Academic literature on the topic 'Écosystèmes – Télédétection'

Le travail présenté est une réponse à divers problèmes posés en télédétection et en particulier dans l'application à l'étude des changements de la végétation dus à une cause externe. La première étude consiste à la création d'une carte de végétation en utilisant des méthodes de classification sur une image multispectrale. La deuxième étude aborde le sujet de l'application forestière des images satellitaires à très haute résolution. Les corrections géométriques et les méthodes d'extraction d'information thématique sont essentielles ici. La troisième étude porte sur l'analyse quantitative des changements causés par le construction d'un barrage au nord-ouest de la Hongrie. Une série d'images satellitales est utilisée dans ce but, ce qui nécessite le développement et le test de nouvelles méthodes. La minimisation de l'effet des défauts géométriques et de la variabilité radiométrique temporelle non attribuable aux changements réels de la végétation sont les éléments clés<br>Monitoring subtle changes over long time periods using numerous satellite images is a challenging task. In this thesis, possibilities and limitations of the available data and methods are presented through three case studies. In the first one, the objective is to create a digital vegetation map by using a multispectral satellite image. In the second study, forestry applications of novel very high resolution satellite images are examined. Geometric correction and special data extraction methods are of interest. The third case study aims at the quantification of the effects of a water diversion on local forested ecosystems in the north-western part of Hungary. Numerous satellite images are used to carry out quantitative change analysis. The long study period, the large number of images and the objectives of the study require the application and testing of several methods, and the elaboration of new methods, especially for geometric and radiometric corrections and data fusion

Dans un contexte de changement climatique, la surveillance des écosystèmes est une mission essentielle. En effet, cela permet de mieux comprendre les changements qui peuvent affecter les écosystèmes mais aussi de prendre des décisions en conséquence afin de préserver les générations actuelles et futures. Les cartes d'occupations du sol sont un outil indispensable en fournissant des informations sur les différents types de couverture physique de la surface de la Terre (e.g. forêts, prairies, terres agricoles). Actuellement, un nombre accru de missions satellites fournissent un volume important de données gratuites et librement accessibles. Les séries temporelles d'images satellites (SITS), dont celles de Sentinel-2, notamment grâce à leurs très hautes résolutions, informent sur la dynamique de la végétation. Des algorithmes d'apprentissage automatique permettent de produire de manière fréquente et régulière des cartes d'occupations du sol à partir de SITS. L'objectif de cette thèse est le développement d'algorithmes de classification supervisée pour la production de cartes d'occupations du sol à grande échelle. Dans un contexte opérationnel, quatre principaux défis se dégagent. Le premier concerne le volume important de données que les algorithmes doivent être capables de gérer. Le second est lié à la prise en compte des corrélations entre les variables spectro-temporelles et leur extraction pour la classification. Le troisième, quant à lui, correspond à la prise en compte de la variabilité spatiale: dans des zones géographiques étendues, la donnée n'est pas stationnaire. Enfin, le quatrième défi concerne l'utilisation de SITS irrégulièrement échantillonnées et non alignées, principalement du aux conditions météorologiques (e.g. nuages) ou à des dates d'acquisitions différentes entre deux orbites. Cette thèse est divisée en deux contributions principales. La première contribution concerne la mise en place de processus gaussiens stochastiques variationnels (SVGP) pour des SITS à grande échelle. Des millions d'échantillons peuvent être utilisés pour l'apprentissage, au lieu de quelques milliers pour les processus gaussiens (GP) traditionnels. Des combinaisons de fonctions de covariances ont été mis en place permettant notamment de prendre en compte l'information spatiale et d'être plus robuste vis à vis de la variabilité spatiale. Cependant, les SITS sont ré-échantillonnés linéairement indépendamment de la tâche de classification. La deuxième contribution concerne donc la mise en place d'un ré-échantillonnage optimisé pour la tâche de classification. Un interpolateur à noyau prenant en compte l'information spatiale permet de produire une représentation latente qui est donnée à notre SVGP. Les expérimentations