A range of remote sensing platforms provide high spatial and temporal resolution insights which are useful for monitoring vegetation growth. Very few studies have focused on fruit orchards, largely due to the inherent complexity of their structure. Fruit trees are mixed with inter-rows that can be grassed or non-grassed, and there are no standard protocols for ground measurements suitable for the range of crops. The assessment of biophysical variables (BVs) for fruit orchards from optical satellites remains a significant challenge. The objectives of this study are as follows: (1) to address the challenges of extracting and better interpreting biophysical variables from optical data by proposing new ground measurements protocols tailored to various orchards with differing inter-row management practices, (2) to quantify the impact of the inter-row at the Sentinel pixel scale, and (3) to evaluate the potential of Sentinel 2 data on BVs for orchard development monitoring and the detection of key phenological stages, such as the flowering and fruit set stages. Several orchards in two pedo-climatic zones in southeast France were monitored for three years: four apricot and nectarine orchards under different management systems and nine cherry orchards with differing tree densities and inter-row surfaces. We provide the first comparison of three established ground-based methods of assessing BVs in orchards: (1) hemispherical photographs, (2) a ceptometer, and (3) the Viticanopy smartphone app. The major phenological stages, from budburst to fruit growth, were also determined by in situ annotations on the same fields monitored using Viticanopy. In parallel, Sentinel 2 images from the two study sites were processed using a Biophysical Variable Neural Network (BVNET) model to extract the main BVs, including the leaf area index (LAI), fraction of absorbed photosynthetically active radiation (FAPAR), and fraction of green vegetation cover (FCOVER). The temporal dynamics of the normalised FAPAR were analysed, enabling the detection of the fruit set stage. A new aggregative model was applied to data from hemispherical photographs taken under trees and within inter-rows, enabling us to quantify the impact of the inter-row at the Sentinel 2 pixel scale. The resulting value compared to BVs computed from Sentinel 2 gave statistically significant correlations (0.57 for FCOVER and 0.45 for FAPAR, with respective RMSE values of 0.12 and 0.11). Viticanopy appears promising for assessing the PAI (plant area index) and FCOVER for orchards with grassed inter-rows, showing significant correlations with the Sentinel 2 LAI (R² of 0.72, RMSE 0.41) and FCOVER (R² 0.66 and RMSE 0.08). Overall, our results suggest that Sentinel 2 imagery can support orchard monitoring via indicators of development and inter-row management, offering data that are useful to quantify production and enhance resource management.

Les tensions sur les ressources en eau augmentent en milieu méditerranéen, en raison de la dépendance accrue de l’agriculture à l’irrigation, exacerbée par les changements climatiques et les restrictions estivales. Les vergers, grands consommateurs d’eau, montrent une grande variabilité dans la gestion de l’eau et des inter-rangs (enherbement, travail du sol, goutte-à-goutte, micro-aspersion). Cette variabilité et la consommation d’eau des vergers sont mal connues à l’échelle territoriale. Cette thèse évalue le potentiel des images satellitaires pour mieux comprendre ces aspects. L’étude a été réalisée sur un bassin versant du nord Vaucluse, où l’irrigation est gérée par l’ASA Ouvèze-Ventoux.La thèse est structurée en quatre parties. La première analyse les pratiques d’irrigation des arboriculteurs et les bases de données disponibles, comme le Registre Parcellaire Graphique (RPG) et les cartes des sols. L’analyse statistique a permis de classer les exploitations selon leurs pratiques d’irrigation, distinguant celles qui irriguent beaucoup de celles qui irriguent peu, et de produire des classifications par Machine-Learning des parcelles selon les apports en eau. Ce travail a permis d’identifier les facteurs influençant la gestion de l’eau et de définir les zones prioritaires.La deuxième partie évalue les images Sentinel-2 pour suivre le développement du couvert végétal, lié à la consommation d’eau. Des mesures de terrain ont été effectuées sur divers vergers à l’aide de photos hémisphériques, de l’application Viticanopy et d’un ceptomètre, pour estimer les variables biophysiques des vergers. Le modèle BVNET a été appliqué aux images Sentinel-2 de 2021 à 2024 pour comparer les valeurs de FCOVER, LAI et FAPAR aux mesures de terrain. La résolution de 10 mètres des images Sentinel-2 pose des défis, car elle combine canopées d’arbres et couvert du sol dans chaque pixel. Un modèle agrégatif prenant en compte la contribution du rang et de l’inter-rang a été proposé et appliqué aux photos hémisphériques. Cela a permis de valider les sorties de BVNET et de quantifier la contribution de l’inter-rang à l’échelle du pixel. L’identification de stades phénologiques clés pour l’irrigation, comme la nouaison, a aussi été explorée via la normalisation du FAPAR.La troisième partie explore l’identification automatique des caractéristiques des parcelles de vergers à l’aide d’images multi-résolutions (Sentinel-2, Pleaides, drone). Des méthodes ont été développées pour distinguer les parcelles enherbées, évaluer la densité d’arbres et l’âge des plantations, variables influençant la consommation d’eau. Ces méthodes reposent sur des classifications Random Forest, des seuillages d’indices spectraux et des algorithmes de reconnaissance de formes.Enfin, la dernière partie estime les consommations en eau (évapotranspiration, ETa) et les quantités d’eau apportées par irrigation, de l’échelle de la parcelle à celle du bassin. Le modèle SIMETAW a été utilisé pour estimer ETa en s’appuyant sur une approche de doubles coefficients (culturaux Kc et de stress Ks). Ce modèle a été modifié pour intégrer la variabilité entre parcelles, en estimant Kc à partir des données Sentinel-2. Une calibration a été réalisée en tenant compte des mesures d’humidité du sol et des données enquêtées. Les résultats montrent de bonnes performances pour les parcelles irriguées au goutte-à-goutte. L’application du modèle à l’échelle du bassin a été évaluée en utilisant les volumes d’irrigation annuels. Des comparaisons entre différentes options de paramétrisation de l’irrigation ont été étudiées pour évaluer diverses méthodes de gestion de l’eau.En conclusion, cette thèse montre que les images Sentinel-2 permettent d’estimer précisément les besoins en eau des vergers méditerranéens. L’évaluation d’un modèle simplifié a permis d’estimer la consommation d’eau pour différents scénarios de gestion, soulignant l’importance de la télédétection pour une gestion optimisée de l’eau.