Les discontinuités sont préjudiciables à la pérennité des structures en béton. Les méthodes non-destructives sont bien développées pour l’étude des altérations en surface, mais peu de techniques sont adaptées à la caractérisation de défauts dans la masse. Dans cette thèse, des mesures de résistivité électrique sont réalisées pour l’étude des discontinuités (fissures, joints, interfaces) au sein des ouvrages massifs en béton par l’intermédiaire des forages préexistants. La technique utilisée est la diagraphie électrique de résistivité en dispositif normal. Une première approche numérique (éléments finis) permet d’appréhender les corrections à apporter sur les mesures. Puis l’étude des paramètres d'ouverture, de contraste entre la résistivité de la discontinuité et du béton, et d'extension permet de proposer une méthode d’inversion des mesures pour la caractérisation de l’endommagement. Des essais sur des ouvrages hydrauliques sont réalisés afin de définir la méthodologie de mesure sur site. Les mesures sont ensuite confrontées à la méthode d’inversion pour la valider. / Discontinuities are one of the most harmful damage to the durability of concrete structures. The non-destructive methods appear to be effective for the detection and the location of surface cracks but they might be unsuitable for investigation of massive concrete body. In this thesis, the electrical resistivity measurements are made for the study of cracks and discontinuities (concrete joints, interfaces ...) in massive concrete structures by preexisting boreholes. The study is based on a first numerical approach (finite elements) to understand the corrections on data. Then the study of the aperture, the resistivity contrast between the discontinuity and the concrete, and the extension provide a method for the inversion of measures to characterize the damage. The tests on hydraulic structures are carried out to define the methodology for on measurement site. The measurements are then compared to the inversion method to validate it.

Dans les problèmes inverses en imagerie, on suppose généralement connu l’opérateur ou matrice décrivant le système de formation de l’image. De façon équivalente pour un système linéaire, on suppose connue sa réponse impulsionnelle. Toutefois, ceci n’est pas une hypothèse réaliste pour de nombreuses applications pratiques pour lesquelles cet opérateur n’est en fait pas connu (ou n’est connu qu’approximativement). On a alors affaire à un problème d’inversion dite “aveugle”. Dans le cas de systèmes invariants par translation, on parle de “déconvolution aveugle” car à la fois l’image ou objet de départ et la réponse impulsionnelle doivent être estimées à partir de la seule image observée qui résulte d’une convolution et est affectée d’erreurs de mesure. Ce problème est notoirement difficile et pour pallier les ambiguïtés et les instabilités numériques inhérentes à ce type d’inversions, il faut recourir à des informations ou contraintes supplémentaires, telles que la positivité qui s’est avérée un levier de stabilisation puissant dans les problèmes d’imagerie non aveugle. La thèse propose de nouveaux algorithmes d’inversion aveugle dans un cadre discret ou discrétisé, en supposant que l’image inconnue, la matrice à inverser et les données sont positives. Le problème est formulé comme un problème d’optimisation (non convexe) où le terme d’attache aux données à minimiser, modélisant soit le cas de données de type Poisson (divergence de Kullback-Leibler) ou affectées de bruit gaussien (moindres carrés), est augmenté par des termes de pénalité sur les inconnues du problème. La stratégie d’optimisation consiste en des ajustements alternés de l’image à reconstruire et de la matrice à inverser qui sont de type multiplicatif et résultent de la minimisation de fonctions coût “surrogées” valables dans le cas positif. Le cadre assez général permet d’utiliser plusieurs types de pénalités, y compris sur la variation totale (lissée) de l’image. Une normalisation éventuelle de la réponse impulsionnelle ou de la matrice est également prévue à chaque itération. Des résultats de convergence pour ces algorithmes sont établis dans la thèse, tant en ce qui concerne la décroissance des fonctions coût que la convergence de la suite des itérés vers un point stationnaire. La méthodologie proposée est validée avec succès par des simulations numériques relatives à différentes applications telle que la déconvolution aveugle d'images en astronomie, la factorisation en matrices positives pour l’imagerie hyperspectrale et la déconvolution de densités en statistique. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished

