Les services écosystémiques sont devenus un enjeu social, écologique et économique majeur dans le monde. Les forêts des paysages agricoles offrent des services précieux bien qu'ils soient souvent sous-estimés et mal utilisés. Cependant, une cartographie précise de ces services à grande échelle reste difficile. Des données de télédétection permettent aujourd’hui d’envisager cette cartographie. Nous avons évalué la contribution des indices de végétation calculés à partir d'images hyperspectrales à haute résolution spatiale pour la prévision de services écosystémiques par rapport aux résultats fondées sur la couverture terrestre. 28 parcelles forestières ont été échantillonnées et des images hyperspectrales aéroportées ont été acquises pour la zone d'étude, à une résolution de 2 m. Habituellement, les indices de végétation dérivés de l'hyperspectral à l’échelle du paysage (buffer spatial autour de l’objet considéré) sont réduits en utilisant des statistiques descriptives (moyenne, écart-type, valeurs minimales et maximales). Cependant, cette approche peut perdre beaucoup d'informations, en particulier à l'échelle des paysages, où plusieurs objets avec différentes signatures spectrales sont présents. Nous proposons une description du paysage hyperspectral basée sur la répartition complète des indices de végétation à travers les paysages. Nous avons utilisé les modèles de mélange gaussien (GMM) pour modéliser la distribution des pixels dans chaque paysage et introduit une distance L2 entre ces mélanges. Cette distance est utilisée dans l’algorithme des plus proches voisins pour prédire les niveaux de services. La qualité des prédictions a été comparée entre trois représentations de paysage: occupation des sols, statistiques descriptives de données hyperspectrales et description de données hyperspectrales basées sur GMM.