L'étude de la géochimie des particules exportées par les rivières himalayennes ainsi que la chimie des éléments dissous ont permis de préciser la quantification du couplage entre la tectonique active, caracteristique de l'Himalaya et le climat ainsi que de définir les principaux processus qui caractérisent l'érosion actuelle de la chaîne himalayenne. Les caractéristiques principales de l'érosion de la chaîne himalayenne sont: - Un important fractionnement minéralogique entre la matière en suspension et la charge de fond des rivières. Pour l'ensemble du Gange-Brahmapoutre (G-B), le transport par les MES est < 50 % de l'érosion totale qui est de 2.4 ± 0.5 10' tonnes/an pour le bassin du G-B. - La corrélation entre le taux d'érosion et l'intensité annuelle des précipitations, tant a l'échelle des larges bassins (G-B) qu'à l'intérieur de la chaîne. Le taux d'érosion de la chaîne est de 2.3 ± 0.6 mm/an pour la partie drainée par le Gange et de 3.4 ± 0.7 mm/an pour celle drainée par le Brahmapoutre alors que les écoulements spécifiques des parties himalayennes de ces fleuves sont respectivement de 1.2 et 2.1 m/an. Au Népal central,le flanc sud, soumis aux précipitations de mousson, s'érode plus de 6 fois plus vite que le flanc nord, soumis à un climat aride et sec. - Un taux maximal d'érosion physique localisée à l'endroit où la surrection tectonique, les précipitations et les glaciers sont les plus importants. C'est à l'aplomb de la rampe crustale du chevauchement himalayen (MHT) que se trouve la haute chaîne, les plus fortes précipitations et les glaciers. A cet endroit, l'érosion physique est au moins 2 fois plus élevée que dans le reste de la chaîne. - Une érosion dominée par le broyage mécanique et non l'altération et la pédogenèse. Pour l'ensemble du G-B, plus de 55% des carbonates sont érodés et transportes sous forrne particulaire et seulement 1.3% des silicates sont dissous. - La limitation de l'altération par la forte érosion physique. Le flanc sud de la haute chaîne est caractérisé par la plus faible altération et la plus forte érosion. Dans la chaîne, le couplage tectonique-altération montre un seuil au delà duquel la tectonique limite l'altération. L'altération du matériel himalayen a principalement lieu dans le bassin d'avant chaîne. - Le flux d'alcalinité liée a l'altération des silicates est de 2.7 10" mol/an ce qui représente 2.3% du flux global. Le bilan de l'altération implique une forte dominance de l'altération des carbonates et un caractère surtout sodique des silicates dissous. La consommation à long terme de CO2 atmosphérique par l'altération dans le bassin du G-B est de 6.4 1010 mol/an. - Une altération abiotique qui représente 14 Eq% de l'alcalinité. L'oxydation des sulfures des séries sédimentaires, principalement, dans la partie tibétaine de la chaîne produit 70% des sulfates dissous du G-B. Des émanations de CO, métamorphique, lié à la décarbonatation en profondeur, peuvent localement contribuer à l'altération. - Le découplage du budget du Sr dissout et celui de l'alcalinité liée aux silicates. L'altération des carbonates dans la partie aride de la chaîne est incongruente et libère une quantité importante de Sr faiblement radiogénique alors qu'une faible altération des terrains silicates anciens (> 2Ga) joue le rôle de spike de 87Sr. Ainsi le G-B (6.5 10.8 mol/an de Sr et un 87Sr/86Sr - 0.730) a un impact primordial sur le budget océanique du Sr. - La prépondérance de l'enfouissement de C organique par rapport à l'altération vis à vis du cycle du carbone. L'érosion .physique de l'orogenèse maintient des taux de sédimentation très élevés dans le bassin d'avant chaîne et le cône du Bengale. L'enfouissement et la préservation de carbone organique actuel est d'un ordre de grandeur plus élevée que la consommation de CO2 atmosphérique via l'altération. Elle représente une faible quantité (5%) de l'enfouissement global, cependant suffisante pour engendrer une perturbation dans le cycle naturel du carbone.

