Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal

This thesis describes an observation function for a dynamic data driven application system designed to produce short range forecasts of the behavior of a wildland fire. The thesis presents an overview of the atmosphere-fire model, which models the complex interactions between the fire and the surrounding weather and the data assimilation module which is responsible for assimilating sensor information into the model. Observation plays an important role in data assimilation as it is used to estimate the model variables at the sensor locations. Also described is the implementation of a portable and user friendly visualization tool which displays the locations of wildfires in the Google Earth virtual globe.

The sea ice extent change and variability of the Canadian Arctic Archipelago (CAA) are quite different compared to the Arctic as a whole due to its unique geographic settings. In this thesis, the sea ice retreat processes, the connection with other Arctic regions, and the linkages to the surface radiation flux in the CAA are examined. The sea ice retreat processes in the CAA follow a four-phase process: a slow ice melt phase that usually lasts until early June (phase 1); a quick melt phase with large daily sea ice extent change which lasts close to half-a-month (phase 2); a slow melt phase that looks like slow sea ice melt or even a small ice increase that lasts another half-a-month (phase 3); and a steady ice decrease phase (phase 4). With the help of Moderate-Resolution Imaging Spectroradiometer (MODIS) data, it is identified that the quick melt in phase 2 is actually melt ponding, with melt ponds being falsely identified as open water by passive microwave. A simplified data assimilation method is then developed to improve the passive microwave sea ice concentration estimation by fusion with MODIS ice surface temperature data. The ice concentration from the analysis is found to improve the original passive microwave sea ice concentration estimation, with the largest improvements during sea ice melt. The sea ice retreat patterns in the CAA region are correlated with the sea ice retreat patterns in other regions of the Arctic. A decision tree classifier is designed to segment the sea ice retreat patterns in the CAA into several classes and classification maps are generated. These maps are effective in identifying the geographic locations that have large changes in the sea ice retreat patterns through the years. The daily progressions of the surface radiation components are described in detail. Due to the lack of multiple reflection, the percentage of shortwave radiation at the top of atmosphere that reaches the surface is influenced by the form of melt ponds over ice surface. The roles that each surface radiation component plays in forcing sea ice retreat are different in different years.

Une modélisation précise du manteau neigeux saisonnier est indispensable pour comprendre son évolution et améliorer la prévention d risque d’avalanche. Le Centre d’Études de la Neige (CEN) développe depuis plus de 20 ans un modèle de manteau neigeux nommé Crocus dédié à simuler son évolution et ses propriétés physiques uniquement à partir de variables météorologiques de surface. Les erreurs du modèle et l’imprécision des forçages météorologiques sont des sources inévitables d’incertitudes dans les prévisions de Crocus.Contraindre le modèle avec des observations peut être un moyen de minimiser l’impact de ces incertitudes dans les simulations. En raison de la faible densité des réseaux de mesures in situ et de la forte variabilité spatiale du manteau neigeux, il est vraisemblable que seule l’imagerie satellitaire puisse permettre une contrainte efficace du modèle. Le spectroradiomètre MODIS,fournissant quotidiennement des informations sur la surface terrestre à une résolution de 250m, est bien adapté pour l’observation du couvert nival. Ce capteur opère dans les domaines du visible et de l’infrarouge où les réflectances mesurées (rapport du flux solaire réfléchi surincident selon les longueurs d’onde) sont sensibles à certaines propriétés du manteau neigeux.Le nouveau schéma radiatif TARTES de Crocus est en mesure de simuler l’évolution de ces réflectances, ce qui ouvre la voie à l’assimilation des réflectances MODIS.L’objectif de la thèse est d’explorer l’assimilation des réflectances MODIS dans le modèle de manteau neigeux Crocus, dans une perspective opérationnelle à moyen terme. Ce projet s’appuie fortement sur l’expertise en modélisation physique et radiative du manteau neigeux et en assimilation de données présente au Centre d’Études de la Neige et au Laboratoire de Glaciologie et Géophysique de l’Environnement à Grenoble.Le projet s’est déroulé en deux étapes pour répondre aux questions suivantes :Les réflectances optiques satellitaires possèdent-elles un contenu informatif capable de contraindre efficacement le modèle Crocus ?Quels sont les obstacles à surmonter pour parvenir à l’assimilation effective des