L'inversion conjointe géophysique est la méthode la plus efficace pour imager l'intérieur de la Terre. En intégrant plusieurs techniques géophysiques elle permet de réduire les incertitudes inhérentes à chacune et ainsi améliorer la compréhension de la Terre. Dans cette étude, nous utilisons les techniques des fonctions récepteur (RF) en sismologie, de la magnétotellurique (MT) et de la gravimétrie qui permettent de caractériser respectivement la vitesse des ondes S, la résistivité électrique et la densité du sous-sol.Le but de ce travail de recherche se divise en deux parties: une première, méthodologique, sur le développement d'une nouvelle approche d'inversion conjointe en 3D et une deuxième avec l'application de ces techniques (en approche jointe ou séparée) sur la Divergence Nord Tanzanienne pour mieux comprendre le phénomène de rupture continentale. Pour la partie méthodologie deux approches ont été développées : une entre les données de MT et de gravimétrie avec un calcul original de l'effet gravimétrique de la topographie qui permet de réduire le nombre de mailles tout en gardant une résolution satisfaisante ; et une deuxième méthode entre les données de MT et de RF par une nouvelle approche d'extrapolation des modèles 1D de vitesse en pseudo modèle 3D de vitesse. L'application de ces techniques sur la Tanzanie a permis de mettre en évidence un certain nombre de structures lithosphériques dont deux zones majeures à faible vitesse dans la croûte inférieure et dans le manteau supérieur. Cette dernière semble refléter des interactions entre des structures héritées d'âge protérozoïque et le panache mantellique Africain. / Geophysical joint inversion attempts to reproduce as best as possible the interior of the Earth. By integrating several geophysical techniques the joint inversion reduces the uncertainties of each methods and improves our understanding of the Earth structure. In this study we use the receiver functions (RF), the magnetotelluric (MT) and the gravity methods which enable to charaterize the Swave velocity, the electrical resistivity and the density, respectively. The objective of this research work is divided in two parts; first with the development of a new 3D joint inversion approach and then with the application of these methods (on a joint or separate approach) on the North Tanzanian Divergence to better understand the continental breakup.For the methodologic part two approaches have been developed; one between the MT and gravity data with an original computation of the topographic effect which decreases the number of cells while keeping a satisfaying resolution. And a second method between the MT and RF data where pseudo 3D velocity model are created and combined with the MT models to better takes into account the physical properties of the receiver function. The application of these methods on the Tanzania highlighted several lithospheric structures and particularly two low-velocity areas in the lower crust and the upper mantle. This latter suggests interactions with Proterozoic inherited structures and the African plume material.

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.

京都大学 / 0048 / 新制・課程博士 / 博士(理学) / 甲第21579号 / 理博第4486号 / 新制||理||1644(附属図書館) / 京都大学大学院理学研究科地球惑星科学専攻 / (主査)教授 橋口 浩之, 教授 塩谷 雅人, 教授 秋友 和典 / 学位規則第4条第1項該当 / Doctor of Science / Kyoto University / DGAM

We have performed 3D ambient noise tomography of the Bohemian Massif. We invert adopted inter-station dispersion curves of both Love and Rayleigh waves in periods 4-20 s, which were extracted from ambient noise cross-correlations, using a two-step approach. In the first step, the inter-station dispersion curves are localized for each period into the so-called dispersion maps. To account for finite-frequency effects, gradient method employing Fréchet kernels is used. Assuming membrane wave approximation of the surface wave propagation at each period, the kernels were calculated using the adjoint method. To reduce the effect of data noise, the kernels were regularized by Gaussian smoothing. The proper level of regularization is assessed on synthetic tests. In the second step, the phase-velocity dispersion maps are inverted into a 3D S-wave velocity model using the Bayesian approach. The posterior probability density function describing the solution is sampled by more than one million models obtained by Monte-Carlo approach (parallel tempering). The calculated variance of the model shows that the well resolved part corresponds to the upper crust (i.e., upper 20 km). The mean velocity model contains mainly large scale structures that show good correlation with the main geologic domains of the Bohemian...