ont été menées avec les SITS de Sentinel-2 pour l'ensemble de l'année 2018 sur une zone d'environ 200 000 km^2(environ 2 milliards de pixels) dans le sud de la France (27 tuiles MGRS). Ce dispositif expérimental est représentatif d'un cadre opérationnel. Les résultats obtenus montrent que les modèles issus des deux contributions sont plus performants que la méthode utilisée pour les systèmes opérationnels actuels (i.e. forêts d'arbres aléatoires avec des SITS linéairement ré-échantillonnées utilisant la stratification spatiale)<br>In the context of climate change, ecosystem monitoring is a crucial task. It allows to better understand the changes that affect them and also enables decision-making to preserve them for current and future generations. Land use and land cover (LULC) maps are an essential tool in ecosystem monitoring providing information on different types of physical cover of the Earth's surface (e.g. forests, grasslands, croplands). Nowadays, an increasing number of satellite missions generate huge amounts of free and open data. In particular, satellite image time series (SITS), such as the ones produced by Sentinel-2, offer high temporal, spectral and spatial resolutions and provide relevant information about vegetation dynamics. Combined with machine learning algorithms, they allow the production of frequent and accurate LULC maps. This thesis is focused on the development of pixel-based supervised classification algorithms for the production of LULC maps at large scale. Four main challenges arise in an operational context. Firstly, unprecedented amounts of data are available and the algorithms need to be adapted accordingly. Secondly, with the improvement in spatial, spectral and temporal resolutions, the algorithms should be able to take into account correlations between the spectro-temporal features to extract meaningful representations for the purpose of classification. Thirdly, in wide geographical coverage, the problem of non-stationarity of the data arises, therefore the algorithms should be able to take into account this spatial variability. Fourthly, because of the different satellite orbits or meteorological conditions, the acquisition times are irregular and unaligned between pixels, thus, the algorithms should be able to work with irregular and unaligned SITS. This work has been divided into two main parts. The first PhD contribution is the development of stochastic variational Gaussian Processes (SVGP) on massive data sets. The proposed Gaussian Processes (GP) model can be trained with millions of samples, compared to few thousands for traditional GP methods. The spatial and spectro-temporal structure of the data is taken into account thanks to the inclusion of the spatial information in bespoke composite covariance functions. Besides, this development enables to take into account the spatial information and thus to be robust to the spatial variability of the data. However, the time series are linearly resampled independently from the classification. Therefore, the second PhD contribution is the development of an end-to-end learning by combining a time and space informed kernel interpolator with the previous SVGP classifier. The interpolator embeds irregular and unaligned SITS onto a fixed and reduced size latent representation. The obtained latent representation is given to the SVGP classifier and all the parameters are jointly optimized w.r.t. the classification task. Experiments were run with Sentinel-2 SITS of the full year 2018 over an area of 200 000 km^2 (about 2 billion pixels) in the south of France (27 MGRS tiles), which is representative of an operational setting. Results show that both methods (i.e. SVGP classifier with linearly interpolated time series and the spatially kernel interpolator combined with the SVGP classifier) outperform the method used for current operational systems (i.e. Random Forest with linearly interpolated time series using spatial stratification)

Le Sahel est manifestement le domaine géographique où l'état de l'environnement est préoccupant. Préoccupant dans la mesure où plus de 70% de la population active tire leurs revenus de l'agriculture, de l'élevage; or la croissance démographique soutenue, se traduisant par l'extension des terres cultivées, a participé indirectement à la dégradation des milieux et à la diminution des ressources naturelles : sols, eau, plantes et faune. Dans l'optique de cette thèse, focalisée sur le suivi des écosystèmes sahéliens, j'ai choisi de réflechir sur les voies et moyens offerts par les outils et les méthodes d'investigations modernes comme la télédétection pour affiner le constat de dégradation des écosystemes sahéliens et proposer les méthodes de suivi de ces derniers. La première partie de la thèse débute