réflectances optiques mesurées par satellites ?Un filtre particulaire est utilisé comme méthode d’assimilation pour évaluer l’apport des réflectances sur les estimations du manteau neigeux en termes de hauteur de neige et son équivalent en eau liquide. Le choix de ce filtre, permis par la petite dimension du problème,est conforté par sa facilité d’implémentation au vu des contraintes fortes du modèle Crocus.Les expériences conduites dans cette étude sont réalisées au niveau du Col du Lautaret et du Col de Porte (Alpes françaises). Des expériences d’assimilation d’observations virtuelles démontrent le potentiel des réflectances spectrales pour guider Crocus dans ses estimations du manteau neigeux. L’erreur quadratique moyenne (RMSE) des variables intégrées de la hauteur de neige et de son équivalent en eau est réduite de près de moitié par l’assimilation des observations. L’efficacité de l’assimilation est cependant fortement dépendante de la distribution temporelle des observations.Des expériences d’assimilation de réflectances réelles mettent en évidence une grande sensibilité des résultats de l’assimilation à la qualité des observations. La conversion et le traitement des données MODIS au sommet de l’atmosphère (TOA) en réflectances de surface sont la cause de fortes incertitudes dans ces données. Les biais occasionnés et une mauvaise caractérisation de ces erreurs détériorent les estimations du manteau neigeux. Le contrôle qualité et la sélection des données satellitaires sont à ce titre une priorité dans la perspective d’assimilation des données satellitaires.Ce travail démontre ainsi le potentiel des données spatiales pour le suivi et la prévision du manteau neigeux, potentiel qu’il conviendra d’exploiter dans un futur proche. / An accurate seasonal snowpack modeling is needed to study its evolution and to improvethe avalanche hazard forecast. For 20 years, the snow study center (CEN) has developed asnowpack model named Crocus to simulate the snow cover and its physical properties drivenby near-surface meteorological conditions. Model and meteorological forcing errors are themain uncertainties in the Crocus forecasts. Constraining the model with observations canminimize the impacts of these uncertainties on simulations. Because of the low density ofground-based measurement networks combined to the high spatial variability of the snowcover, satellite observations should be the best way to constrain the model. The MODISspectroradiometer which provides daily surface information at 250 m spatial resolution isappropriated to study the snow cover. The visible and near-infrared reflectances (definedas the fraction of incident solar flux that is reflected by the surface) measured by MODISare strongly sensitive to physical properties of the snowpack. The radiative transfer modelTARTES, recently implemented into Crocus, calculates the same spectral reflectances and so,opens routes to data assimilation of MODIS reflectances.The aim of this thesis is to investigates the assimilation of the MODIS reflectances into thesnowpack model Crocus in an operational perspective. This work benefits from the expertisein physical and radiative snowpack modeling as well as data assimilation from two laboratoriesof Grenoble, the snow study center and the Laboratory of Glaciology and Geophysics of theEnvironment.The project took place in two steps to answer the following questions:Do MODIS reflectances offer an informative content allowing an efficient constraint ofthe Crocus snowpack model?What are the challenges associated to the assimilation of remotely-based optical reflectances?A particle filter is used as data assimilation scheme to evaluate the ability of opticalreflectance data assimilation to improve snow depth and snow water equivalent simulations.The choice of this filter, allowed by the small size of the problem, is based on its ease ofimplementation regarding the severe constraints of the Crocus model. The experiments wereconducted at the Col du Lautaret and the Col de Porte in the French Alps.The assimilation of synthetic observations demonstrates the potential of spectral reflectancesto constraint the Crocus snowpack model simulations. The root-mean square errors(RMSE) of bulk variables like snow depth and snow water equivalent are reduced by a factorof roughly 2 after assimilation. However, the performance of assimilation is highly dependenton the temporal distribution of the observations.The assimilation of real reflectances shows a high sensitivity to the quality of the assimilatedobservations. Converting MODIS top of atmosphere reflectances into surface reflectancesintroduces uncertainties in these data. Resulting biases and a poor characterization of errorsdeteriorate the estimation of the snowpack. Screening methods prior assimilation are thereforea priority in the prospect of satellite data assimilation.This work demonstrates the potential of remotely-based data assimilation to monitor and forecast the snow cover, potential which should be used in the near future.

