基于植被指数、叶绿素荧光和碳通量的华北山地人工林物候对比研究

  目的  物候指植被生长发育的节律性变化,是对气候和环境变化长期适应的结果。本文通过研究植被指数（NDVI、EVI）和日光诱导叶绿素荧光（SIF）与总初级生产力（GPP）之间关系,探究各指数在研究区反映植被动态变化的能力,为深入了解人工林对气候变化的响应提供参考。  方法  利用Timesat 3.3软件对2007—2011年MODIS NDVI、EVI、GOME-2 SIF、通量塔GPP数据分别进行滤波。采用双逻辑斯蒂方程对4种指数时间序列进行拟合并根据曲线最大变化速率提取生长季开始期（SOS）和生长季结束期（EOS）。利用相关性分析、均方根误差分析研究NDVI、EVI、SIF反映植被动态特征的能力。  结果  （1）2007—2011年MODIS NDVI、EVI、GOME-2 SIF、通量塔GPP这4种时间序列曲线变化特征基本一致,NDVI、EVI、SIF月均值均与GPP月均值呈现显著正相关关系。（2）GPP月均值与NDVI、EVI之间决定系数R2在春季、秋季均大于SIF。然而,在夏季GPP月均值与NDVI呈现显著相关性,与EVI和SIF并无明显线性关系。（3）NDVI、EVI、SIF与GPP提取物候参数的均方根误差结果显示:利用EVI提取物候参数结果与GPP最为接近,其次为NDVI,最后为SIF。  结论  在本研究区内,MODIS NDVI、EVI能够更好地反映植被动态变化特征。由于NDVI、EVI数据是依据植被冠层结构光谱特性和叶片反射率提取的物候信息,因此会导致植被指数（NDVI、EVI）提取物候期比GPP提取物候开始期提前和物候结束期滞后。利用SIF数据提取物候参数SOS和EOS均提前于GPP数据提取物候参数S0S和EOS。SIF数据由于像元覆盖面积与通量塔GPP数据不完全吻合影响了GPP与SIF之间的相关关系。      

华山松种源对树高生长模型参数的影响

【目的】研究华山松种源对树高生长模型参数的影响,为建立通用的华山松树高生长模型奠定基础。【方法】以湖北省宜昌市大老岭林场华山松种源试验林为研究对象,利用林龄4~10年、24年和32年的树高数据,建立华山松11个种源的基础模型、哑变量模型和非线性混合模型,并对各模型的拟合精度进行比较。【结果】在Richards、Logistic、Schumacher和Korf 4个最常用的树高理论方程中,以Richards方程的拟合效果最好,故选其作为基础模型。哑变量模型和非线性混合模型的检验结果均显示,华山松种源对树高生长模型的渐进参数有显著影响,而对生长速率参数和形状参数无显著影响。对比3种模型的决定系数R2、残差平方和SSE、平均绝对残差|E|和均方根误差RMSE4个精度评价指标发现,哑变量模型和非线性混合模型的精度比基础模型明显提高,二者平均精度的决定系数R2提高1.37%,残差平方和SSE降低18.27%,平均绝对残差|E|降低12.77%,均方根误差RMSE降低9.6%;哑变量模型的拟合精度比非线性混合模型稍高,决定系数R2提高0.1%,残差平方和SSE、平均绝对残差|E|、均方根误差RMSE分别降低1.8%,4%和0.9%。【结论】华山松种源对树高生长模型的渐进参数有显著影响,而对生长速率参数和形状参数无显著影响。在种源数量不多时,利用哑变量模型建立通用的华山松种源树高生长模型是一种较好的方法。     

小兴安岭森林植被物候对气候变化的响应

【目的】采用遥感提取植被物候的方法，以小兴安岭为研究区，构建森林植被物候时空变化，分析森林植被物候变化对气候变化的响应。【方法】基于GIMMS NDVI 3g影像，运用一元六次多项式拟合植被生长曲线，并结合逐像元动态阈值法提取小兴安岭1982-2015年森林植被生长开始期(SOS)、生长结束期(EOS)和生长季长度(LOS)共3种物候参数；利用ArcGIS软件，将气温、降水以及日照时数数据与植被物候参数逐像元分析，得到物候参数与气象因子偏相关系数的空间分布特征。【结果】(1)植被物候多年平均值空间分布特征呈现由西北向东南方向，植被SOS逐渐提前，植被EOS逐渐推迟，植被LOS逐渐延长的规律。(2)小兴安岭森林植被SOS集中在日序第112.1～128.3天，年际变化在1998年前后出现转折，1998年前呈显著提前趋势(R²=0.284,P=0.028),1998年后呈不显著推迟趋势(R²=0.002,P=0.86)，导致整个时间段(1982-2015年)变化不显著，变化幅度为每10年提前0.12 d(R²=0.001,P=...     