par une mise en situation du Sahel et des secteurs qui serviront de zone-test à l'application des analyses des données satellitales : le delta intérieur du Niger (Mali) et la région du Lac de Guiers (Sénégal). Dans une première étape nous définissons le domaine sahélien et en precisions les limites et les caractères qui en font une unité biogéophysique. Dans une deuxième étape nous présentons le delta interieur du Niger et la région du lac de Guiers à travers la géologie, la pédologie et les caractéristiques des formations végétales. Nous analysons les différents paramètres climatiques et hydrologiques ainsi que leurs variations spatiales et temporelles qui conditionnent la dynamique des écosystemes et les activités humaines. La deuxième partie présente les méthodes de la télédétection utilisées pour l'inventaire, l'analyse et le suivi des écosystemes sahéliens. Deux approches sont développées : l'approche analogique ou visuelle et l'approche numérique. Dans le premier cas, nous définissons les compositions colorées utilisées et les critères visuels retenus qui vont servir à l'interprétation. Dans le second cas, deux méthodes de classifications ont été testées : la classification supervisée et la classification non supervisée. Pour chacune d'elle nous présentons les différentes étapes successives qui permettent d'aboutir à des images classées, qui montrent la répartition des unités de paysages dans l'espace étudié. Dans le but d'une évaluation quantitative des écosystemes sahéliens, l'approche analogique est appliquée à nos deux régions d'étude.

Le but de cette étude est de caractériser le passage progressif d'une mangrove d'estuaire d'une part, à une formation mixte mangrove - forêt marécageuse d'autre part. Ce travail s'inscrit dans une optique plus large qui vise à comprendre l'évolution de cette mangrove d'estuaire et à prédire, à terme, le sens de son évolution. La structure de la végétation de l'estuaire du Sinnamary (Guyane Française) est étudiée en relation avec les paramètres physico-chimiques du sol et en fonction de l'histoire sédimentaire de la zone. La zone d'écotone Mangrove - Forêt marécageuse est tout particulièrement étudiée avec la recherche de paramètres caractérisant le gradient de l'influence marine. Trois types de formations végétales sont décris au moyen de paramètres structuraux (composition floristique, diamètre, hauteur, densités) sur 5 sites répartis sur 350 km² et représentant 26 225 m² d'inventaire. A partir de ces mesures, la dynamique des populations a été mise en évidence. L'évolution des densités au cours du temps, l'accroissement diamétrique annuel et la répartition des espèces majeures ont été caractérisés. Les relations entre les paramètres physico-chimiques du sol et la répartition des espèces ont également été précisées. Enfin, l'évolution du peuplement au cours des 50 dernières années a été étudiée a travers des photographies aériennes à différentes échelles et la télédétection spatiale. L'étude de la structure du peuplement a permis de caractériser les différents faciès de mangrove observés et de proposer des modèles empiriques d'évolution des paramètres de structure (Composition floristique, densité spécifique, surface terrière). Les relations allométriques entre la hauteur et le diamètre des principales espèces ont également été précisées. L'étude de la dynamique des populations a permis de rendre compte de la répartition spécifique pour les principales espèces. L'analyse de ces répartitions a mis en évidence les stratégies de colonisation et d'occupation du milieu par les différentes espèces ainsi que les effets des conditions du milieu sur la mise en place de ces stratégies. Contrairement à ce qui est observé en forêt de terre ferme, l'analyse des données d'accroissement diamètrique a montré l'absence de rythmicité de croissance des individus dans ce milieu. L'étude et le suivi des formations par télédétection (sensus lato) a permis de visualiser et de quantifier les phénomènes de transformation de la mangrove avec une précision toute particulière sur la période d'étude (1996-1998). Enfin, l'étude des caractéristiques physico-chimiques des sols a permis de mettre en évidence les phénomènes d'évolution des sols et d'en identifier le déterminisme. Les relations sols¬végétation ont été précisées, apportant des données nouvelles pour ces milieux. Les connaissances sur la structure du peuplement, sur la dynamique du peuplement, sur les inter-relations sol-végétation, ainsi que les modèles d'évolution des paramètres structuraux en fonction du temps proposés constituent une base solide pour l'étude de ces milieux à l'échelle régionale par des techniques de télédétection spatiale ou aéroportées et pour la compréhension des mécanismes de transformation de ces milieux.

