L’imagerie hyperspectrale aéroportée constitue un candidat potentiel pour la cartographie et le suivi des récifs coralliens à large échelle et à forte résolution spatiale. Dans cette thèse, nous présentons tout d’abord les traitements à appliquer au signal hyperspectral afin d’en extraire des informations sur la nature du fond marin, la bathymétrie et les propriétés optiques de l’eau, et nous les mettons en perspectives devant deux principaux verrous : (i) le faible rapport signal sur bruit du signal mesuré, (ii) le nombre et la variabilité des interactions onde-matière ayant lieu entre l’entrée des rayons lumineux dans l’atmosphère et leur mesure par le capteur hyperspectral. En considérant ces limitations, nous examinons les performances d’une des méthodes existantes de traitement de la colonne d’eau : l’inversion de modèle semi-analytique par optimisation. Nous évaluons d’abord la robustesse des estimations des types de fond et de la bathymétrie pour six paramétrisations du schéma d’inversion. Les résultats sur des images hyperspectrales acquises à l’île de La Réunion en 2009 montrent que la paramétrisation de l’inversion joue un rôle crucial sur la qualité des estimations et que la paramétrisation la plus communément utilisée ne présente pas toujours les meilleures performances. Nous évaluons par la suite l’importance de la précision de la paramétrisation du modèle semi-analytique direct à travers une analyse de sensibilité réalisée sur des données hyperspectrales synthétiques puis sur des données réelles que nous avons acquises en 2015 à La Réunion. L’analyse est en outre effectuée pour toutes les paramétrisations de l’inversion précédemment étudiées. Cette étude montre qu’en milieu récifal l’importance de la précision de la paramétrisation du modèle direct est faible devant le choix de la paramétrisation de l’inversion. Nous montrons en outre qu’il n’est pas possible d’identifier le(s) paramètre(s) du modèle direct le(s) plus influent(s) car cela dépend des concentrations relatives de chacun des éléments optiquement actifs de l’eau. / Airborne hyperspectral imaging is a potential candidate for mapping and monitoring coral reefs at large scale and with high spatial resolution. In this thesis, we first present the processing steps to be applied to hyperspectral signals for extracting information about seabed types, bathymetry and water optical properties, and we discuss their efficiency with respect to two main confounding factors: (i) low signal to noise ratio of the measured signals, and (ii) large number and variability of physical interactions occurring between the entrance of sunlight into the atmosphere and its measurement by the hyperspectral sensor. Considering these limitations, we examine the performance of an already existing water column processing method: semi-analytical model inversion by optimization. We first evaluate the robustness of seabed type and bathymetry estimation for six different inversion setups. The results on hyperspectral images acquired over Réunion Island reefs in 2009 show that the choice of the inversion setup plays an important role on the quality of the estimations and that the most widely used inversion setup does not always produce the best results. We then evaluate the importance of the accuracy of the parameterization of the direct semi-analytical model. This is done through a sensitivity analysis performed on both simulated and real hyperspectral data acquired in Réunion Island in 2015. The analysis is performed for each inversion setup previously studied. This study shows that in coral reef context the accuracy of the parameterization of the direct model is less important than the choice of the inversion setup. We also demonstrate that it is not possible to identify the most influent parameters of the direct model because it depends on the relative concentration of each optically active constituent.