植被物候参数遥感提取研究进展评述

【目的】遥感方法提取植被物候具有宏观、高效、便捷的特点,利用遥感提取植被物候结果可以从较大尺度上研究整个植被生态系统的物候特征。【方法】文章以植被物候遥感提取的过程为线索,采用文献综述法,对植被物候参数遥感提取的各个方面进行阐述。【结果】系统描述了植被物候提取的遥感数据资源,包括遥感专题指数和遥感数据来源;归纳了植被物候遥感提取的技术方法,包括时序植被指数重构技术和植被物候参数提取方法;总结了植被物候遥感提取结果验证途径和误差来源,地面物候观测数据和模型模拟数据是直接验证的途径,他人研究成果和植物生理参量的地面观测数据提供间接验证的途径,误差来源于遥感数据的时间和空间分辨率以及植被物候提取技术方法。最后,针对当前植被物候遥感提取存在的主要问题及未来的发展趋势,从研究对象、数据来源、技术方法和结果验证这4个方面进行了探讨。【结论】尽管植被物候遥感提取的大量研究在理论、技术方法和应用方面都取得明显进展,但在研究对象、数据来源、技术方法和结果验证这些方面仍然存在着一些关键科学问题,需要进一步进行深入研究。     

基于MODIS NDVI数据的辽宁省玉米种植面积提取研究

基于2017年MODIS归一化植被指数(NDVI)数据,采用Savitzky-Golay (S-G)滤波方法和非对称高斯(AG)拟合方法重构辽宁省春玉米种植面积的NDVI时序曲线,使用4次拟合法平滑重构曲线,采用动态振幅阈值法、拐点法和最大值法提取了辽宁省春玉米的关键物候期(出苗期、拔节期、抽雄期),并联合决策树分类法估测了辽宁省春玉米的种植面积。结果表明:基于S-G重构法的MODIS NDVI时序曲线的综合性能更优,其重构曲线与原曲线间的平均均方根误差(RMSE)为0.196,平均平滑拟合度(R²)为0.983;对春玉米出苗期和抽雄期的提取效果而言,基于S-G重构法的提取结果更优,平均误差分别为3.9和2.6 d;对春玉米拔节期而言,基于S-G重构法和AG重构法的提取效果相当,平均误差分别为2.9和2.8 d;基于S-G重构曲线提取的春玉米种植面积的精度为94.35%,优于基于AG重构曲线提取的精度89.29%。     

基于MODIS NDVI数据的辽宁省春玉米物候期提取研究

遥感提取玉米物候信息可以提高田间精细化管理水平,对监测玉米季节性变化、确保粮食安全等具有重要意义。以辽宁省为研究区,基于2007,2008,2009年的MODIS植被指数(NDVI)数据,利用非对称高斯(AG)、Savitzky-Golay滤波(S-G)和双逻辑斯蒂克调合函数(DL)三种拟合方法重构春玉米NDVI时序曲线,并使用4次拟合平滑方法处理重构后的时序曲线。在此基础上,提出以动态振幅阈值法取代动态阈值法,并采用动态振幅阈值法、拐点法和最大值法提取春玉米关键物候期(出苗期、拔节期、抽雄期、成熟期),最后使用辽宁省12个农业气象站的地面物候观测数据对提取结果加以检验。结果表明:基于AG模型的重构NDVI时序曲线保真能力最强,其重构曲线与原曲线各年平均的均方根误差(RMSE)分别为0.035,0.050和0.041;基于S-G滤波方法的重构NDVI时序曲线平滑能力最强,其各年平均的拟合值(R2)分别为0.99,0.993和0.993;就春玉米拔节期、抽雄期、成熟期的提取而言,基于AG时序曲线的提取结果优于其他2种方法的提取结果,其3年提取结果与实际观测值的平均绝对误差(MAE)均小于5d,均方根误差(RMSE)均小于4d;而对春玉米出苗期而言,基于S-G时序曲线的提取结果明显优于其他两种方法的提取结果 ,其各年出苗期RMSE分别为4.1d、4.0d和2.9d;动态振幅阈值法优于前人所用的动态阈值法,能够有效地纠正异常低值点,使提取结果更接近真实日期。研究结果可为利用遥感资料提取春玉米物候期提供参考。     