Le filtre de Kalman est largement utilisé pour l'assimilation de données en océanographie opérationnelle, notamment dans le cadre de prévisions. Néanmoins, à l'heure où les applications de l'assimilation de données tendent à se diversifier, notamment avec les réanalyses, la formulation tridimensionnelle (3D) du filtre n'utilise pas de façon optimale les observations. L'extension de ces méthodes 3D (filtre) à une formulation 4D (appelés lisseurs), permet de mieux tirer partie des observations en les assimilant de façon rétrograde. Nous étudions dans cette thèse la mise en place et les effets d'un lisseur de rang réduit sur les réanalyses, dans le cadre d'une configuration réaliste de la circulation océanique en Atlantique tropical. Ce travail expose dans un premier temps les aspects sensibles mais nécessaires de l'implémentation du lisseur, avec notamment la paramétrisation des statistiques d'erreur et leur évolution temporelle. Les apports du lissage sur les réanalyses sont ensuite étudiés, en comparant la qualité de la solution lissée par rapport à la solution filtrée. Ces résultats permettent d'exposer les bienfaits d'une assimilation 4D. On observe notamment une diminution de l'erreur globale de environ 15% sur les variables assimilées, ainsi qu'une bonne capacité du lisseur à fournir une solution cohérente avec la dynamique de référence. Ce point est illustré par le rephasage de certaines structures sensibles comme les anneaux du Brésil. Enfin, un cas moins en accord avec la théorie mais plus facile à mettre en pratique (et plus souvent utilisé dans les centres opérationnels), l'interpolation optimale, a permis d'étudier les apports du lissage et ses limites dans une telle configuration. L'évolution temporelle des erreurs pour le lissage s'est ainsi révélée nécessaire pour garder un maximum de cohérence avec les erreurs réelles. Néanmoins, le lisseur montre tout de même des résultats encourageant avec l'interpolation optimale en abaissant le niveau global d'erreur (de 10 à 15%). / The Kalman filter is widely used in data assimilation for operational oceanography, in particular for forecasting problems. Yet, now that data assimilation applications tend to diversify, with reanalysis problems for instance, the three-dimensional (3D) formulation of the filter doesn't allow an optimal use of the observations. The four-dimensional extention of the 3D methods, called smoothers, allows a better use of the observations, assimilating them on a retrospective way. We study in this work the implementation and the effects of a reduced-rank smoother on reanalysis, with a realistic tropical Atlantic ocean circulation model. First we expose some sensitive steps required for the smoother implementation, most notably the covariances evolution parametrisation of the filter. The smoother's benefits for reanalysis are then exposed, compare to a 3D reanalysis. It shows that the global error can be reduced by 15% on assimilated variables (like temperature). The smoother also leads to an analyzed solution dynamically closer to the reference (compare to the filter), as we can observe with phasing of Brazil rings for instance. Finally, we studied a case of smoothing based on optimal interpolation (instead of the filter). This case is inconsistent with the theory but often used in operational centers. Results shows that the smoother can improve the reanalysis solution in an OI case (reducing the global error from 10 to 15%), but still the dynamical evolution of error covariances (filter) are needed to get a correction according with the real error structures.