Dans le contexte des changements climatiques, l'objectif du travail effectué est de caractériser l'hétérogénéité du continent africain afin de mieux comprendre et quantifier les processus de surface agissant sur les flux hydriques. Ce travail s'inscrit dans le cadre de la mise à jour de la base de données ECOCLIMAP-I constituée d'une carte d'occupation des sols et des cartes de paramètres biophysiques. Pour cela, on s'appuie sur des données de télédétection acquises par les capteurs de dernière génération MODIS et SPOT/VEGETATION entre 2000 et 2007. Dans un premier temps, deux techniques de classification ont été développées afin de cartographier les différents écosystèmes. L'une, supervisée, a été conduite dans le contexte du programme AMMA afin de discriminer les écosystèmes sur la région ouest-africaine en combinant l'information complémentaire contenue dans les cartes d'occupation du sol GLC2000 et ECOCLIMAP-I par analyse supervisée de l'indice foliaire (LAI) MODIS. L'autre, non supervisée et hybride, utilise les principes de regroupement hiérarchique et dynamique de manière automatique en combinant l'usage du classificateur k-NN et celui de la transformée de Fourier Discrète sur la base des données d'indice de végétation normalisé (NDVI) SPOT/VEGETATION pour identifier les écosystèmes africains. Dans un deuxième temps, des méthodes d'estimation des paramètres biophysiques tels que l'albédo, la fraction de végétation, l'indice foliaire ont été développées et/ou appliquées sur le continent. Une approche statistique permet de déterminer la contribution du sol nu et de la végétation à la constitution de l'albédo de surface comme tel que cela est requis dans les modèles de surface. La méthode a d'abord été appliquée sur la région ouest-africaine et sa robustesse a été prouvée lors de son application à l'intégralité du continent africain. Ces conditions de surface ont ensuite été implémentées dans le modèle de surface ISBA pour reproduire les processus de surface. .<br>In the context of climate change, the aim of this study is to characterize the heterogeneity of the African continent in order to provide some elements to better understand and quantify surfaces process acting on hydric fluxes. This work is intented to update the double ECOCLIMAP-I database which is constituted by a land cover map and a dassets of land biophysical parameters. To this end, we use remotely sensed data acquired by the latest generation sensors MODIS and SPOT/VEGETATION between 2000 and 2007. During the first step, two methods of classifications has been developed for the mapping of different ecosystems. The first method, which is supervised, is obtained by combining information provided by the both global land cover map GLC2000 and ECOCLIMAP-I using an interactive analysis of MODIS leaf area index (LAI). It has been performed in the framework of the AMMA project to discriminate ecosystems over the western African Region. The second method is hybrid in that it combines k-NN clustering, hierarchical principles and the Fast Fourier Transform (FFT) on the basis of multi-annual NDVI data from SPOT/VEGETATION to identify ecosystems at the whole African continent. Then, methods for the estimation of land surface biophysical variables such as albedo, fractional vegetation cover and leaf area index has been developed and/or applied over the mainland. A statistical approach allows us to determine the contribution of bare soil albedo and vegetation albedo to the constitution of albedo as required in land surface models. After the application of the latter approach over the western african region, we demonstrate the robustness of the method by applying it over the entire mainland. The sensitivity of two land surface scenarios was studied by analysing two simulations with the same atmospheric forcing over the western African Region:one using the ECOCLIMAP-I classification and another using the new physiographic forcing specifically developed over the western African region. Heat and latent flux are mainly driven by the fractional vegetation coverage. The land surface model ISBA can be used to predict the impact of land cover change and accordingly the anthropic pressure on hydric fluxes