基于NDVI时间序列数据的冬小麦种植面积提取

归一化植被指数(NDVI)是利用遥感技术提取作物信息的重要指标,其时序曲线能反映植被的生长变化,在农作物种植面积信息提取上有较大优势。以河北平原为研究区,利用空间分辨率250 m的MODIS NDVI数据提取2011—2016年冬小麦种植面积。首先利用HANTS滤波建立NDVI时序曲线,结合区域物候信息和种植模式,提取冬小麦种植像元。因MODIS影像空间分辨率较低,结果受混合像元影响大。运用像元二分模型分解混合像元,计算单一像元冬小麦覆盖度进而计算研究区冬小麦种植面积,并利用Landsat数据对结果进行验证。结果表明,利用时间序列谐波分析法(HANTS)滤波和像元二分模型相结合可提高冬小麦种植面积提取精度,总体分类精度达90%以上;2011—2016年河北平原冬小麦种植面积总体减少,其中河北平原北部和山前平原冬小麦面积缩减,近海平原呈增长趋势。     

基于像元二分法的冬小麦植被覆盖度提取模型

【目的】快速准确提取冬小麦返青期植被覆盖度信息。【方法】利用无人机获取田间冬小麦可见光图像,提取图像中4种常见可见光植被指数;在像元二分法原理的基础上,分别构建基于差异植被指数(Visible-band difference vegetation index,VDVI)、过绿指数(Excess green,EXG)、归一化绿蓝差异指数(Normalized green-blue difference index,NGBDI)和归一化绿红差异指数(Normalized green-red difference index,NGRDI)的植被覆盖度提取模型,采用支持向量机(Support vector machine,SVM)监督分类结果作为真值对各模型进行精度验证。【结果】4种模型中,利用VDVI植被覆盖度提取模型获取的植被覆盖度精度最高,提取效果较好。与监督分类结果对比,4种植被覆盖度提取模型的提取误差(EF)分别为3.36%、15.68%、8.74%和15.46%,R2分别为0.946 1、0.934 4、0.695 3和0.746 0,均方根误差(RMSE)分别为0.021 9、0.059 5、0.042 0和0.055 9。【结论】采用可见光植被指数结合像元二分法构建植被覆盖度提取模型实现了冬小麦返青期植被覆盖度准确快速提取,为植被覆盖度提取提供了一种新途径,可为无人机遥感监测提供参考。     

苹果糖度无损检测模型研究

【目的】对套袋和不套袋苹果分别建立反射光谱与糖度预测模型,并对模型的精度进行比较分析,为构建苹果品质分级系统提供理论支撑。【方法】采用美国ASD公司的便携式光谱仪和数显折光计分别测量套袋和不套袋烟富3号红富士苹果,以苹果赤道位置4个取样点的反射率光谱和对应位置的糖度为数据源,原始光谱经多元散射校正后,与糖度数据一同用偏最小二乘回归算法,分别建立套袋和不套袋苹果的反射率光谱糖度模型,进行糖度预测。【结果】(1)套袋苹果校正集相关系数Rc=0.76,均方根误差RMSEP=0.8375 Brix;预测集相关系数Rv=0.72,均方根误差RMSEP=0.8702 Brix;(2)不套袋苹果校正集相关系数Rc=0.69,均方根误差RMSEP=0.9040 Brix;预测集相关系数Rv=0.63,均方根误差RMSEP=0.9134 Brix。【结论】不套袋苹果的模型精度低于套袋苹果模型精度。相对复杂的表面情况导致不套袋苹果模型精度较差,不套袋苹果的无损检测误差会高于套袋苹果。     