La pollution atmosphérique particulaire constitue un facteur de risque majeur pour la santé humaine. En dépit des nombreuses études réalisées, les mécanismes d'action sous-jacents à l'exposition aux particules et responsables des effets physiopathologiques observés restent encore mal connus. Notre travail a consisté en la collecte d'aérosols particulaires sur 2 sites urbains (Fann et Faidherbe) dans la ville de Dakar (Sénégal) et un site rural (Ngaparou). Les sites urbains sont caractérisés par un trafic automobile dense avec le site de Fann présentant une circulation majoritaire de véhicules de transport en commun alors qu'à Faidherbe le trafic est constitué en majorité de véhicules particuliers. la caractérisation physico-chimique des trois échantillons particulaires a montré une granulométrie fine (96% < 2,5 μm), donc capables de pénétrer profondément dans les poumons, des surfaces spécifiques comprises entre 8 et 13m²/g pouvant adsorber à leur surfaces des substances potentiellement toxiques. Leur composition chimique, riche en éléments inorganiques et organiques, démontre la diversité de leur sources (naturelle et anthropique). Après évaluation de leur cytotoxicité dans les cellules épithéliales bronchiques humaines (BEAS-2B), nous avons montré la capacité de ces aérosols particulaires à induire l'activation métabolique de leur fraction organique par l'induction de l'expression génique des enzymes de métabolisation CYP1A1, 1B1 et NQO1. Nous n'avons pas observé de réponse significative dans le processus d'altération oxydative via la péroxydation lipidique (MDA) et le statut du glutathion (GSSG/GSH). En revanche nous avons montré l'implication de ces aérosols particulaires dans le développement de la réponse inflammatoire par l'expression et la sécrétion significative de cytokines TNF-α, IL-1β, IL-6 et IL-8.

Dans ce travail de thèse, nous présentons plusieurs contributions visant à améliorer l'utilisation des modèles de Markov cachés (MMC) dans les systèmes d'intelligence artificielle. Nous nous sommes concentrés sur trois objectifs : l'amélioration de l'apprentissage de MMC, l'expérimentation d'un nouveau type de MMC et la visualisation de dissimilarité pour mieux comprendre les interactions entre MMC. Dans la première partie, nous proposons, évaluons et comparons plusieurs nouvelles applications<br />de métaheuristiques biomimétiques classiques (les algorithmes génétiques, l'algorithme de fourmis artificielles API et l'optimisation par essaim particulaire) au problème de l'apprentissage de MMC. Dans la<br />deuxième partie, nous proposons un nouveau type de modèle de Markov caché, appelé modèle Markov caché à substitutions de symboles (MMCSS). Un MMCSS permet d'incorporer des connaissances a priori dans le processus d'apprentissage et de reconnaissance. Les premières expérimentations de ces modèles sur des images démontrent leur intérêt. Dans la troisième partie, nous proposons une nouvelle méthode de représentation de dissimilarité appelée matrice de scatterplots pseudo-euclidienne (MSPE), permettant de mieux comprendre les interactions entre des MMC. Cette MSPE est construite à partir<br />d'une technique que nous nommons analyse en composantes principales à noyau indéfini (ACPNI). Nous terminons par la présentation de la bibliothèque HMMTK, développée au cours de ce travail. Cette dernière intègre des mécanismes de parallélisation et les algorithmes développés au cours de la thèse.

On s'intéresse à l'ajout d'incertitudes supplémentaires dans les modèles de Markov cachés. L'inférence est réalisée dans un cadre bayésien à l'aide des méthodes de Monte Carlo. Dans un cadre multicapteur, on suppose que chaque capteur peut commuter entre plusieurs états de fonctionnement. Un modèle à saut original est développé et des algorithmes de Monte Carlo efficaces sont présentés pour différents types de situations, prenant en compte des données synchrones/asynchrones et le cas binaire capteur valide/défaillant. Le modèle/algorithme développé est appliqué à la localisation d'un véhicule terrestre équipé de trois capteurs, dont un récepteur GPS, potentiellement défaillant à cause de phénomènes de trajets multiples. <br />On s'intéresse ensuite à l'estimation de la densité de probabilité des bruits d'évolution et de mesure dans les modèles de Markov cachés, à l'aide des mélanges de processus de Dirichlet. Le cas de modèles linéaires est tout d'abord étudié, et des algorithmes MCMC et de filtrage particulaire sont développés. Ces algorithmes sont testés sur trois applications différentes. Puis le cas de l'estimation des densités de probabilité des bruits dans les modèles non linéaires est étudié. On définit pour cela des processus de Dirichlet variant temporellement, permettant l'estimation en ligne d'une densité de probabilité non stationnaire.