Dans les regions arides, le fonctionnement des ecosystemes terrestres est conditionne par la repartition spatio-temporelle de la disponibilite en eau. Ainsi, en afrique de l'ouest, la pluviometrie est souvent faible et spatialement variable, les hautes temperatures de l'air et du sol entrainent une evapotranspiration elevee et de nombreux sols ont des textures a faible capacite de retention en eau. Une bonne caracterisation fonctionnelle de la vegetation dans ces regions necessite actuellement d'ameliorer la modelisation et la regionalisation des differents flux hydriques: verticaux et horizontaux. Pour tester la faisabilite de la regionalisation du bilan hydrique, un modele physique simple a ete utilise: le modele de thornthwaite. Il integre l'apport en eau et le dessechement du sol sur l'epaisseur consideree. L'eau disponible a ete estimee pour les grandes formations de savanes et comparee a la reponse de la vegetation a travers l'indice de vegetation gvi derive des donnees satellitaires noaa/avhrr. Ensuite, le developpement d'un modele ou les flux verticaux dans le sol sont representes par la communication de reservoirs superposes et ou l'estimation de l'evapotranspiration reelle est realisee a l'aide des mesures satellitaires, a permis une bonne description verticale des flux dans l'ecosysteme. La description de l'eau disponible est completee en introduisant des flux lateraux lorsque les reservoirs superficiels sont satures ou plus humides que dans le voisinage. La sortie du modele est comparee a la reponse de la vegetation a travers le gvi et conduit a des resultats satisfaisants. Enfin, la description des flux verticaux est completee par l'amelioration des flux lateraux qui sont bien apprehendes dans les modeles hydrologiques distribues (m. H. D). Le m. H. D. Cequeau a ete choisi et modifie. La resolution du m. H. D. Est amelioree, la determination de la physiographie qui conditionne les flux de surface est remplacee par une description analytique de la surface permettant d'initialiser le modele par des grandeurs physiques,

De par leurs rôles écologiques multiples, les macrophytes sont une composante importante des hydrosystèmes, qu’il est essentiel de conserver. Toutefois, durant la saison estivale, des densités importantes des espèces submergées entraînent des problèmes récurrents dans certains cours d’eau, notamment en milieu urbain pour les usagers et les gestionnaires, et peuvent avoir des conséquences négatives pour la santé des écosystèmes. Dans un contexte de changements globaux, les enjeux liés à la prolifération des macrophytes submergés incitent à proposer des outils permettant de mieux comprendre la dynamique des herbiers et de prédire leur évolution selon différents scénarios environnementaux. Dans cette optique, la présente thèse a pour objectif le développement d’une boîte à outils accompagnant un modèle mécaniste multispécifique de production des végétaux aquatiques submergés, le modèle DEMETHER. Ce modèle permet de simuler la dynamique spatiale et temporelle de la biomasse de deux espèces communes de la Garonne moyenne (Myriophyllum spicatum et Ranunculus fluitans), sur des tronçons d’environ un kilomètre, et tient compte de la variabilité des conditions hydromorphologiques et météorologiques locales. Pour ce faire, il nécessite de connaître certains paramètres écophysiologiques et de disposer de données spatialisées de biomasse pour sa calibration, ainsi que de données bathymétriques et de substrat. La première phase de ce travail a alors consisté à réaliser des relevés sur le terrain pour caractériser le site d’étude et à développer des outils numériques ou expérimentaux pour l’acquisition de ces données. Le premier outil développé a pour objet le suivi des macrophytes submergés par télédétection. La méthode explorée a confirmé le potentiel de l’imagerie multispectrale à haute résolution spatiale (50 cm) des satellites Pléiades, traitée par des algorithmes d’apprentissage automatique, pour cartographier la distribution des herbiers et quantifier leur biomasse in situ. Cette approche nous a par ailleurs conduits à proposer une stratégie d’échantillonnage optimisée des macrophytes en grand cours d’eau pour de futures investigations. Ce travail ouvre des perspectives intéressantes pour appliquer la méthode à de l’imagerie drone, et poursuivre son développement pour un suivi mensuel automatisé. En parallèle, un outil de