Le programme REDD+ vise à réduire les émissions de carbone résultant de la dégradation des forêts et de la déforestation. Pour atteindre ses objectifs, une meilleure compréhension et caractérisation des forêts du monde entier, en particulier des forêts tropicales, sont nécessaires. Cette thèse de doctorat explore le potentiel et les défis du LiDAR spatial pour la cartographie multisource de la hauteur de la canopée à travers l’intégration de technologies de télédétection complémentaires pour améliorer l’estimation de la hauteur de la canopée dans les forêts tropicales. La hauteur de la canopée est un paramètre essentiel pour quantifier la biomasse et les stocks de carbone des forêts. Cette recherche est structurée en quatre études, chacune correspondant à un article scientifique, qui traitent collectivement de l’utilisation du LiDAR spatial et d’autres données de télédétection pour la cartographie de la hauteur de la canopée. La première étude porte sur la précision des estimations de la hauteur de la canopée obtenues à partir des données LiDAR Global Ecosystem Dynamics Investigation (GEDI) sur des forêts tropicales en Guyane Française (Amérique du Sud) et au Gabon (Afrique). Les résultats révèlent que des modèles de régression incorporant plusieurs métriques GEDI améliorent de manière significative la précision de l’estimation par rapport à l’utilisation d’une seule métrique de hauteur GEDI. Les paramètres physiques du signal tels que le type de faisceau et la sensibilité, qui affectent la pénétration du laser, sont identifiés comme des influences majeures sur la qualité des données GEDI. La deuxième étude étend l’analyse des estimations de la hauteur de la canopée à partir de GEDI aux forêts tropicales de l’île de Mayotte, caractérisées par des hauteurs de canopée modérées et un terrain escarpé. La pente du terrain a un impact significatif sur les mesures effectuées par GEDI et doit être prise en compte lorsque les données ont été acquises dans des zones escarpés. La prise en compte de la pente peut se faire par l’intégration d’informations sur le terrain dans les modèles de régression ou par la correction directe des effets de pente dans les formes d’onde GEDI. De plus, il apparaît que la capacité de pénétration du faisceau LiDAR dépend fortement des caractéristiques de la forêt, puisque la profondeur de pénétration du signal diffère selon le type de forêt. La troisième étude présente une carte complète de la hauteur de la canopée en Guyane Française à une résolution spatiale de 10 m, produite à partir d’une approche opérationnelle de fusion de données qui intègre des données optiques, radar et des sources de données environnementales auxiliaires. L’étude utilise un modèle de réseau de neurones U-Net calibré et validé à partir de données GEDI comme hauteurs de canopée de référence. L’intégration de descripteurs hydrologiques et géomorphologiques, tels que la hauteur au-dessus du drainage le plus proche et les types de paysages forestiers, améliore considérablement la précision du modèle. En outre, la prise en compte des incertitudes de la base de données GEDI par le filtrage des données pertinentes et la correction des erreurs de géolocalisation améliore davantage la performance de l’estimation de la hauteur de la canopée par U-Net. Dans la quatrième et dernière étude, la corrélation spatiale de cette carte de la hauteur de la canopée est analysée et des approches géostatistiques sont mises en œuvre pour améliorer les prédictions de la hauteur de la canopée. Cette analyse montre que les caractéristiques du capteur GEDI, en particulier le type de faisceau laser et le schéma d’échantillonnage au sol, introduisent dans les mesures des anisotropies induites par le capteur qui ne sont pas représentatives de la variabilité spatiale de la hauteur de canopée. La technique d’interpolation spatiale par krigeage des résidus prend en compte l’autocorrélation spatiale des hauteurs de la canopée et améliore la précision des estimations