Potentialities of the multiobjective approach to assimilate remote sensing data in SVAT models

The purpose of the paper concerns remote sensing data assimilation in physically based models by the way off a multiobjective calibration procedure. Generally, the calibration of Soil Vegetation Atmosphere Transfer (SVAT) models consists in determining the best parameter set in terms of model performances. Due to model structural uncertainty and to errors on the observations, such a determination of a unique parameter set is generally impossible. This problem of non-uniqueness of the solution can be investigated by a multiobjective approach, in which different objective functions are optimised simultaneously. In this context, we developed a multiobjective approach allowing to combine sensitivity analyses and an iterative optimisation procedure of the model parameters in terms of uncertainty ranges. This paper investigates the potentialities of such a calibration approach in a remote sensing context, in order to drive SVAT models only by the way of remote sensing observations. The consequences of the calibration procedure on the simulated surface processes were analysed for different case studies. Main results showed that physically based SVAT models can be constrained by remote sensing observation without initial a priori information about soil and vegetation properties. / Cette communication concerne l'utilisation d'une méthode de calibration multiobjectifs, pour l'assimilation de données de télédétection dans des modèles à base physique. En général, la calibration des modèles de Transfert Sol Végétation Atmosphère, consiste à déterminer le jeu de paramètres conduisant aux meilleures performances pour le modèle. A cause, d'incertitudes sur la structure du modèle, d'erreurs sur les observations, une telle détermination d'un jeu de paramètres unique est en général impossible. Le problème de non-unicité de la solution peut être étudié à l'aide d'une approche multi-objectifs, dans laquelle différentes fonctions d'optimisation sont utilisées simultanément. Dans ce contexte, nous avons développé une approche multiobjectidfs permettant la combinaison d'analyse de sensibilité et de procédures itératives d'optimisation des paramètres du modèle en terme d'incertitudes. Cet article étudie les potentialités d'une telle calibration dans un contexte de télédétection, afin de forcer les modèles TSVAs uniquement à l'aide de données de télédétection. Les conséquences de la procédure de calibration sur les processus de surface simulés ont été analysés pour différents cas d'étude. Les résultats principaux montrent que les modèles TSVAs à base physiques peuvent être contraints par des données de télédétection sans information initiale a priori sur les propriétés du sol et de la végétation.