En 2003 des mesures au spectromètre IR à Transformée de Fourier (FTIR) ont permis d'identifier et de mesurer les COV émis par la décharge à ciel ouvert de la Gabarre, principale de l'île Guadeloupe, située entre une zone urbaine et une mangrove. Ces COV ont été retrouvés (2004) la nuit dans les cités, justifiant les plaintes des riverains. Dans le cadre de cette thèse, des mesures au spectromètre de masse portatif MS 200 ont validé ces résultats du FTIR. De nouvelles mesures au MS 200 ont été menées dans toute la zone de la décharge. Les cités concernées étant à l'opposé du flux synoptique d'Alizés-Est, les facteurs météorologiques permettant la dispersion et le transport des COV de la décharge vers la zone urbaine ont été recherchés. La diminution nocturne de l'intensité des Alizés au dessus de l'ile peut laisser place à des phénomènes locaux tels les brises. L'idée d'une brise terre-mer a été éliminée. Un maillage autou~ de la décharge (cités et mangrove) avec 8 thermomètres a révélé un îlot de chaleur urbain nocturnegénérant une brise thermique d'environ Ims- I (mesurée et calculée). Avec les radiosondages Météo France et un SODAR installé dans la décharge, une très forte stabilité dans les basses couches atmosphériques de la couche limite nocturne avec une inversion de surface d'environ 120mvv apparait. Ces facteurs expliquent la pollution des cités par les COV de la décharge, Un modèlevGaussien en tenant compte a été validé par les mesures de COV.vCette étude peut être étendue à d'autres décharges à ciel ouvert et à d'autres types de traitement de polluants de décharge. / In 2003, the VOC emissions coming from "La Gabarre", the main open landfill in Guadeloupe, located in-between an urban area and a mangrove, were identified and quantified with a portable FTIR spectrometer. In 2004, COVs found at nighttime in the urban area nearby confirmed why residents complain about. As part of this thesis, portable mass spectrometer MS 200 measurements validated these FTIR figures. New systematic SM measurements have been carried on around the landfill. Since the polluted urban area stands on the opposite way of the East Trade winds synoptic flux, aIl the weather factors likely to scatter and transport the dump COVs were scrutinized. At night, the strength of the Trade winds decreases over Guadeloupe, which may give way to local phenomena such as breezes. The occurrence of land/sea breeze was eliminated. A close surveying surrounding the landfill with 8 thermometers both in the projects and in the mangrove revealed an urban heat island causing thermal breezes of about lms-l (measured and calculated). Using soundings from Meteo France, and a SODAR inside the dump, we found a great stability of the night boundary layer with a surface inversion near 120m. Pollution of the nearby urban area with landfill COVs is elucidatcd by the above factors. A transport Gaussian model is in agreement with COV measurements. This study can be extended to different open landfills and different types of polluting matters processes in dumps

Ce travail de thèse porte sur l'étude et le développement de stratégies innovantes pour la résolution, basée sur l'utilisation de la simulation et de la théorie de l'apprentissage statistique, de problèmes inverses dans le domaine contrôle non destructif (CND) par méthodes électromagnétiques. L’approche générale adoptée consiste à estimer un ensemble des paramètres inconnus, constituant un sous-ensemble des paramètres décrivant le scénario de contrôle étudié. Dans les cas de CND, les trois applications classiquement visées sont la détection, la localisation et la caractérisation de défauts localisés dans le matériau inspecté. Ce travail concerne d’une part la localisation et la caractérisation des fissures et d’autre part l'estimation de certains paramètres de sonde difficiles à maîtriser ou inconnus. Dans la littérature, de nombreuses méthodes permettant de remonter aux paramètres inconnus ont été étudiées. Les approches d'optimisation standard sont basées sur la minimisation d'une fonction de coût, décrivant l'écart entre les mesures et les données simulées avec un solveur numérique. Les algorithmes les plus répandus se fondent sur des approches itératives déterministes ou stochastiques. Cette thèse considère le problème de l'estimation de paramètres inconnus dans une perspective d'apprentissage statistique/automatique. L’approche supervisée adoptée est connue sous le nom de d’apprentissage par l'exemple (LBE en anglais). Elle se compose d’une première phase, dite hors ligne, pendant laquelle un « modèle inverse » est construit sur la base de la connaissance d’un ensemble de couples entrée/sortie connu, appelé ensemble d’entraînement. Une fois la phase d’apprentissage terminée et le modèle généré, le modèle est utilisé dans une phase dite en ligne pour prédire des sorties inconnues (les paramètres d'intérêt) en fonction de nouvelles entrées (signaux CND mesurés appartenant à un second ensemble dit de test) en temps quasi-réel. Lorsqu’on considère des situations pratiques d'inspection, en raison du grand nombre de variables impliquées, la création d'un modèle précis et robuste n’est pas une tâche triviale (problème connu comme la