O óxido nitroso (N2O) é o terceiro mais importante gás de efeito estufa. Globalmente, a maior fonte de N2O são os processos de nitrificação e desnitrificação no solo. Cerca de dois terços da emissão do solo ocorrem nos trópicos e aproximadamente 20% são originados nos ecossistemas de florestas tropicais úmidas, como a Floresta Amazônica. O presente estudo envolveu a realização de medidas de perfis verticais de N2O utilizando aviões de pequeno porte desde a superfície até cerca de 4 km sobre duas florestas da região leste e central da Amazônia: Flona Tapajós (2000-2009) e Rebio Cuieiras (2004-2007); e a estimativa dos fluxos de N2O da região entre a costa brasileira e as florestas acima mencionadas utilizando dois métodos de cálculo de fluxo: Método de Integração de Coluna e Modelo de Inversão FLEXPART. As medidas de N2O em escala regional até o presente momento são únicas e representam uma nova abordagem nas emissões nesta escala. Pelos dois métodos, o fluxo calculado entre a costa brasileira e a Rebio Cuieiras apresentou pouca sazonalidade e valor médio de 1,9±1,6 mgN2Om2dia1 para o Método de Integração de Coluna e 2,3±0,9 mgN2Om2dia1 para o Modelo de Inversão Flexpart. Para a região entre a costa e a Flona Tapajós, o Modelo de Inversão - FLEXPART apresentou cerca da metade (0,9±1,7 mgN2Om2dia1) do valor do fluxo de N2O calculado pelo Método de Integração de Coluna (2,0±1,1 mgN2Om2dia1) no mesmo período (2004-2008). Uma provável explicação é a não representatividade de atividades antrópicas pelo modelo de inversão, uma vez que este representou bem uma região menos impactada. As duas regiões estudadas apresentaram emissão de N2O semelhante na estação chuvosa. Pelo Método de Integração de Coluna a região entre a costa e a Flona Tapajós apresentou fluxo de N2O durante a estação seca (1,8±0,9 mgN2Om2dia1) muito próximo do fluxo calculado na estação chuvosa. Encontrou-se uma correlação entre os perfis de N2O ii e CO, traçador de queimadas, sendo esta uma das possíveis causas desta emissão. A taxa CO:N2O encontrada para os 38 perfis amostrados nesta estação foi de 82±69 mol CO:molN2O, cerca de 10 vezes maior que o apresentado em literaturas anteriores. / Nitrous oxide (N2O) is the third most important anthropogenic greenhouse gas. Globally, the main sources of N2O are nitrification and denitrification in soils. About two thirds of the soil emissions occur in the tropics and approximately 20% originate in wet rainforest ecosystems, like the Amazon forest. The work presented here involves aircraft vertical profiles of N2O from the surface to 4 km over two sites in the Eastern and Central Amazon: Tapajós National Forest (2000-2009) and Cuieiras Biologic Reserve (2004-2007), and the estimation of N2O fluxes for regions upwind of these sites using two methods: Column Integration Technique and Inversion Model FLEXPART. To our knowledge, these regional scale N2O measurements in Amazonia are unique and represent a new approach to looking regional scale emissions. For the both methods, the fluxes upwind of Cuieiras Biologic Reserve exhibited little seasonality, and the annual mean was 1.9±1.6 mgN2Om2day1 for the Column Integration Technique and 2.3±0.9 mgN2Om2day1 for Inversion Model - FLEXPART. For fluxes upwind of Tapajós Nacional Forest, the Inversion Model - FLEXPART presented about half (0.9±1.7 mgN2Om2day1) of the Column Integration Technique (2.0±1.1 mgN2Om2day1) for the same period (2004-2008). One reason could be because the inversion model does not consider anthropic activities, once it had a good representation for less impacted area. Both reagions presented similar emission during wet season. By Column Integration Technique, fluxes upwind Tapajós Nacional Forest were similar for dry and wet seasons. The dry season N2O fluxes exhibit significant correlations with CO fluxes, indicating a larger than expected source of N2O from biomass burning. The average CO:N2O ratio for all 38 profiles sampled during the dry season was 82±69 mol CO:molN2O and suggests a larger biomass burning contribution to the global N2O budget than previously reported.

