Cet article étudie l'estimation conjointe de données manquantes et de champs de déplacements dans des séquences multimodales d'observations satellitaires géophysiques. La complexité de la tâche est liée au taux élevé de données manquantes (entre 20% et 90%) pour des observations journalières de haute résolution et la reconstruction de structures fines en accord avec la dynamique sous jacente. Nous avons développé une méthode basée sur l'assimilation variationnelle de données pour des séries multimodales et multi-résolutions. A l'aide de données synthétiques et de données réelles de la surface océanique, une évaluation numérique et qualitative démontre l'apport de deux composantes clés du modèle proposé: la fusion d'informations multimodales à partir d'une contrainte géométrique basée sur les structures frontales, et la méthode d'assimilation variationnelle utilisant comme à priori dynamique un modèle d'advection-diffusion. Les expérimentations conduites montrent que de bonnes performances de reconstruction sont obtenues pour les observations hautes résolutions en dépit du pourcentage élevé de données manquantes