malédiction de la dimensionnalité). Grâce à une étude approfondie et systématique, l’approche développée dans cette thèse a conduit à la mise en place de différentes solutions capables d’atteindre une bonne précision dans l’estimation des paramètres inversés tout en conservant de très bonnes performances en temps de calcul. Le schéma LBE proposé dans cette thèse a été testé avec succès sur un ensemble des cas réels, en utilisant à la fois des données synthétiques bruitées et des mesures expérimentales. / The research activity of the PhD thesis focuses on the study and development of innovative strategies for the solution of inverse problems arising in the field of Non-Destructive Testing and Evaluation (NDT-NDE), based on the use of statistical learning theory. Generally speaking, the objective of the optimization stage is the retrieval of the unknown parameters within the studied electromagnetic scenario. In the case of NDT-NDE, the optimization problem, in terms of parameters to estimate, is divided into three stages, namely detection, localization and characterization. This work mainly addresses localization and characterization of crack(s) and/or estimation of probe(s) parameters. Unknown parameters, constituting a subset of the parameters set describing the electromagnetic scenario, are robustly estimated using several approaches. Standard optimization approaches are based on the minimization, by means of iterative approaches like stochastic and/or deterministic algorithms, of a cost function describing the discrepancy between measurements and prediction. This thesis considers the estimation problem in a machine learning perspective, adopting well known Learning-By-Example (LBE) paradigm. In a so-called offline phase, a surrogate inverse model is first fitted on a set of known input/output couples, generated through numerical simulations. Then, in a so-called online phase, the model predicts unknown outputs (the parameters of interest) based on new inputs (measured NDT signals) in quasi-real time. When considering practical inspection situations, due to the large number of variables involved (known as curse of dimensionality), obtaining an accurate and robust model is not a trivial task. This thesis carries out a deep and systematic study of different strategies and solutions to achieve simultaneously good accuracy and computational time efficiency in the parameters estimation. Moreover, a particular emphasis is put on the different approaches adopted for mitigating the curse of dimensionality issue. The proposed LBE schema has been tested with success on a wide set of practical problems, using both synthetic noisy data and experimental measurements.

Une meilleure connaissance des variations saisonnières et interannuelles du cycle du carbone dans en Amazonie est essentielle afin de comprendre le rôle de cet écosystème dans le changement climatique. La modélisation atmosphérique inverse est un outil puissant pour estimer ces variations, en exploitant l'information sur la distribution spatiale et temporelle des flux de CO2 en surface contenue dans des observations de CO2 atmosphériques. Néanmoins, la confiance en les estimations des flux en Amazonie obtenues à partir des systèmes d'inversion mondiale est faible du fait du manque d'observations dans cette région.Dans ce contexte, j'ai d'abord analysé en détail les estimations de l'échange net de CO2 entre la biosphère et l'atmosphère (NEE) générées par deux inversions mondiales pour la période 2002 — 2010. Ces deux inversions ont assimilé des données provenant du réseau mondial d'observation du CO2 atmosphérique hors de l’Amérique du Sud, et une d'elles a assimilé des observations de quatre stations de surface en Amazonie, qui n'ont jamais été exploitées dans les études d'inversion précédentes. J'ai montré que dans une inversion mondiale les observations de stations loin d'Amazonie et les observations locales contrôlaient la NEE. Pourtant, les résultats ont révélé des structures à très grande échelle peu réalistes. L'analyse a confirmé le manque de stations en Amazonie pour fournir des estimations fiables, et les limites des systèmes d’inversion mondiale avec des modèles à très basse résolution.J'ai donc ensuite évalué l'apport de l'utilisation du modèle atmosphérique régional BRAMS, par rapport à celle du système mondial de prévision météorologique ECMWF, pour le forçage météorologique du modèle de transport atmosphérique CHIMERE simulant le CO2 en Amérique du Sud à haute résolution (~35 km). J'ai simulé le CO2 avec les deux modèles de transport―CHIMERE-BRAMS et CHIMERE-ECMWF. J'ai évalué ces simulations avec les profils verticaux de mesures aéroportées, en analysant les mesures individuelles et les gradients horizontaux de CO2 calculés entre paires de stations dans le sens du vent, à différentes altitudes ou intégrés sur la verticale. Les deux modèles de transport ont simulé les observations de CO2 avec une performance similaire, mais j'ai trouvé une importante incertitude sur les modèles de transport. Les mesures individuelles et les gradients horizontaux ont été surtout sensibles à la NEE, mais aussi, pendant la saison sèche, aux émissions des feux de biomasse (EFIRE). J'ai trouvé que