abstract: Earth-system models describe the interacting components of the climate system and technological systems that affect society, such as communication infrastructures. Data assimilation addresses the challenge of state specification by incorporating system observations into the model estimates. In this research, a particular data assimilation technique called the Local Ensemble Transform Kalman Filter (LETKF) is applied to the ionosphere, which is a domain of practical interest due to its effects on infrastructures that depend on satellite communication and remote sensing. This dissertation consists of three main studies that propose strategies to improve space- weather specification during ionospheric extreme events, but are generally applicable to Earth-system models: Topic I applies the LETKF to estimate ion density with an idealized model of the ionosphere, given noisy synthetic observations of varying sparsity. Results show that the LETKF yields accurate estimates of the ion density field and unobserved components of neutral winds even when the observation density is spatially sparse (2% of grid points) and there is large levels (40%) of Gaussian observation noise. Topic II proposes a targeted observing strategy for data assimilation, which uses the influence matrix diagnostic to target errors in chosen state variables. This strategy is applied in observing system experiments, in which synthetic electron density observations are assimilated with the LETKF into the Thermosphere-Ionosphere- Electrodynamics Global Circulation Model (TIEGCM) during a geomagnetic storm. Results show that assimilating targeted electron density observations yields on average about 60%–80% reduction in electron density error within a 600 km radius of the observed location, compared to 15% reduction obtained with randomly placed vertical profiles. Topic III proposes a methodology to account for systematic model bias arising ifrom errors in parametrized solar and magnetospheric inputs. This strategy is ap- plied with the TIEGCM during a geomagnetic storm, and is used to estimate the spatiotemporal variations of bias in electron density predictions during the transitionary phases of the geomagnetic storm. Results show that this strategy reduces error in 1-hour predictions of electron density by about 35% and 30% in polar regions during the main and relaxation phases of the geomagnetic storm, respectively. / Dissertation/Thesis / Doctoral Dissertation Applied Mathematics 2018

Ce travail porte sur la construction d'un modèle réduit en hydraulique fluviale avec une méthode de décomposition en polynôme du chaos. Ce modèle réduit remplace le modèle direct afin de réduire le coût de calcul lié aux méthodes ensemblistes en quantification d'incertitudes et assimilation de données. Le contexte de l'étude est la prévision des crues et la gestion de la ressource en eau. Ce manuscrit est composé de cinq parties, chacune divisée en chapitres. La première partie présente un état de l'art des travaux en quantification des incertitudes et en assimilation de données dans le domaine de l'hydraulique ainsi que les objectifs de la thèse. On présente le cadre de la prévision des crues, ses enjeux et les outils dont on dispose pour prévoir la dynamique des rivières. On présente notamment la future mission SWOT qui a pour but de mesurer les hauteurs d'eau dans les rivières avec un couverture globale à haute résolution. On précise notamment l'apport de ces mesures et leur complémentarité avec les mesures in-situ. La deuxième partie présente les équations de Saint-Venant, qui décrivent les écoulements dans les rivières, ainsi qu'une discrétisation numérique de ces équations, telle qu'implémentée dans le logiciel Mascaret-1D. Le dernier chapitre de cette partie propose des simplifications des équations de Saint-Venant. La troisième partie de ce manuscrit présente les méthodes de quantification et de réduction des incertitudes. On présente notamment le contexte probabiliste de la quantification d'incertitudes et d'analyse de sensibilité. On propose ensuite de réduire la dimension d'un problème stochastique quand on traite de champs aléatoires. Les méthodes de décomposition en polynômes du chaos sont ensuite présentées. Cette partie dédiée à la méthodologie s'achève par un chapitre consacré à l'assimilation de données ensemblistes et à l'utilisation des modèles réduits dans ce cadre. La quatrième partie de ce manuscrit est dédiée aux résultats. On commence par identifier les sources d'incertitudes en hydraulique que l'on s'attache à quantifier et réduire par la suite. Un article en cours de révision détaille la validation d'un modèle réduit pour les équations de Saint-Venant en régime stationnaire lorsque l'incertitude est majoritairement portée par les coefficients de frottement et le débit à l'amont. On