L'étude de l'utilisation hivernale du sol représente un enjeu majeur afin de préserver et d'améliorer la qualité des sols et des eaux de surfaces. Cependant la connaissance des dynamiques spatio-temporelles associées à l'utilisation du sol en période hivernale demeure aujourd'hui encore un défi pour la communauté scientifique. C'est dans ce contexte que s'inscrivent ces travaux de thèse dont l'objectif est d'évaluer le potentiel de séries temporelles d'images optiques et RSO à haute résolution spatiale pour l'étude de l'utilisation des sols en période hivernale à une échelle locale et régionale. Pour se faire, une méthodologie a été établie afin : (i) de déterminer la méthode de classification la plus adaptée pour identifier l'usage des sols en hiver; (ii) de comparer des images  RSO Sentinel-1 et optiques Sentinel-2; (iii) de définir la configuration RSO la plus adaptée en comparant trois séries temporelles d'images (Alos-2, Radarsat-2 et Sentinel-1).Les résultats ont tout d'abord mis en évidence l'intérêt de l'algorithme de classification Random Forest pour discriminer à une échelle fine les types d'usage des sols en hiver qui sont très variés. Dans un second temps, ils ont souligné l'intérêt des données Sentinel-2 pour cartographier l'utilisation hivernale des sols à une échelle locale et régionale. Enfin, ils ont permis de déterminer qu'une série temporelle dense d'images Sentinel-1 était la configuration RSO la plus adaptée afin d'identifier l'utilisation hivernale du sol. De manière générale, si cette thèse a permis de montrer que les données Sentinel-2 sont les plus adaptées pour étudier l'utilisation du sol en période  hivernale, les images RSO ont tout leur intérêt dans les régions où le couvert nuageux est important, les  séries temporelles  denses Sentinel- 1 ayant été définies comme les plus performantes.