Cette thèse est consacrée à la restauration et l'estimation des paramètres par filtrage dans les modèles de chaîne de Markov cachée classique, couple et triplet à sauts Markoviens. Nous proposons deux nouvelles méthodes d'approximation dans le cas des systèmes linéaires gaussiens à sauts Markoviens. La première est fondée sur l'utilisation des chaînes de Markov cachées par du bruit à mémoire longue, on obtient alors une méthode " partiellement non supervisée" dans la quelle certains paramètres, peuvent être estimés en utilisant une version adaptative de l'algorithme EM ou ICE, les résultats obtenus sont encourageant et comparables avec les méthodes classiquement utilisées du type (Kalman/Particulaire). La deuxième exploite l'idée de ne garder à chaque instant que les trajectoires les plus probables; là aussi, on obtient une méthode très rapide donnant des résultats très intéressants. Nous proposons par la suite deux familles de modèles à sauts qui sont originaux. la première est très générale où le processus couple composé du processus d'intérêt et celui des observations conditionnellement aux sauts, est une chaîne de Markov cachée, et nous proposons une extension du filtrage particulaire à cette famille. La deuxième, est une sous famille de la première où le couple composé de la chaîne des sauts et le processus d'observations est Markovien dans ce dernier cas le filtrage optimal exact est possible avec une complexité linéaire dans le temps. L'utilisation de la deuxième famille en tant qu'approximation de la première est alors étudiée et les résultats exposés dans ce mémoire semblent très encourageants

Ce manuscrit traite de la caractérisation numérique et expérimentale du comportement d'hydroliennes. D'un point de vue expérimental, des essais ont été réalisés au bassin à houle et courant de l'IFREMER de Boulolgne-Sur-Mer, sur des maquettes d'hydroliennes tri-pales à axe horizontal. Des configurations comprenant une seule hydrolienne, d'une part, et deux hydroliennes alignées avec l'écoulement, d'autre part, ont été considérées pour une large gamme de TSR et, le cas échéant, de distances inter-hydroliennes. Le comportement des hydroliennes est analysé à la fois en termes de performances (coefficients de puissance et de traînée) et de développement du sillage. Les effets du taux de turbulence ambiante sont également examinés. Par ailleurs, des simulations numériques, obtenues à l'aide d'un code tridimensionnel instationnaire, fondé sur la méthode Vortex particulaire et développé au LOMC (UMR 6294, CNRS - Université du Havre) en partenariat avec l'IFREMER, sont présentées. Le code de calcul permet également d'étudier les performances et le sillage d'une hydrolienne. Ce dernier a été complètement réécrit dans le cadre de cette thèse et le support théorique et technique des différents aspects du code est fourni dans ce manuscrit, où la méthode Vortex telle qu'elle est utilisée dans le code est exposée en détail.