montre que les moments statistiques, la densité de probabilité et la matrice de covariances spatiales pour la hauteur d'eau sont efficacement et précisément estimés à l'aide du modèle réduit dont la construction ne nécessite que quelques dizaines d'intégrations du modèle direct. On met à profit l'utilisation du modèle réduit pour réduire le coût de calcul du filtre de Kalman d'Ensemble dans le cadre d'un exercice d'assimilation de données synthétiques de type SWOT. On s'intéresse précisément à la représentation spatiale de la donnée telle que vue par SWOT: couverture globale du réseau, moyennage spatial entre les pixels observés. On montre notamment qu'à budget de calcul donné les résultats de l'analyse d'assimilation de données qui repose sur l'utilisation du modèle réduit sont meilleurs que ceux obtenus avec le filtre classique. On s'intéresse enfin à la construction du modèle réduit en régime instationnaire. On suppose ici que l'incertitude est liée aux coefficients de frottement. Il s'agit à présent de juger de la nécessité du recalcul des coefficients polynomiaux au fil du temps et des cycles d'assimilation de données. Pour ce travail seul des données in-situ ont été considérées. On suppose dans un deuxième temps que l'incertitude est portée par le débit en amont du réseau, qui est un vecteur temporel. On procède à une décomposition de type Karhunen-Loève pour réduire la taille de l'espace incertain aux trois premiers modes. Nous sommes ainsi en mesure de mener à bien un exercice d'assimilation de données. Pour finir, les conclusions et les perspectives de ce travail sont présentées en cinquième partie. / This work deals with the formulation of a surrogate model for the shallow water equations in fluvial hydraulics with a chaos polynomial expansion. This reduced model is used instead of the direct model to reduce the computational cost of the ensemble methods in uncertainty quantification and data assimilation. The context of the study is the flood forecasting and the management of water resources. This manuscript is composed of five parts, each divided into chapters. The first part presents a state of art of uncertainty quantification and data assimilation in the field of hydraulics as well as the objectives of this thesis. We present the framework of flood forecasting, its stakes and the tools available (numerical and observation) to predict the dynamics of rivers. In particular, we present the SWOT2 mission, which aims to measure the height of water in rivers with global coverage at high resolution. We highlight particularty their contribution and their complementarity with the in-situ measurements. The second part presents the shallow water equations, which describe the flows in the rivers. We are particularly interested in a 1D representation of the equations.We formulate a numerical discretization of these equations, as implemented in the Mascaret software. The last chapter of this part proposes some simplifications of the shallow-water equations. The third part of this manuscript presents the uncertainty quantification and reduced order methods. We present particularly the probabilistic context which makes it possible to define well-defined problem of uncertainty quantification and sensitivity analysis. It is then proposed to reduce the size of a stochastic problem when dealing with random fields in the context of geophysical models. The methods of chaos polynomial expansion are then presented ; we present in particular the different strategies for the computation of the polynomial coefficients. This section devoted to methodology concludes with a chapter devoted to Ensemble based data assimilation (specially the Ensemble Kalman filter) and the use of surrogate models in this framework. The fourth part of this manuscript is dedicated to the results. The first step is to identify the sources of uncertainty in hydraulics that should be quantified and subsequently reduced. An article, in the review state, details the method and the validation of a polynomial surrogate model for shallow water equations in steady state when the uncertainty is mainly carried by the friction coefficients and upstream inflow. The study is conducted on the river Garonne. It is shown that the statistical moments, the probability density and the spatial covariance matrice for the water height are efficiently and precisely estimated using the reduced model whose construction requires only a few tens of integrations of the direct model. The use of the surrogate model is used to reduce the computational cost of the Ensemble Kalman filter in the context of a synthetic SWOT like data assimilation exercise. The aim is to reconstruct the spatialized friction coefficients and the upstream inflow. We are interested precisely in the spatial representation of the data as seen by SWOT : global