Ces travaux ont pour objectif général d'améliorer la représentation spatio-temporelle des processus hydrologiques de surface à partir de modèles dont la complexité est adaptée aux informations disponibles par la télédétection multi-capteur/multi-résolution. Nous avons poursuivi des développements méthodologiques (désagrégation, assimilation, modélisation du bilan d'énergie) autour de l'estimation de l'humidité du sol dans le contexte de la gestion des ressources en eau dans les régions semi-arides. Récemment, des missions spatiales permettent d'observer l'humidité des sols en surface; notamment avec le capteur AMSR-E (Advanced Microwave Scanning Radiometer-EOS) et la mission SMOS (Soil Moisture Ocean Salinity). Toutefois la résolution spatiale de ces capteurs est trop large (> 40 km) pour des applications hydrologiques. Afin de résoudre le problème d'échelle, l'algorithme de désagrégation DisPATCh (Disaggregation based on Physical and Theoretical Scale Change) a été développé en se basant sur un modèle d'évapotranspiration. Dans la première partie de thèse, l'algorithme est appliqué et validé sur le bassin du Murrumbidgee (sud-est de l'Australie) avec une résolution spatiale cible de 1 km à partir des données de LST (Température de surface) et NDVI (indice de végétation) issues de MODIS (MODerate resolution Imaging Spectroradiometer) et de deux produits d'humidité du sol basse résolution : SMOS et AMSR-E. Les résultats montrent que la désagrégation est plus efficace en été, où la performance du modèle d'évapotranspiration est optimale. L'étude précédente a notamment mis en évidence que la résolution temporelle des données DisPATCh est limitée par la couverture nuageuse visible sur les images MODIS et la résolution temporelle des radiomètres micro-ondes (3 jours pour SMOS). Dans la deuxième partie, une nouvelle approche est donc développée pour assurer la continuité temporelle des données d'humidité de surface en assimilant les données DisPATCh dans un modèle dynamique de type force-restore, forcé par des données météorologiques issus de ré-analyses, dont les précipitations. La méthode combine de manière originale un système variationnel (2D-VAR) pour estimer l'humidité du sol en zone racinaire et une approche séquentielle (filtre de Kalman simplifié) pour analyser l'humidité du sol en surface. La performance de l'approche est évaluée sur deux zones: la région Tensift-Haouz au Maroc et la région de Yanco en Australie. Les résultats montrent que le couplage désagrégation/assimilation de l'humidité du sol est un outil performant pour estimer l'humidité en surface à l'échelle journalière, même lorsque les données météorologiques sont incertaines. Dans la troisième partie, une méthode de correction des effets topographiques sur la LST est développée dans le but d'étendre l'applicabilité de DisPATCh aux zones vallonnées ou montagneuses qui jouent souvent le rôle de château d'eau sur les régions semi-arides. Cette approche, basée sur un modèle de bilan d'énergie à base physique, est testée avec les données ASTER (Advanced Spaceborne Thermal Emission Reflection Radiometer) et Landsat sur la vallée d'Imlil dans le Haut Atlas Marocain. Les résultats indiquent que les effets topographiques ont été fortement réduits sur les images de LST à ~100 m de résolution et que la LST corrigée pourrait être utilisée comme une signature de l'état hydrique en montagne. Les perspectives ouvertes par ces travaux concernent la correction/désagrégation des données de précipitations et l'estimation des apports par l'irrigation pour une gestion optimisée de l'eau.