l'assimilation des gradients horizontaux était plus approprié pour les inversions que celle des mesures individuelles, étant donné que les premiers ont été moins sensibles au signal associé aux flux hors de l'Amérique du Sud et à l'incertitude sur le modèle de transport en altitude.Finalement, j'ai développé deux systèmes d'inversion régionale pour l'Amérique du Sud tropicale avec les deux modèles de transport, et j'ai lancé des inversions avec quatre types de vecteurs d'observation: de mesures individuelles et gradients horizontaux sur cinq niveaux verticaux, à la surface, ou de gradients horizontaux intégrés sur la verticale. J'ai trouvé une forte dépendance des estimations des bilans régionaux et sub-régionaux de NEE et EFIRE au modèle de transport, ainsi qu'au vecteur d'observation. Les inversions assimilant des gradients horizontaux ont séparé mieux les signaux de NEE et EFIRE. Cependant, les grandes incertitudes sur les flux inversés ont réduit la confiance en ces estimations. Par conséquent, si mon étude n'a pas amélioré la connaissance des variations saisonnières et interannuelles de la NEE en Amazonie, elle a montré les besoins d'amélioration de la modélisation du transport dans la région et de la stratégie de modélisation inverse, du moins à travers une définition du vecteur d'observation appropriée qui prenne en compte les caractéristiques des données disponibles, et les limitations des modèles de transport actuels. / A better knowledge of the seasonal and inter-annual variations of the Amazon carbon cycle is critical to understand the influence of this terrestrial ecosystem on climate change. Atmospheric inverse modeling is a powerful tool to estimate these variations by extracting the information on the spatio-temporal patterns of surface CO2 fluxes contained in observations of atmospheric CO2. However, the confidence in the Amazon flux estimates obtained from global inversion frameworks is low, given the scarcity of observations in this region.In this context, I started by analyzing in detail the Amazon net ecosystem exchange (NEE) inferred with two global inversions over the period 2002 — 2010. Both inversions assimilated data from the global observation network outside Amazonia, and one of them also assimilated data from four stations in Amazonia that had not been used in previous inversion efforts. I demonstrated that in a global inversion the observations from sites distant from Amazonia, as well as local observations, controlled the NEE inferred through the inversion. The inferred fluxes revealed large-scale structures likely not consistent with the actual NEE in Amazonia. This analysis confirmed the lack of observation sites in Amazonia to provide reliable flux estimates, and exposed the limitations of global frameworks, using low-resolution models to quantify regional fluxes. This limitations justified developing a regional approach.Then I evaluated the benefit of the regional atmospheric model BRAMS, relative to the global forecast system ECMWF, when both models provided the meteorological fields to drive the atmospheric transport model CHIMERE to simulate CO2 transport in tropical South America at high resolution (~35 km). I simulated the CO2 distribution with both transport models―CHIMERE-BRAMS and CHIMERE-ECMWF. I evaluated the model simulations with aircraft measurements in vertical profiles, analyzing the concentrations associated to the individual measurements, but also with horizontal gradients along wind direction between pairs of sites at different altitudes, or vertically integrated. Both transport models simulated the CO2 observations with similar performance, but I found a strong impact of the uncertainty in the transport models. Both individual measurements and horizontal gradients were most sensitive to NEE, but also to biomass burning CO2 emissions (EFIRE) in the dry season. I found that horizontal gradients were more suitable for inversions than individual measurements, since the former were less sensitive fluxes outside South America and further decreased the impact of the transport model uncertainty in altitude.Finally, I developed two analytical regional inversion systems for tropical South America, driven with CHIMERE-BRAMS and CHIMERE-ECMWF, and made inversions with four observation vectors: individual concentration measurements and horizontal gradients at five vertical levels, close to the surface, or horizontal gradients vertically integrated. I found a strong dependency of the inverted regional and sub-regional NEE and EFIRE emissions budgets on both the transport model and the observation vector. Inversions with gradients yielded a better separation of NEE and EFIRE signals. However, the large uncertainties in the inverted fluxes, did not yield high confidence in the estimates. Therefore, even though my study did not improve the knowledge of seasonal and year-to-year variations of the NEE in Amazonia, it demonstrated need of further efforts to improve transport modeling in the region and the inverse modeling strategy, at least through a careful definition of the observation vector that accounts for the characteristics of the available data, and the limitations of the current transport models.