coverage of the network, spatial averaging between the observed pixels. We show in particular that at the given calculation budget (2500 simulations of the direct model) the results of the data assimilation analysis based on the use of the polynomial surrogate model are better than those obtained with the classical Ensemble Kalman filter. We are then interested in the construction of the reduced model in unsteady conditions. It is assumed initially that the uncertainty is carried with the friction coefficients. It is now necessary to judge the need for the recalculation of polynomial coefficients over time and data assimilation cycles. For this work only ponctual and in-situ data were considered. It is assumed in a second step that the uncertainty is carried by the upstr

Made available in DSpace on 2014-08-20T14:25:46Z (GMT). No. of bitstreams: 1 dissertacao_vinicius_beck.pdf: 4949761 bytes, checksum: c6f13ff7be7f00316975865c6d3cf811 (MD5) Previous issue date: 2013-05-23 / The procedure to combine mathematical models with noise data, in order to improve numerical weather forecasting by statistical methods, is an important and challenging meteorology research field, known as data assimilation. The 3DVAR approach, state of art in data assimilation technique, is applied in this study. The aim of present development is to evaluate the results of the data assimilation from INMET automatic stations and soundings in Southern Region of Brazil in the weather forecasts of the WRF model with data assimilation via 3DVAR method, analyzing in each processed case, if the forecasting reproduces the synoptic scenario observed, with better prediction then the WRF without data assimilation. The specific aim is to evaluate the assimilation procedure of two precipitation events occurred in the year 2012. This study is especially important, because the INMET automatic weather stations data are not transmitted by GTS. Therefore, these data were not assimilated by prediction systems generated by global models, such as GFS, which provides initial and boundary conditions for regional models, such as WRF. The results show that the WRF with data assimilation procedure, reproduces satisfactorily the true synoptic scenario observed in the two cases evaluated and produces better forecasts then WRF without data assimilation. The thermodynamic analysis showed that the WRF with data assimilation producing vertical profiles of air temperature and dew point temperature very close to the observed profiles, with small improvement in prediction as compared with the WRF without assimilation. Additional experiments indicate that data assimilated from other sources, in addition to the INMET automatic weather stations and soundings stations, as well as the increases of horizontal resolution in the integration of the WRF with inclusion of subset, provide significant improvements in weather forecasting fields. / O procedimento de combinar modelos matemáticos com dados imprecisos e que apresentam ruídos, para melhorar a previsão do tempo por método estatístico, constitui uma importante e desafiadora linha de pesquisa em meteorologia, conhecida como assimilação de dados. O método 3DVAR, que é uma das técnicas que representam o estado da arte em assimilação de dados, é aplicado neste estudo. O objetivo do presente trabalho é avaliar os resultados da assimilação dos dados observados das estações automáticas do INMET e de radiossondagens da Região Sul do Brasil na previsão do modelo WRF com assimilação 3DVAR, analisando em cada caso processado, se os prognósticos reproduzem o cenário sinótico observado e melhoram a previsão do WRF sem assimilação. O objetivo específico é avaliar o procedimento de assimilação em dois eventos de precipitação ocorridos no ano de 2012. O estudo é especialmente importante, visto que os dados das estações automáticas do INMET não são transmitidos no GTS; portanto, não são assimilados pelos sistemas de previsões geradas por modelos globais, como o GFS, que proporcionam as condições iniciais e de contorno de modelos regionais, como o WRF. Os resultados mostram que o WRF com assimilação de dados reproduziu satisfatoriamente o cenário sinótico observado nos dois casos analisados e produziu prognósticos melhores do que os do WRF sem assimilação. As análises termodinâmicas mostraram que o WRF com assimilação de dados produziu perfis verticais de temperatura do ar e temperatura do ponto de orvalho bem próximos dos perfis observados, com pequena melhora na previsão em relação ao WRF sem assimilação. Experimentos adicionais indicam que a assimilação de dados de outras fontes, além das estações automáticas do INMET e radiossondagens, bem como o aumento da resolução espacial na integração do WRF com a inclusão de um subdomínio, resultam em melhora significativa na previsão dos campos meteorológicos.

