulations à plus haute résolution spatiale (~1 km) récemment produites à partir du modèle numérique NATL60 en Atlantique Nord sont aussi utilisées pour tester la méthode. Cette étude permet d'évaluer la dépendance des résultats avec la variabilité saisonnière de la dynamique aux moyennes latitudes. / During the last decade, high resolution observations have significantly increased mainly due to the strong innovations of satellite technology. The amount of observed information from satellites is large, and it is necessary to identify effective techniques to treat and to generate surface maps of the ocean dynamics. The future SWOT mission will collect sea surface height (SSH) measurements with a high spatial resolution : some dynamics at small wavelengths, which is known as submeso-scale, will be present in these new observations. Satellite observations could be used to carry out a vertical projection into the deeper ocean and to other variables. The question that rises is which methods can be used to carry out a 3D multivariate analysis with a significant precision, especially at meso and submeso-scale.We work here in a data/image assimilation framework : our objective if to reconstruction with good precision the dynamics in the upper oceanic layer (~500 m) using satellite observations. To do so, we implement a two-step method that uses different observations of the sea surface. The first step consist on the SEEK filter which is a data assimilation technique to carry out a first linear correction of the flow. The second step uses an image assimilation method (Gaultier et al , 2012) to correct the location of the main dynamical structure. This main dynamical structure is obtained by the computation of the Lyapunov exponents. A probability approach is applied to provide uncertainties on the estimates at each step. A first probability distribution of a background state is supposed to be known : the two-step method corrects this probability distribution at each step in order to converge towards the real ocean state. The SEEK filter corrects the background probability distribution using a SSH observation. The second step continues this correction towards smaller scales by using an image structure observation. To carry out the vertical projection, an ensemble of 3D multivariate EOFs (Empirical Orthogonal Functions) is used (Duran-Moro et al, 2017).The method is tested using synthetic data generated by a numerical model in the Solomon Sea region (SOSMOD36). The spatial resolution of these simulations is of ~3 km. We evaluate the response of our method in an idealized case study by using pseudo-observations generated from the simulations. The method provides good results and the estimates are corrected also in the vertical and in terms of other variables. A more detailed exploration of the altimetric observation is realized, especially related to future SWOT observations. Errors of SWOT observations have strong spatial correlations and another technique needs to be used in our method : this modification is carried out following work done in Ruggiero et al, 2016. Simulations from another NEMO configuration in the North Atlantic region (NATL60) are also used to evaluate the method. This second test allows us to explore the method in a different latitude of the globe.

The description of the effects of the wind meandering in the scalar dispersion is a challenging task, since this type of flow represents a physical state characterized by multiple scales. In this study, a Lagrangian stochastic diffusion model is derived to describe the scalar transport during the horizontal wind meandering phenomenon, occurring in a PBL. The model is derived from the linearization of the Langevin equation and employs a heuristic functional form, which represents the autocorrelation functions of the meandering. The new solutions, which describe the longitudinal and lateral wind components, were used to simulate two experiments of contaminants dispersion in low-wind conditions, INEL (USA) and GRAZ (Austria). The results of the comparison indicate that the new model reproduces fairly well the observed concentrations of contaminants and, therefore, satisfactorily describes the enhanced dispersion due to the presence of meandering. / Descrever os efeitos provocados pelo meandro do vento na dispersão de escalares é uma tarefa desafiadora, uma vez que este tipo de escoamento representa um estado físico caracterizado por múltiplas escalas. Neste trabalho, deriva-se um modelo estocátisco Lagrangiano para descrever a dispersão de escalares, na camada limite planetária, durante o fenômeno de meandro do vento horizontal. O modelo é derivado a partir da linearização da equação de Langevin e emprega uma forma funcional heurística, que representa as funções de autocorrelação do meandro. As novas soluções, que descrevem as componentes longitudinais e laterais do vento, foram empregadas para simular dois experimentos de dispersão de contaminantes em condições de vento fraco, INEL (USA) e GRAZ (Áustria). Os resultados das comparações indicam que o novo modelo pode ser usado para reproduzir as concentrações observadas de contaminantes e, portanto descreve de forma satisfatória a difusão reforçada provocada pelo meandro do vento.