O óxido nitroso (N2O) é o terceiro mais importante gás de efeito estufa. Globalmente, a maior fonte de N2O são os processos de nitrificação e desnitrificação no solo. Cerca de dois terços da emissão do solo ocorrem nos trópicos e aproximadamente 20% são originados nos ecossistemas de florestas tropicais úmidas, como a Floresta Amazônica. O presente estudo envolveu a realização de medidas de perfis verticais de N2O utilizando aviões de pequeno porte desde a superfície até cerca de 4 km sobre duas florestas da região leste e central da Amazônia: Flona Tapajós (2000-2009) e Rebio Cuieiras (2004-2007); e a estimativa dos fluxos de N2O da região entre a costa brasileira e as florestas acima mencionadas utilizando dois métodos de cálculo de fluxo: Método de Integração de Coluna e Modelo de Inversão FLEXPART. As medidas de N2O em escala regional até o presente momento são únicas e representam uma nova abordagem nas emissões nesta escala. Pelos dois métodos, o fluxo calculado entre a costa brasileira e a Rebio Cuieiras apresentou pouca sazonalidade e valor médio de 1,9±1,6 mgN2Om2dia1 para o Método de Integração de Coluna e 2,3±0,9 mgN2Om2dia1 para o Modelo de Inversão Flexpart. Para a região entre a costa e a Flona Tapajós, o Modelo de Inversão - FLEXPART apresentou cerca da metade (0,9±1,7 mgN2Om2dia1) do valor do fluxo de N2O calculado pelo Método de Integração de Coluna (2,0±1,1 mgN2Om2dia1) no mesmo período (2004-2008). Uma provável explicação é a não representatividade de atividades antrópicas pelo modelo de inversão, uma vez que este representou bem uma região menos impactada. As duas regiões estudadas apresentaram emissão de N2O semelhante na estação chuvosa. Pelo Método de Integração de Coluna a região entre a costa e a Flona Tapajós apresentou fluxo de N2O durante a estação seca (1,8±0,9 mgN2Om2dia1) muito próximo do fluxo calculado na estação chuvosa. Encontrou-se uma correlação entre os perfis de N2O ii e CO, traçador de queimadas, sendo esta uma das possíveis causas desta emissão. A taxa CO:N2O encontrada para os 38 perfis amostrados nesta estação foi de 82±69 mol CO:molN2O, cerca de 10 vezes maior que o apresentado em literaturas anteriores. / Nitrous oxide (N2O) is the third most important anthropogenic greenhouse gas. Globally, the main sources of N2O are nitrification and denitrification in soils. About two thirds of the soil emissions occur in the tropics and approximately 20% originate in wet rainforest ecosystems, like the Amazon forest. The work presented here involves aircraft vertical profiles of N2O from the surface to 4 km over two sites in the Eastern and Central Amazon: Tapajós National Forest (2000-2009) and Cuieiras Biologic Reserve (2004-2007), and the estimation of N2O fluxes for regions upwind of these sites using two methods: Column Integration Technique and Inversion Model FLEXPART. To our knowledge, these regional scale N2O measurements in Amazonia are unique and represent a new approach to looking regional scale emissions. For the both methods, the fluxes upwind of Cuieiras Biologic Reserve exhibited little seasonality, and the annual mean was 1.9±1.6 mgN2Om2day1 for the Column Integration Technique and 2.3±0.9 mgN2Om2day1 for Inversion Model - FLEXPART. For fluxes upwind of Tapajós Nacional Forest, the Inversion Model - FLEXPART presented about half (0.9±1.7 mgN2Om2day1) of the Column Integration Technique (2.0±1.1 mgN2Om2day1) for the same period (2004-2008). One reason could be because the inversion model does not consider anthropic activities, once it had a good representation for less impacted area. Both reagions presented similar emission during wet season. By Column Integration Technique, fluxes upwind Tapajós Nacional Forest were similar for dry and wet seasons. The dry season N2O fluxes exhibit significant correlations with CO fluxes, indicating a larger than expected source of N2O from biomass burning. The average CO:N2O ratio for all 38 profiles sampled during the dry season was 82±69 mol CO:molN2O and suggests a larger biomass burning contribution to the global N2O budget than previously reported.