近20年华北粮食主产区冬小麦种植面积遥感快速提取研究

【目的 】基于遥感数据,研究快速提取华北粮食主产区近20年（2001—2020年）冬小麦种植面积的方法,生成准确的长时间序列冬小麦面积遥感产品,为政府决策机构和科研单位的工作提供数据支持。【方法 】文章基于经过滤波重构的MODIS植被指数产品,分析了研究区不同纬度下冬小麦在整个生长季中的时序特征,考虑到不同区域冬小麦物候差异,提出了一种关键生长季时序NDVI曲线匹配的方法,在无样本的条件下,快速提取冬小麦面积。通过使用统计年鉴进行面积验证,并结合目视解译的样本和高分辨率数据哨兵2号提取的结果,计算混淆矩阵并进行精度评价。【结果 】与2001—2018年的统计年鉴数据对比,平均相对误差为16.1%;与目视解译和哨兵2号分类结果中的6 459个采样点的精度评价相比,总体精度达到87.4%,kappa系数为0.61。【结论 】根据冬小麦的物候特征,通过提取NDVI的时序特征并采用时序NDVI曲线匹配算法,可以快速准确地提取华北粮食主产区冬小麦的种植面积和分布情况。     

基于NDVI数据的华北地区耕地物候空间格局

 【目的】探讨基于多时相遥感信息监测中国华北地区耕地种植制度和物候空间格局特征。【方法】选择NDVI时间序列数据,采用非对称性高斯函数拟合方法重建平滑曲线,依据年内NDVI变化曲线峰值数目监测华北地区耕地的多熟种植制度,并利用动态阈值法获取该种植制度下耕地物候空间格局。【结果】华北地区耕地种植制度以一年两熟为主,其分布具有明显的空间差异性,随着纬度递减呈现出从简单到复杂的总体趋势。在该种植制度下,华北地区耕地第一季作物的生长开始期和生长结束期存在十分明显的空间差异,一年两熟区域的第一季作物生长开始期和生长结束期要明显早于一熟区域。与第一季作物物候期明显的空间差异相比,华北地区耕地第二季作物物候期差异不显著。【结论】华北地区耕地种植制度与物候分布格局和自然地理环境紧密相关,不同区域的温度、降水和光照等气候资源的禀赋和匹配程度对该区域的种植结构和作物布局有很大影响。此外,这种耕地物候空间格局还与作物品质、耕作水平、灌溉、施肥和农药等有密切关系。如何区别生态环境因子和人类活动因子对耕地物候的影响是今后值得深入研究的问题。     

Characterizing Spatial Patterns of Phenology in Cropland of China Based on Remotely Sensed Data

This study used time-series of global inventory modeling and mapping studies （GIMMS） normalized difference vegetation index （NDVI） datasets at a spatial resolution of 8 km and 15-d interval to investigate the spatial patterns of cropland phenology in China. A smoothing algorithm based on an asymmetric Gaussian function was first performed on NDVI dataset to minimize the effects of anomalous values caused by atmospheric haze and cloud contamination. Subsequent processing for identifying cropping systems and extracting phenological parameters, the starting date of growing season （SGS） and the ending date of growing season （EGS） was based on the smoothed NVDI time-series data. The results showed that the cropping systems in China became complex as moving from north to south of China. Under these cropping systems, the SGS and EGS for the first growing season varied largely over space, and those regions with multiple cropping systems generally presented a significant advanced SGS and EGS than the regions with single cropping patterns. On the contrary, the phenological events of the second growing season including both the SGS and EGS showed little difference between regions. The spatial patterns of cropping systems and phenology in Chinese cropland were highly related to the geophysical environmental factors. Several anthropogenic factors, such as crop variety, cultivation levels, irrigation, and fertilizers, could profoundly influence crop phenological status. How to discriminate the impacts of biophysical forces and anthropogenic drivers on phenological events of cultivation remains a great challenge for further studies.     

基于MODIS-NDVI的浙江省耕地复种指数监测

【目的】耕地复种指数是重要的农情信息，本文旨在运用遥感数据对于这一参数进行监测与分析，为指导农业生产提供参考。【方法】采用美国国家航空和宇宙航行局(National Aeronautics and Space Administration，NASA)提供的中分辨率成像光谱仪(moderate resolution imagine spectroradimeter，MODIS)植被数据，利用1﹕25万浙江省土地利用现状图，设计二次差分的算法，对浙江省连续4年（2001～2004）耕地复种指数进行监测；【结果】一年内农作物播种、出苗、抽穗、成熟及收获等物理生长过程，反映在归一化植被指数（normalized difference vegetation index，NDVI）时间曲线上呈现出波动变化，其波峰所对应的是农作物群体生物量最大的时相。根据此原理通过提取耕地NDVI在一年内时间序列峰值频数，得出浙江省市级耕地的复种指数。【结论】浙江省耕地复种指数在空间分布上表现为西南大于东北。在时间上，从2001年到2003年有降低的趋势；而2004年有所增加。但相对于浙江的地理位置与气候条件来说，复种指数普遍偏低，潜力很大。     