mesure de paramètres écophysiologiques par oxymétrie a été développé et appliqué aux deux espèces d’intérêt. Les données obtenues renseignent en particulier sur les capacités photosynthétique et respiratoire de chaque espèce en réponse à des facteurs limitants (lumière, température). La seconde phase de ce travail a consisté en l’application du modèle DEMETHER pour l’exploration de différents scénarios d’évolution climatique. Des simulations de la dynamique des herbiers en termes de biomasse ont été réalisées pour les conditions thermiques actuelles et pour une hausse des températures prévisible à l’horizon 2041-2070. Les résultats ont montré l’importance de la sensibilité de certains processus physiologiques à la température pour expliquer les patrons de distribution des deux espèces étudiées, soulignant l’intérêt de la modélisation mécaniste pour comprendre la structuration des communautés de macrophytes. Les premiers résultats obtenus avec cette boîte à outils ont confirmé sa fonctionnalité. Toutefois, en vue d’étendre son champ d’application, chacun des outils développés durant la thèse devra encore être amélioré, notamment pour affiner la calibration du modèle DEMETHER. Des propositions précises ont été formulées dans ce sens<br>Because of their multiple ecological roles, macrophytes are an important component of hydrosystems, and are thus essential to conserve. However, during the summer season, high densities of submerged species cause recurrent problems in certain rivers, especially in urban areas for users and managers, and can have negative consequences for ecosystem health. In a context of global change, the overgrowth of submerged macrophytes calls for new tools to better understand the dynamics of macrophytes meadows and to predict their dynamics according to different environmental scenarios. In this context, this thesis aims to develop a toolbox accompanying a multispecific mechanistic model for the production of submerged aquatic plants, the DEMETHER model. This model simulates the spatial and temporal biomass dynamics for two common species of the mid-part of the Garonne (Myriophyllum spicatum and Ranunculus fluitans) over river section of about one kilometer. It takes into account the variability of local hydromorphological and meteorological conditions. To do this, the model requires determining certain ecophysiological parameters and having spatialized biomass data for its calibration, as well as bathymetric and substrate data. The first phase of this work then consisted in field surveys to characterize the study site and in developing numerical or experimental tools for the acquisition of these data. The first tool developed aims to monitor submerged macrophytes by remote sensing. The method explored here confirmed the potential of high spatial resolution (50 cm) multispectral imagery of Pléiades satellites, processed by machine learning algorithms, to map the distribution of macrophyte beds and quantify their biomass in situ. This approach has also led us to propose an optimized sampling strategy for macrophytes in large rivers for future investigations. This work opens up interesting perspectives for applying the method to drone imagery, and continuing its development for automated monthly monitoring. In parallel, a tool was developed for measuring physiological parameters via oximetry and applied to the two species of interest. The data obtained provide information in particular on the photosynthetic and respiratory capacities of each species in response to limiting factors (light, temperature). The second phase of this work consisted in applying the DEMETHER model to explore different climate change scenarios. Simulations of the macrophyte dynamics in terms of biomass were carried out for current thermal conditions and for a foreseeable rise in temperatures by 2041-2070. The results showed the importance of the temperature sensitivity of certain physiological processes to explain the distribution patterns of the two species studied, highlighting the interest of mechanistic modelling to understand the structuring of macrophyte communities. The first results obtained with this toolbox confirmed its functionality. However, in order to extend its application range, each of the tools developed during the thesis will need to be further improved, in particular to refine the calibration of the DEMETHER model. Specific suggestions have been made to this aim