Un modèle de surface continentale (LSM en anglais) est un modèle numérique décrivant les échanges d'eau et d'énergie entre la surface terrestre et l'atmosphère. La physique de la surface de la terre comprend une vaste collection de processus complexes. L'équilibre entre la complexité du modèle et sa résolution, confronté à des limitations de calcul, représente une question fondamentale dans le développement d'un LSM. Les observations des phénomènes étudiés sont nécessaires afin d’adapter la valeur des paramètres du modèle à des variables reproduisant le monde réel. Le processus d'étalonnage consiste en une recherche des paramètres du modèle qui minimisent l’écart entre les résultats du modèle et un ensemble d'observations. Dans ce travail, nous montrons comment l'assimilation variationnelle de données est appliquée aux bilans d'énergie et d'eau du modèle de surface continentale ORCHIDEE afin d’étalonner les paramètres internes du modèle. Cette partie du modèle est appelé SECHIBA. Le logiciel YAO est utilisé pour faciliter la mise en œuvre de l'assimilation variationnelle 4DVAR. Une analyse de sensibilité a été réalisée afin d'identifier les paramètres les plus influents sur la température. Avec la hiérarchie des paramètres obtenue, des expériences jumelles à partir d'observations synthétiques ont été mises en œuvre. Les résultats obtenus suggèrent que l'assimilation de la température de surface a le potentiel d'améliorer les estimations de variables, en ajustant correctement les paramètres de contrôle. Enfin, plusieurs assimilations ont été faites en utilisant des observations de données réelles du site SMOSREX à Toulouse, France. Les expériences faites en utilisant différentes valeurs initiales pour les paramètres, montrent les limites de l'assimilation de la température pour contraindre les paramètres de contrôle. Même si l'estimation des variables est améliorée, ceci est dû à des valeurs finales des paramètres aux limites des intervalles prescrit de la fonction de coût. Afin de parvenir à un minimum, il faudrait permettre aux paramètres de visiter des valeurs irréalistes. Les résultats montrent que SECHIBA ne simule pas correctement simultanément la température et les flux et la relation entre les deux n’est pas toujours cohérente selon le régime (ou les valeurs des paramètres que l’on utilise). Il faut donc travailler sur la physique pour mieux simuler la température. En outre, la sensibilité des paramètres à la température n’est pas toujours suffisante, donnant une fonction de coût plate dans l’espace des paramètres prescrit. Nos résultats montrent que le système d'assimilation mis en place est robuste, puisque les résultats des expériences jumelles sont satisfaisants. Le couplage entre l'hydrologie et la thermodynamique dans SECHIBA doit donc être revu afin d'améliorer l'estimation des variables. Une étude exhaustive de l'erreur des mesures doit être menée afin de récupérer des termes de pondération dans la fonction de coût. Enfin, l'assimilation d'autres variables telles que l'humidité du sol peut maintenant être réalisée afin d'évaluer l'impact sur les performances de l’assimilation. / A land surface model (LSM) is a numerical model describing the exchange of water and energy between the land surface and the atmosphere. Land surface physics includes an extensive collection of complex processes. The balance between model complexity and resolution, subject to computational limitations, represents a fundamental query in the development of a LSM. With the purpose of adapting the value of the model parameters to values that reproduces results in the real world, measurements are necessary in order to compare to our estimations to the real world. The calibration process consists in an optimization of model parameters for a better agreement between model results and a set of observations, reducing the gap between the model and the available measurements. Here we show how variational data assimilation is applied to the energy and water budgets modules of the ORCHIDEE land surface model in order to constrain the model internal parameters. This part of the model is denoted SECHIBA. The adjoint semi-generator software denoted YAO is used as a framework to implement the 4DVAR assimilation. A sensitivity analysis was performed in order to identify the most influent parameters to temperature. With the parameter hierarchy resolved, twin experiments using synthetic observations were implemented for controlling the most sensitive parameters. Results obtained suggest