[pt] A inversão sísmica é uma etapa essencial na modelagem e caracterização de reservatórios que permite a estimativa de propriedades da subsuperfície a partir dos dados de reflexão sísmica. os métodos convencionais usualmente possuem um alto custo computacional ou apresentam problemas relativos à não-linearidade e à forte ambiguidade do modelo de inversão sísmica. Recentemente, com a generalizaçãodo aprendizado de máquina na geofísica, novos métodos de inversão sísmica surgiram baseados nas técnicas de aprendizado profundo. Entretanto, a aplicação prática desses métodos é limitada devido a ausência de uma abordagem probabilística capaz de lidar com as incertezas inerentes ao problema da inversão sísmica e/ou a necessidade de dados de treinamento completos e representativos. Para superar essas limitações, um novo método é proposto para inverter dados de reflexão sísmica diretamente para modelos da subsuperfície de alta resolução. O método proposto explora a capacidade das redes neurais convolucionais em extrair representações significativas e complexas de dados espacialmente estruturados, combinada à simulação estocástica geoestatística. Em abordagem auto-supervisionada, modelos físicos são incorporados no sistema de inversão com o objetivo de potencializar o uso das medições indiretas e imprecisas, mas amplamente distribuídas do método sísmico. As realizações geradas com simulação geoestatística fornecem informações adicionais com maior resolução espacial do que a originalmente encontrada nos dados sísmicos. Quando utilizadas como entrada do sistema de inversão, elas permitem a geração de múltiplos modelos alternativos da subsuperfície. Em resumo, o método proposto é capaz de: (1) quantificar as incertezas das previsões, (2) modelar a relação complexa e não-linear entre os dados observados e o modelo da subsuperfície, (3) estender a largura de banda sísmica nas extremidades baixa e alta do espectro de parâmetros de frequência, e (4) diminuir a necessidade de dados de treinamento anotados. A metodologia proposta é inicialmente descrita no domínio acústico para inverter modelos de impedância acústica a partir de dados sísmicos pós-empilhados. Em seguida, a metodologia é generalizada para o domínio elástico para inverter a partir de dados sísmicos pré-empilhados modelos de velocidade da onda P, da velocidade da onda S e de densidade. Em seguida, a metodologia proposta é estendida para a inversão sísmica petrofísica em um fluxo de trabalho simultâneo. O método foi validado em um caso sintético e aplicado com sucesso a um caso tridimensional de um reservatório brasileiro real. Os modelos invertidos são comparados àqueles obtidos a partir de uma inversão sísmica geoestatística iterativa. A metodologia proposta permite obter modelos similares, mas tem a vantagem de gerar soluções alternativas em maior número, permitindo explorar de forma mais efetiva o espaço de parâmetros do modelo quando comparada à inversão sísmica geoestatística iterativa. / [en] Seismic inversion allows the prediction of subsurface properties from seismic reflection data and is a key step in reservoir modeling and characterization. Traditional seismic inversion methods usually come with a high computational cost or suffer from issues concerning the non-linearity and the strong non-uniqueness of the seismic inversion model. With the generalization of machine learning in geophysics, deep learning methods have been proposed as efficient seismic inversion methods. However, most of them lack a probabilistic approach to deal with the uncertainties inherent in the seismic inversion problems and/or rely on complete and representative training data, which is often scarcely available. To overcome these limitations, we introduce a novel seismic inversion method that explores the ability of deep convolutional neural networks to extract meaningful and complex representations from spatially structured data, combined with geostatistical stochastic simulation to efficiently invert seismicn reflection data directly for high-resolution subsurface models. Our method incorporates physics constraints, sparse direct measurements, and leverages the use of imprecise but widely distributed indirect measurements as represented by the seismic data. The geostatistical realizations provide additional information with higher spatial resolution than the original seismic data. When used as input to our inversion system, they allow the generation of multiple possible outcomes for the uncertain model. Our approach is fully unsupervised, as it does not depend on ground truth input-output pairs. In summary, the proposed method is able to: (1) provide uncertainty assessment of the predictions, (2) model the complex non-linear relationship between observed data and model, (3) extend the seismic bandwidth at both low and high ends of the frequency parameters spectrum, and (4) lessen the need for large, annotated training data. The proposed methodology is first described in the acoustic domain to invert acoustic impedance models from full-stack seismic data. Next, it is generalized for the elastic domain to invert P-wave velocity, S-wave velocity and density models from pre-stack seismic data. Finally, we show that the proposed methodology can be further extended to perform petrophysical seismic inversion in a simultaneous workflow. The method was tested on a synthetic case and successfully applied to a real three-dimensional case from a Brazilian reservoir. The inverted models are compared to those obtained from a full iterative geostatistical seismic inversion. The proposed methodology allows retrieving similar models but has the advantage of generating alternative solutions in greater numbers, providing a larger exploration of the model parameter space in less time than the geostatistical seismic inversion.