Les écosystèmes forestiers couvrent environ 10 pourcent de la surface terrestre. Ils offrent de nombreuses fonctions écologiques et services écosystémiques de part leur importante biodiversité et leur rôle dans la régulation du climat et dans les cycles biogéochimiques. Cependant, les changements climatiques, liés au réchauffement climatique global, mettent en péril le maintien de ces écosystèmes en plongeant les espèces végétales présentes dans des conditions pour lesquelles elles ne sont pas adaptées. Le suivi de la végétation des écosystèmes forestiers peut être réalisé par télédétection quantitative grâce à l’estimation de traits fonctionnels définis en écologie comme caractéristiques indicatrices des capacités de croissance, reproduction ou survie. Plus spécifiquement, pour les espèces végétales, certains traits fonctionnels, appelés traits foliaires, sont liés à la composition biochimique du feuillage et affectent les propriétés optiques de la végétation par des processus physiques. Au moyen de la résolution d’un problème inverse, les traits foliaires sont donc accessibles par des méthodes de télédétection aéroportée et spatiale utilisant des données hyperspectrales dans le domaine optique 0,4-2,5 µm. Des capteurs hyperspectraux, déjà lancés ou prévus dans la prochaine décennie, vont fournir des flux massifs de données, rendant possible le suivi des écosystèmes forestiers mais nécessitant des méthodes de traitement automatique. Dans ce contexte, cette thèse vise le développement d’une méthode généralisable capable de traiter l’ensemble des images d’un capteur spatial pour les forêts tempérées pour l’estimation de quatre traits foliaires: concentrations foliaires en chlorophylles (Cab), caroténoïdes (Cxc), eau (EWT) et matière sèche (LMA). Pour répondre à cet objectif, cette thèse propose de tester des méthodes d’estimation à l’échelle de la feuille puis à l’échelle de la canopée, en s'appuyant sur des données collectées sur cinq sites forestiers de Californie, couvrant plusieurs écosystèmes et différentes saisons. A l'échelle de la feuille, plusieurs méthodes d’estimation des traits sont comparées, incluant des approches physiques et statistiques, et en s'appuyant sur des échantillons de feuilles collectées sur les cinq sites. Les principaux résultats montrent que la méthode statistique basée sur la régression à partir de processus gaussien obtient les meilleures performances quel que soit le trait estimé. À l'échelle de la canopée, l'estimation des traits foliaires est réalisée par une approche statistique et une approche hybride, en s'appuyant sur des acquisitions AVIRIS réalisées sur les cinq sites. L'approche statistique consiste à entraîner des modèles de régression à partir de données hyperspectrales AVIRIS. L'approche hybride consiste à entraîner un réseau de neurones à convolution (CNN) sur une base de données synthétique générée à partir du modèle DART. Cette étape montre que les approches statistiques obtiennent de meilleures performances que l’approche hybride. Néanmoins toutes les méthodes testées se révèlent peu adaptées pour extraire les effets des traits foliaires à partir de la réflectance à l’échelle de la canopée, et les erreurs d’estimation restent trop importantes pour analyser des variation saisonnières et intra-spécifiques des traits foliaires. Afin d'améliorer les performances d’estimation, une étude plus approfondie des effets de la géométrie de la canopée et du sous-bois serait nécessaire. De plus, il serait nécessaire de tester la prédictibilité de l’état de santé des forêts à partir de la cartographie des traits foliaires pour réaliser un suivi complet<br>Forest ecosystems cover around 10 percent of the earth's surface. They provide numerous ecological functions and ecosystem services, thanks to their high biodiversity and their role in climate regulation and biogeochemical cycles. However, climate change, linked to global warming, jeopardizes the conservation of these ecosystems by plunging the plant species present into conditions for which they are not adapted. Vegetation in forest ecosystems can be monitored using quantitative remote sensing, by estimating functional traits defined in