Cette thèse est consacrée au problème d'estimation bayésienne pour le filtrage statistique, dont l'objectif est d'estimer récursivement des états inconnus à partir d'un historique d'observations, dans un modèle stochastique donné. Les modèles stochastiques considérés incluent principalement deux grandes classes de modèles : les modèles de Markov cachés et les modèles de Markov à sauts conditionnellement markoviens. Ici, le problème est abordé sous sa forme générale dans la mesure où nous considérons le problème du filtrage mono- et multi objet(s), ce dernier étant abordé sous l'angle de la théorie des ensembles statistiques finis et du filtre " Probability Hypothesis Density ". Tout d'abord, nous nous intéressons à l'importante classe d'approximations que constituent les algorithmes de Monte Carlo séquentiel, qui incluent les algorithmes d'échantillonnage d'importance séquentiel et de filtrage particulaire auxiliaire. Les boucles de propagation mises en jeux dans ces algorithmes sont étudiées et des algorithmes alternatifs sont proposés. Les algorithmes de filtrage particulaire dits " localement optimaux ", c'est à dire les algorithmes d'échantillonnage d'importance avec densité d'importance conditionnelle optimale et de filtrage particulaire auxiliaire pleinement adapté sont comparés statistiquement, en fonction des paramètres du modèle donné. Ensuite, les méthodes de réduction de variance basées sur le théorème de Rao-Blackwell sont exploitées dans le contexte du filtrage mono- et multi-objet(s) Ces méthodes, utilisées principalement en filtrage mono-objet lorsque la dimension du vecteur d'état à estimer est grande, sont dans un premier temps étendues pour les approximations Monte Carlo du filtre Probability Hypothesis Density. D'autre part, des méthodes de réduction de variance alternatives sont proposées : bien que toujours basées sur le théorème de Rao-Blackwell, elles ne se focalisent plus sur le caractère spatial du problème mais plutôt sur son caractère temporel. Enfin, nous abordons l'extension des modèles probabilistes classiquement utilisés. Nous rappelons tout d'abord les modèles de Markov couple et triplet dont l'intérêt est illustré à travers plusieurs exemples pratiques. Ensuite, nous traitons le problème de filtrage multi-objets, dans le contexte des ensembles statistiques finis, pour ces modèles. De plus, les propriétés statistiques plus générales des modèles triplet sont exploitées afin d'obtenir de nouvelles approximations de l'estimateur bayésien optimal (au sens de l'erreur quadratique moyenne) dans les modèles à sauts classiquement utilisés; ces approximations peuvent produire des estimateurs de performances comparables à celles des approximations particulaires, mais ont l'avantage d'être moins coûteuses sur le plan calculatoire

Cette thèse CIFRE est effectuée dans un contexte industriel et présente un framework complet pour la détection, le suivi mono-caméra et de la ré-identification de personnes dans le contexte multi-caméras. Les performances élevés et le traitement en temps réel sont les deux contraintes critiques ayant guidé ce travail. La détection de personnes vise à localiser/délimiter les gens dans les séquences vidéo. Le détecteur proposé est basé sur une cascade de classifieurs de type LogitBoost appliqué sur des descripteurs de covariances. Une approche existante a fortement été optimisée, la rendant applicable en temps réel et fournissant de meilleures performances. La méthode d'optimisation est généralisable à d'autres types de détecteurs d'objets. Le suivi mono-caméra vise à fournir un ensemble d'images de chaque personne observée par chaque caméra afin d'extraire sa signature visuelle, ainsi qu'à fournir certaines informations du monde réel pour l'amélioration de la ré-identification. Ceci est réalisé par le suivi de points SIFT à l'aide d'une filtre à particules, ainsi qu'une méthode d'association de données qui infère le suivi des objets et qui gère la majorité des cas de figures possible, notamment les occultations. Enfin, la ré-identification de personnes est réalisée avec une approche basée sur l'apparence globale en améliorant grandement une approche existante, obtenant de meilleures performances tout en étabt applicable en temps réel. Une partie "conscience du contexte" est introduite afin de gérer le changement d'orientation des personnes, améliorant les performances dans le cas d'applications réelles.