Le suivi des variables biophysiques à l’échelle globale sur de longues périodes de temps est essentiellepour répondre aux nouveaux enjeux que constituent le changement climatique et la sécurité alimentaire. L’indice foliaire (LAI) est une variable de structure définissant la surface d’interception du rayonnement incident et d’échanges gazeux avec l’atmosphère. Le LAI est donc une variable importante des modèles d’écosystèmes et a d’ailleurs été reconnue comme variable climatique essentielle (ECV). Cette thèse a pour objectif de fournir des estimations globales et continues de LAI à partir d’observations satellitaires en temps quasi-réel en réponse aux besoins des utilisateurs pour fournir des diagnostiques et pronostiques de l’état et du fonctionnement de la végétation. Quelques produits LAI sont déjà disponibles mais montrent des désaccords et des limitations en termes de cohérence et de continuité. Cette thèse a pour objectif de lever ces limitations. Dans un premier temps, on essaiera de mieux définir la nature des estimations de LAI à partir d’observations satellitaires. Puis, différentes méthodes de lissage te bouchage des séries temporelles ont été analysées pour réduire le bruit et les discontinuités principalement liées à la couverture nuageuse. Finalement quelques méthodes d’estimation temps quasi réel ont été évaluées en considérant le niveau de bruit et les données manquantes.Les résultats obtenus dans la première partie de cette thèse montrent que la LAI effectif et bien mieux estimé que la valeur réelle de LAI du fait de l’agrégation des feuilles observée au niveau du couvert. L’utilisation d’observations multidirectionnelles n’améliore que marginalement les performances d’estimation. L’étude montre également que les performances d’estimation optimales sont obtenues quand les solutions sont recherchées à l’intérieur d’une enveloppe définie par l’incertitude associée aux mesures radiométriques. Dans la deuxième partie consacrée à l’amélioration de la continuité et la cohérence des séries temporelles, les méthodes basées sur une fenêtre temporelle locale mais de largeur dépendant du nombre d’observations présentes, et utilisant la climatologie comme information a priori s’avèrent les plus intéressantes autorisant également l’estimation en temps quasi réel. / Monitoring biophysical variables at a global scale over long time periods is vital to address the climatechange and food security challenges. Leaf Area Index (LAI) is a structure variable giving a measure of the canopysurface for radiation interception and canopy-atmosphere interactions. LAI is an important variable in manyecosystem models and it has been recognized as an Essential Climate Variable. This thesis aims to provide globaland continuous estimates of LAI from satellite observations in near-real time according to user requirements to beused for diagnostic and prognostic evaluations of vegetation state and functioning. There are already someavailable LAI products which show however some important discrepancies in terms of magnitude and somelimitations in terms of continuity and consistency. This thesis addresses these important issues. First, the nature ofthe LAI estimated from these satellite observations was investigated to address the existing differences in thedefinition of products. Then, different temporal smoothing and gap filling methods were analyzed to reduce noiseand discontinuities in the time series mainly due to cloud cover. Finally, different methods for near real timeestimation of LAI were evaluated. Such comparison assessment as a function of the level of noise and gaps werelacking for LAI.Results achieved within the first part of the thesis show that the effective LAI is more accurately retrievedfrom satellite data than the actual LAI due to leaf clumping in the canopies. Further, the study has demonstratedthat multi-view observations provide only marginal improvements on LAI retrieval. The study also found that foroptimal retrievals the size of the uncertainty envelope over a set of possible solutions to be approximately equal tothat in the reflectance measurements. The results achieved in the second part of the thesis found the method withlocally adaptive temporal window, depending on amount of available observations and Climatology as backgroundestimation to be more robust to noise and missing data for smoothing, gap-filling and near real time estimationswith satellite time series.

Forests can be considered as one of the most important Earth's ecosystems not only because of oxygen production and carbon sequestration via photosynthesis, but also as a source of many natural resources (such as wood) and as a habitat of many specific plants and animals. Monitoring of forest health status is thus crucial activity for keeping all production and ecosystem functions of forests. The main aim of the thesis is development of an alternative approach for forest health status based on airborne hyperspectral data (HyMap) analysis supported by field sampling. The proposed approach tries to use similar vegetation parameters which are used in case of the current methods of forest health status assessment based on field inspections. It is believed that importance of such new methods will significantly increase in the time when the planned satellite hyperspectral missions (e.g. EnMap) will move into operational phase. The developed forest health monitoring approach is practically demonstrated on mature Norway spruce (Picea abies L. Karst) forests of the Sokolov lignite basin which were affected by long-term coal mining and heavy industry and therefore high variability of forest health status was assumed in this case. Two leaf level radiative transfer models were used for simulating spectral...