L'humidité du sol (SM) contrôle les bilans d’eau et d’énergie des surfaces continentales et joue ainsi un rôle clé dans les domaines de la météorologie, l'hydrologie et l'écologie. La communauté scientifique en télédétection micro-ondes a fait des efforts considérables pour établir des bases de données globales de l’humidité du sol en surface (SSM) découlant d'instruments micro-ondes actifs et passifs. Parmi ces instruments, SMOS (Soil Moisture and Ocean Salinity), lancé en 2009, est le premier satellite passif conçu spécifiquement pour mesurer SSM à partir d’observations en bande L (1.4 GHz) à l'échelle globale. La validation des données SMOS SSM sur différentes régions climatiques et pour des conditions environnementales variées est une étape indispensable avant qu’elles soient utilisées de manière opérationnelle. En effet, une meilleure connaissance de la précision des estimations de SSM et des incertitudes associées permettra non seulement d'améliorer les produits SMOS SSM, mais aussi d'optimiser les approches de fusion de données utilisées pour créer des produits multi-capteurs long terme. De tels produits sont développés dans le cadre du programme Climate Change Initiative (CCI) de l'Agence spatiale européenne (ESA) pour l’ensemble des variables climatiques essentielles (ECV), dont SSM. A la suite des chapitres d'introduction I à III, les résultats de cette thèse sont présentés en trois chapitres. Le chapitre IV présente une comparaison des produits SSM issus des capteurs passifs SMOS (bande L) et AMSR-E (bande C) en prenant pour référence les estimations SSM du système d'assimilation SM-DAS-2 du Centre Européen pour les Prévisions Météorologiques à Moyen Terme (CEPMMT). Cette évaluation est menée sur la période d’observation commune à SMOS et AMSR-E (2010- 2011), en utilisant des indicateurs classiques (corrélation, RMSD, Biais). En parallèle, le chapitre V présente une comparaison des produits SMOS SSM avec les produits SSM issus du capteur actif ASCAT en bande C en utilisant comme référence les simulations SSM d’un modèle des surfaces continentales (MERRA-Land), et en utilisant des indicateurs classiques, des méthodes statistiques avancées (triple collocation), et des diagrammes de Hovmöller sur la période 2010-2012. Ces deux évaluations ont montré que la densité de la végétation (paramétrée ici par l’indice foliaire LAI) est un facteur clé pour interpréter la cohérence entre le produit SMOS et les produits AMSR-E et ASCAT. Cet effet de la végétation a été quantifié pour la première fois à l’échelle globale pour les trois capteurs micro-ondes. Ces deux chapitres ont également montré que les trois capteurs SMOS, AMSR-E et ASCAT ont des performances complémentaires selon la densité de végétation et qu’il y a ainsi un potentiel intéressant en terme de fusion des jeux de données micro-ondes passifs et actifs. Dans le chapitre VI, avec l’objectif général d’étendre vers le passé les séries de données SSM de SMOSL3 et de développer un jeu de données SSM homogène sur 2003-2014, nous avons évalué l’utilisation d’une approche de régression linéaire multiple appliquée aux mesures de températures de brillance de AMSR-E (2003 - 2011). Les coefficients de régression ont été calibrés avec les produits SSM issus de SMOS sur 2010-2011. Le produit SSM résultant, qui fusionne les observations SMOS et AMSR-E, a été évalué par comparaison avec un produit SSM AMSR-E et les produits SSM MERRA-Land sur 2007-2009. Ces résultats préliminaires montrent que la méthode de régression linéaire est une approche simple et robuste pour construire un produit SSM réaliste en termes de variations temporelles et de valeurs absolues. En conclusion, cette thèse a montré que le potentiel de synergie entre les systèmes micro-ondes passifs (AMSR-E et SMOS) et actifs (ASCAT) est très prometteur pour le développement et l'amélioration de longues séries temporelles SSM à l'échelle mondiale, telles que celles produites dans le cadre du programme CCI de l'ESA. / Soil moisture (SM) plays a key role in meteorology, hydrology, and ecology as it controls the evolution of various hydrological and energy balance processes. The community of scientists involved in the field of microwave remote sensing has made considerable efforts to build accurate estimates of surface SM (SSM), and global SSM datasets derived from active and passive microwave instruments have recently become available. Among them, SMOS (Soil Moisture and Ocean Salinity), launched in 2009, was the first ever passive satellite specifically designed to measure the SSM, at L-band (1.4 GHz), at the global scale. Validation of the SMOS SSM datasets over different climatic regions and environmental conditions is extremely important and a necessary step before they can be used. A better knowledge of the skill and uncertainties of the SSM retrievals will help not only to improve the individual products, but also to optimize the fusion schemes required to create long-term multi-sensor products, like the essential climate variable (ECV) SSM