Colour is an important source of information in the natural world. It can be used for distinguishing and identifying surfaces and objects and separating one region from another. For instance, flowers and grasses in a garden can be distinguished by their colours despite a change in illuminant. Intuitively, the identifiability of surfaces in a scene can be described by their volumes of colour gamuts. But is this approximation of the identifiability accurate? On the other hand, the existence of metamerism in natural scenes shows that colour is sometimes unreliable for surfaces identification. Estimating frequency of metamerism normally requires many comparisons between surface colours to determine their distinguishability under different illuminants. Is there a simpler approach to predict the frequency of metamerism in natural scenes? The aim of this thesis was to address these two questions about the identifiability of surfaces in natural scenes. To answer the first question, the volumes of colour gamuts were estimated over 50 natural scenes under different illuminants. The logarithm of the gamut volume was regressed on the differential entropy of colours. It was found that gamut volume can be an accurate approximation, given a colour difference threshold representing the visual distinguishability within an approximately perceptually uniform colour space. To answer the second question, the frequency of metamerism was estimated over 50 natural scenes with changes in illuminant; and predictive models were constructed based on different combinations of Shannon differential entropies of colours. There was strong dependence of the frequency of metamerism on the combination of the differential entropy and the conditional differential entropy of colours. It means that the frequency of metamerism can be predicted by the informational quantities of the colours in a scene.

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.