En théorie de la commande, un modèle du système est généralement utilisé pour construire la loi de commande et assurer ses performances. Les équations mathématiques qui représentent le système à contrôler sont utilisées pour assurer que le contrôleur associé va stabiliser la boucle fermée. Mais, en pratique, le système réel s’écarte du comportement théorique modélisé. Des non-linéarités ou des dynamiques rapides peuvent être négligées, les paramètres sont parfois difficiles à estimer, des perturbations non maitrisables restent non modélisées. L’approche proposée dans ce travail repose en partie sur la connaissance du système à piloter par l’utilisation d’un modèle analytique mais aussi sur l’utilisation de données expérimentales hors ligne ou en ligne. A chaque pas de temps la valeur de la commande qui amène au mieux le système vers un objectif choisi a priori, est le résultat d’un algorithme qui minimise une fonction de coût ou maximise une récompense. Au centre de la technique développée, il y a l’utilisation d’un modèle numérique de comportement du système qui se présente sous la forme d’une fonction de prédiction tabulée ayant en entrée un n-uplet de l’espace joint entrées/état ou entrées/sorties du système. Cette base de connaissance permet l’extraction d’une sous-partie de l’ensemble des possibilités des valeurs prédites à partir d’une sous-partie du vecteur d’entrée de la table. Par exemple, pour une valeur de l’état, on pourra obtenir toutes les possibilités d’états futurs à un pas de temps, fonction des valeurs applicables de commande. Basé sur des travaux antérieurs ayant montré la viabilité du concept en entrées/état, de nouveaux développements ont été proposés. Le modèle de prédiction est initialisé en utilisant au mieux la connaissance a priori du système. Il est ensuite amélioré par un algorithme d’apprentissage simple basé sur l’erreur entre données mesurées et données prédites. Deux approches sont utilisées : la première est basée sur le modèle d’état (comme dans les travaux antérieurs mais appliquée à des systèmes plus complexes), la deuxième est basée sur un modèle entrée-sortie. La valeur de commande qui permet de rapprocher au mieux la sortie prédite dans l’ensemble des possibilités atteignables de la sortie ou de l’état désiré, est trouvée par un algorithme d’optimisation. Afin de valider les différents éléments proposés, cette commande a été mise en œuvre sur différentes applications. Une expérimentation réelle sur un quadricoptère et des essais réels de suivi de trajectoire sur un véhicule électrique du laboratoire montrent sacapacité et son efficacité sur des systèmes complexes et rapides. D’autres résultats en simulation permettent d’élargir l’étude de ses performances. Dans le cadre d’un projet partenarial, l’algorithme a également montré sa capacité à servir d’estimateur d’état dans la reconstruction de la vitesse mécanique d’une machine asynchrone à partir des signaux électriques. Pour cela, la vitesse mécanique a été considérée comme l’entrée du système. / In classical control theory, the control law is generally built, based on the theoretical model of the system. That means that the mathematical equations representing the system dynamics are used to stabilize the closed loop. But in practice, the actual system differs from the theory, for example, the nonlinearity, the varied parameters and the unknown disturbances of the system. The proposed approach in this work is based on the knowledge of the plant system by using not only the analytical model but also the experimental data. The input values stabilizing the system on open loop, that minimize a cost function, for example, the distance between the desired output and the predicted output, or maximize a reward function are calculated by an optimal algorithm. The key idea of this approach is to use a numerical behavior model of the system as a prediction function on the joint state and input spaces or input-output spaces to find the controller’s output. To do this, a new non-linear control concept is proposed, based on an existing controller that uses a prediction map built on the state-space. The prediction model is initialized by using the best knowledge a priori of the system. It is then improved by using a learning algorithm based on the sensors’ data. Two types of prediction map are employed: the first one is based on the state-space model; the second one is represented by an input-output model. The output of the controller, that minimizes the error between the predicted output from the prediction model and the desired output, will be found using optimal algorithm. The application of the proposed controller has been made on various systems. Some real experiments for quadricopter, some actual tests for the electrical vehicle Zoé show its ability and efficiency to complex and fast systems. Other the results in simulation are tested in order to investigate and study the performance of the proposed controller. This approach is also used to estimate the rotor speed of the induction machine by considering the rotor speed as the input of the system.