product generated within the European Space Agency’s (ESA's) Climate Change Initiative (CCI) program. After the introductory Chapters I to III, this dissertation consists of three main parts. Chap. IV of the dissertation evaluates the passive SMOS level 3 (SMOSL3) SSM products at L-band against the passive AMSR-E SSM at C-band by comparing them with a Land Data Assimilation System estimates (SM-DAS-2) produced by the European Centre for Medium Range Weather Forecasts (ECMWF). This was achieved over the common period 2010-2011 between SMOS and AMSR-E, using classical metrics (Correlation, RMSD, and Bias). In parallel, Chap. V of the dissertation evaluates the passive SMOSL3 products against the active ASCAT SSM at C-band by comparing them with land surface model simulations (MERRA-Land) using classical metrics, advanced statistical methods (triple collocation), and the Hovmöller diagram over the period 2010-2012. These two evaluations indicated that vegetation density (parameterized here by the leaf area index LAI) is a key factor to interpret the consistency between SMOS and the other remotely sensed products. This effect of the vegetation has been quantified for the first time at the global scale for the three microwave sensors. These two chapters also showed that both SMOS and ASCAT (AMSR-E) had complementary performances and, thus, have a potential for datasets fusion into long-term SSM records. In Chap. VI of the dissertation, with the general purpose to extend back the SMOSL3 SSM time series and to produce an homogeneous SM product over 2003-2014 based on SMOS and AMSR-E, we investigated the use of a multiple linear regression model based on bi-polarization (horizontal and vertical) brightness temperatures (TB) observations obtained from AMSR-E (2003 - 2011). The regression coefficients were calibrated using SMOSL3 SSM as a reference over the 2010-2011 period. The resulting merged SSM dataset was evaluated against an AMSR-E SSM retrievals and modelled SSM products (MERRA-Land) over 2007-2009. These first results show that the multi-linear regression method is a robust and simple approach to produce a realistic SSM product in terms of temporal variation and absolute values. In conclusion, this PhD showed that the potential synergy between the passive (AMSR-E and SMOS) and active (ASCAT) microwave systems at global scale is very promising for the development of improved, long-term SSM time series at global scale, such as those pursued by the ESA’s CCI program. It also provides new ideas on the way to merge the different SSM datasets with the aim of producing the CCI (phase 2) long-term series (a coherent "SMOS-AMSR-E" SSM time series for the period 2003 -2014), that will be evaluated further in the framework of on-going ESA projects.

L'objectif principal de cette thèse est de comprendre le fonctionnement d'un écosystème semi-aride, en développant des méthodologies permettant de combiner des mesures satellites optique et micro-onde et un modèle semi-empirique pour estimer l'évapotranspiration et sa dynamique saisonnière dans une région semi-aride (plaine de Kairouan). L'estimation de cette dernière nécessite une bonne description de la dynamique du couvert végétal et un suivi du stock d'eau dans le sol. Pour se faire, une analyse de la dynamique de la végétation est faite sur la base de la série temporelle SPOT VEGETATION de 1998 à 2010. Pour appréhender le comportement de la végétation face à des fréquentes périodes de sècheresse, une analyse fractale est developpée pour étudier la persistance du couvert végétal. Un nouvel indice statistique VAI " Vegetation Anomaly Index " décrivant l'état du stress hydrique de la végétation a été proposé. Cet indice quantitatif permet de décrire à l'échelle mensuelle l'état de la végétation. Plusieurs approches de validation sont mises en œuvre pour montrer la performance de cet indice. En termes de suivi du stock d'eau dans le sol, l'analyse est basée sur des produits d'humidité (IPF Université de Vienne) des diffusiomètres spatiaux ERS et ASCAT/METOP. Ces produits ont été validés sur notre site d'étude via deux approches différentes. Un indice de sécheresse a été proposé à partir de la longue série de produits d'humidité qui couvre vingt années (de 1991 à 2010). L'indice proposé MAI " Moisture Anomaly Index " est basé sur une analyse des anomalies des variabilités temporelles des stocks d'eau dans le sol, estimées par les satellites ERS et ASCAT/METOP. Une analyse comparative avec d'autres indices de sécheresse, particulièrement le SPI " Standardized Precipitation Index " est faite pour mettre en évidence la performance de cet indice. Ces informations tirées à partir des deux séries temporelles optiques et micro-ondes sont ensuite intégrées dans un modèle simple et opérationnel, le modèle FAO-56 (approche double coefficient culturale) pour la cartographie de l'évapotranspiration réelle journalière. Une validation de cette approche est proposée en confrontant les résultats avec des sorties d'un modèle SVAT : ISBA-A-gs.