De nombreuses solutions sont développées pour diminuer l'influence des multitrajets sur la précision et la disponibilité des systèmes GNSS. L'intégration de capteurs supplémentaires dans le système de localisation est l'une des solutions permettant de compenser notamment l'absence de données satellitaires. Un tel système est certes d'une bonne précision mais sa complexité et son coût limitent un usage très répandu.Cette thèse propose une approche algorithmique destinée à améliorer la précision des systèmes GNSS en milieu urbain. L'étude se base sur l'utilisation des signaux GNSS uniquement et une connaissance de l'environnement proche du récepteur à partir d'un modèle 3D du lieu de navigation.La méthode présentée intervient à l'étape de filtrage du signal reçu par le récepteur GNSS. Elle exploite les techniques de filtrage statistique de type Monte Carlo Séquentiels appelées filtre particulaire. L'erreur de position en milieu urbain est liée à l'état de réception des signaux satellitaires (bloqué, direct ou réfléchi). C'est pourquoi une information sur l'environnement du récepteur doit être prise en compte. La thèse propose également un nouveau modèle d'erreurs de pseudodistance qui permet de considérer les conditions de réception du signal dans le calcul de la position.Dans un premier temps, l'état de réception de chaque satellite reçu est supposé connu dans le filtre particulaire. Une chaîne de Markov, valable pour une trajectoire connue du mobile, est préalablement définie pour déduire les états successifs de réception des satellites. Par la suite, on utilise une distribution de Dirichlet pour estimer les états de réception des satellites / Most of the GNSS-based transport applications are employed in dense urban areas. One of the reasons of bad position accuracy in urban area is the obstacle's presence (building and trees). Many solutions are developed to decrease the multipath impact on accuracy and availability of GNSS systems. Integration of supplementary sensors into the localisation system is one of the solutions used to supply a lack of GNSS data. Such systems offer good accuracy but increase complexity and cost, which becomes inappropriate to equip a large fleet of vehicles.This thesis proposes an algorithmic approach to enhance the position accuracy in urban environment. The study is based on GNSS signals only and knowledge of the close reception environment with a 3D model of the navigation area.The method impacts the signal filtering step of the process. The filtering process is based on Sequential Monte Carlo methods called particle filter. As the position error in urban area is related to the satellite reception state (blocked, direct or reflected), information of the receiver environment is taken into account. A pseudorange error model is also proposed to fit satellite reception conditions. In a first work, the reception state of each satellite is assumed to be known. A Markov chain is defined for a known trajectory of the vehicle and is used to determine the successive reception states of each signal. Then, the states are estimated using a Dirichlet distribution

Les GNSS sont désormais largement présents dans le domaine des transports. Actuellement, la communauté scientifique désire développer des applications nécessitant une grande précision, disponibilité et intégrité.Ces systèmes offrent un service de position continu. Les performances sont définies par les paramètres du système mais également par l’environnement de propagation dans lequel se propagent les signaux. Les caractéristiques de propagation dans l’atmosphère sont connues. En revanche, il est plus difficile de prévoir l’impact de l’environnement proche de l’antenne, composé d’obstacles urbains. L’axe poursuivit par le LEOST et le LAGIS consiste à appréhender l’environnement et à utiliser cette information en complément de l’information GNSS. Cette approche vise à réduire le nombre de capteurs et ainsi la complexité du système et son coût. Les travaux de recherche menés dans le cadre de cette thèse permettent principalement de proposer des modélisations d'erreur de pseudodistances et des modélisations de l'état de réception encore plus réalistes. Après une étape de caractérisation de l’erreur, plusieurs modèles d’erreur de pseudodistance sont proposés. Ces modèles sont le mélange fini de gaussiennes et le mélange de processus de Dirichlet. Les paramètres du modèle sont estimés conjointement au vecteur d’état contenant la position grâce à une solution de filtrage adaptée comme le filtre particulaire Rao-Blackwellisé. L’évolution du modèle de bruit permet de s'adapter à l’environnement et donc de fournir une localisation plus précise. Les différentes étapes des travaux réalisés dans cette thèse ont été testées et validées sur données de simulation et réelles. / Today, the GNSS are largely present in the transport field. Currently, the scientific community aims to develop transport applications with a high accuracy, availability and integrity. These systems offer a continuous positioning service. Performances are defined by the system parameters but also by signal environment propagation. The atmosphere propagation characteristics are well known. However, it is more difficult to anticipate and analyze the impact of the propagation environment close to the antenna which can be composed, for instance, of urban obstacles or vegetation.Since several years, the LEOST and the LAGIS research axes are driven by the understanding of the propagation environment and its use as supplementary information to help the GNSS receiver to be more pertinent. This approach aims to reduce the number of sensors in the localisation system, and consequently reduces its complexity and cost. The work performed in this thesis is devoted to provide more realistic pseudorange error models and reception channel model. After, a step of observation error characterization, several pseudorange error models have been proposed. These models are the finite gaussian mixture model and the Dirichlet process mixture. The model parameters are then estimated jointly with the state vector containing position by using adapted filtering solution like the Rao-Blackwellized particle filter. The noise model evolution allows adapting to an urban environment and consequently providing a position more accurate.Each step of this work has been tested and evaluated on simulation data and real data.