that land surface temperature assimilation has the potential of improving the output estimations by adjusting properly the control parameters. Finally, several assimilations were made using observational meteorology dataset from the SMOSREX site in Toulouse, France. The experiments implemented, using different prior values for the parameters, show the limits of the temperature assimilation to constrain control parameters. Even though variable estimation is slightly improved, this is due to final parameter values are at the edge of a variation interval in the cost function. Effectively reaching a minimum would require allowing the parameters to visit unrealistic values. SECHIBA does not correctly simulates simultaneously temperature and fluxes and the relationship between the two is not always consistent according to the regime (or parameter values that are used). We must therefore work on the physical aspects to better simulate the temperature. Likewise, the parameter sensitivity to temperature is not always sufficient, giving as a result a flat cost function. Our results show that the assimilation system implemented is robust, since performances results in twin experiments are satisfactory. The coupling between the hydrology and the thermodynamics in SECHIBA must be reviewed in order to improve variable estimation. An exhaustive study of the prior errors in the measurements must be conducted in order to retrieve more adapted weighing terms in the cost function. Finally, the assimilation of other variables such as soil moisture should be performed to evaluate the impacts in constraining control parameters

Dans cette thèse, nous concevons et appliquons un système d'assimilation de données pour l'estimation des sources de poussières désertiques à l'échelle régionale. Nous assimilons des données d'épaisseur optique des aérosols à partir de produits satellitaires dans une configuration régionale d'un modèle de circulation générale, couplé à un modèle d'aérosol et à un module de production de poussières. Le vecteur de contrôle dans le système d'assimilation est composé des facteurs de correction pour les émissions obtenues par l'ébauche du module de production de poussières. Nous concentrons nos inversions sur l'Afrique du Nord et la péninsule arabique pour une période d'un an. Nous décrivons le module de production de poussières et le système d'assimilation. Les résultats de l'inversion et la validation par rapport à des mesures indépendantes sont ensuite présentés en détail. Nous poursuivons cette thèse en mettant l'accent sur la sensibilité des émissions de poussières au jeu de données d'observation. Pour cela, nous avons assimilé cinq produits différents d'épaisseur optique d'aérosols dans notre système d'assimilation de données. Nous avons identifié des erreurs systématiques dans le modèle et dans les observations, ainsi que les limites et les avantages de notre approche. Nous avons accordé une attention particulière à la définition des statistiques d'erreur et à la procédure numérique pour calculer les analyses. Nous proposons et mettons en oeuvre un schéma de correction de biais dans l'espace des observations, et nous évaluons sa performance. / In this thesis we design and apply a data assimilation system for the estimation of mineral dust emission fluxes at the regional scale. We assimilate aerosol optical depth retrievals from satellite-borned instruments in a regional configuration of a general circulation model, coupled to an aerosol model and to a dust production module. The control variable in the assimilation system are correction factors for the prior emissions of the dust production module. We focus our inversions over North Africa and the Arabian Peninsula for a one-year period. We describe the dust production module and the assimilation system. The inversion results and the validation against independent measurements is presented in detail. We continue this thesis with a focus on the sensitivity of the inferred dust emissions with respect to the observational dataset assimilated. For this purpose, we have assimilated five different aerosol optical depth retrievals in our data assimilation system. We have identified systematic errors in the model, in the observations and limitations and advantages of our approach. We have given special attention to the definition of the error statistics and the numerical procedure to compute the analyses. We propose and implement a bias correction scheme in the observational space, and we evaluate its performance.