ecology as indicators of growth, reproduction or survival capacities. More specifically, for plant species, certain functional traits, known as foliar traits, are linked to the biochemical composition of foliage and affect the optical properties of vegetation through physical processes. By solving an inverse problem, leaf traits can be retrieved from airborne and space-based remote sensing methods using hyperspectral data in the 0.4-2.5 µm optical range. Hyperspectral sensors, already launched or planned for the next decade, will provide massive data flows, making it possible to monitor forest ecosystems, but requiring automatic processing methods. In this context, this thesis targets the development of a generalizable method capable of processing all images of a temperate forest from a spatial sensor for the estimation of four leaf traits: leaf concentrations of chlorophylls (Cab), carotenoids (Cxc), water (EWT) and dry matter (LMA). To meet this objective, this thesis proposes to test estimation methods at the leaf scale and then at the canopy scale, based on data collected on five forest sites in California, covering several ecosystems and different seasons. At the leaf scale, several trait estimation methods are compared, including physical and statistical approaches, and based on leaf samples collected from the five sites. The main results show that the statistical method based on Gaussian processes regression yields the most accurate estimates whatever the trait. At canopy level, leaf traits are estimated using both a statistical and a hybrid approach, based on AVIRIS acquisitions over the five sites. The statistical approach involves training regression models on AVIRIS hyperspectral data. The hybrid approach consists of training a convolution neural network (CNN) on a synthetic database generated from the DART model. This step shows that statistical approaches perform better than the hybrid approach. Nevertheless, all the methods tested prove ill-suited to extract the effects of leaf traits from canopy-scale reflectance, and estimation errors remain too large to analyze seasonal and intra-specific variation in leaf traits. In order to improve estimation performance, a more in-depth study of the effects of canopy and understory geometry would be required. In addition, it would be necessary to test the predictability of forest health based on leaf trait mapping in order to achieve a comprehensive monitoring of these ecosystems

En region seche, notamment sahelienne, les etudes de terrain trop rares et couteuses ne permettent pas de mettre en valeur les nuances regionales ou zonales de reapprovisionnement en eau des nappes, et poussent a guider les investigations du suivi de la secheresse dans un autre sens. L'indice de vegetation normalise (ndvi) traduit l'activite chlorophyllienne des plantes, tandis que l'indice d'humidite de surface (ihs), defini comme le rapport entre l'evapotranspiration reelle et l'evapotranspiration potentielle, renseigne sur la disponibilite en eau du sol pour la vegetation. L'ihs integre des mesures de stations meteorologiques au sol, et des donnees satellitaires pour les parametres d'albedo et de temperature de surface. Ces donnees satellitaires sont obtenues a partir du capteur advanced very high resolution radiometer (avhrr) monte a bord de la serie des satellites meteorologiques de la national oceanic and atmospheric administration (noaa). Le couplage de l'ihs et du ndvi a ete realise au pas du mois sur trois stations meteorologiques du burkina faso, disposees selon un gradient de xericite decroissante du nord au sud. Les resultats obtenus montrent que dans les regions de vegetations peu denses (steppes, savanes arbustives), ces deux parametres evoluent avec un dephasage temporel tout au long de la saison des pluies. Cela confirme le fait qu'il y ait un retard de reponse chlorophyllienne entre l'arrivee des premieres pluies et la croissance de la vegetation, puis entre le dessechement et la fin de la saison des pluies. Ce resultat devrait pouvoir etre optimise en utilisant une frequence d'etude de 5 a 7 jours qui permettrait de suivre avec plus de finesse l'etat et l'evolution de la vegetation. On pense ainsi pouvoir predire avec plus de surete les variations potentielles lors des interruptions brutales des pluies