基于冠层时序植被指数的冬小麦单产预测

【目的】研究冬小麦冠层时序植被指数的动态变化规律并基于其构建单产预测模型,为田间实时、准确获取作物单产信息提供有效的技术手段。【方法】本研究于2017—2019年在江苏省兴化市万亩粮食产业园开展不同品种及氮肥水平的田间小区试验,利用主动传感器RapidSCAN CS-45获取冠层归一化红边植被指数（normalized difference red edge,NDRE）和归一化植被指数（normalized difference vegetation index,NDVI）,基于双Logistic函数拟合时序植被指数并提取曲线特征参数,进而分析各特征参数与单产的相关关系,并以独立试验数据对单产预测模型进行验证。【结果】NDRE在孕穗期和抽穗期与单产关系最好,R²达到0.84以上;通过多元逐步线性回归法发现,利用2个或多个时期NDRE预测单产的效果较单生育时期有所提高,且第一和第二被选择的时期分别为拔节期和孕穗期。基于全生育时期相对NDRE（relative NDRE,RNDRE）和相对NDVI（relative NDVI,RNDVI）构建时序曲线,并利用曲线特征参数建立单产预测模型,其中RNDRE和RNDVI的最大值、累积值及增长速率与单产关系较好。利用独立试验数据对上述单产预测模型进行检验,结果表明基于RNDRE时序曲线最大值和累积值所构建的单产模型验证效果较好,R²大于0.80,相对均方根误差和相对误差均小于10%,其验证效果优于单时期或多时期基于NDRE的预测模型,且优于基于NDVI构建的单产模型。【结论】基于冠层时序植被指数提取的特征参数RNDRE最大值和累积RNDRE具有良好估测单产的潜力,研究结果为田间进行实时、准确预测冬小麦单产提供了技术支持。     

新疆北疆棉花多元复合遥感估产模型研究

[目的]揭示棉花产量与棉花叶面积指数( LAI)、归一化植被指数(NDVI)相关关系,辨识新疆北疆棉花遥感估产最佳时相,建立棉花产量与LAI及NDVI间的多元复合遥感估产模型,为大面积棉花生产管理和估产提供理论参考.[方法]以TM影像为数据源,结合实地调查的棉花LAI、NDVI和产量等数据,对影像数据进行校正,最后用统计学方法分析棉花指数与产量数据间关系和建模.[结果]棉花LAI在各生育期呈先升后降的趋势,花铃期最高,均值为3.69;棉花NDVI在各生育期基本处于稳定的较高水平,棉花生长旺盛,长势较好;棉花蕾期和花铃期LAI与产量呈极显著正相关,花铃期相关系数最高,达到0.75;新疆北疆棉花最佳估产时相为花铃期,最优估产模型为Y=17.76 LAI - 123.05 NDVI +232.15.[结论]利用LAI和NDVI建立多元复合估产模型能有效提高棉花的估产精度.     

黄土高原植被对气温和降水的响应

【目的】研究黄土高原植被覆盖对水热条件的时空响应。【方法】利用经验正交函数分析植被覆盖、气温和降水变化情况的时空分布,并结合奇异值分解分析植被覆盖与水热条件的时空相关性。【结果】东南部水热条件对植被的生长最佳,西北部干旱-半干旱地区气温超过一定的界限不利于植被生长,而降水的增加更容易使植被覆盖增大;中国第二大河--黄河的水文效应对干旱-半干旱地区植被覆盖的变化影响密切,在干旱地区水分充足的区域,气温的上升则会促进植被的生长;河谷平原、盆地中植被覆盖对水热的响应较为明显;同一区域不同植被类型对水热的响应也不尽相同;黄土高原植被覆盖与水热要素的相关性很强,但限制性因素较多。【结论】土地利用、植被类型、作物熟制以及地形地貌和高程等是黄土高原气温对植被覆盖影响的主要限制性因素。黄土高原地处干旱的内陆地区,降水对植被的影响最为直接。荒漠地带及非农业耕种区的植被覆盖状况主要取决于天然降水,两者之间具有很强的正相关性。农耕区由于受灌溉条件等人为因素的影响,植被覆盖和降水之间的相关情况更加复杂,不确定性更强。     

玉米光合有效辐射分量高光谱估算的初步研究

 【目的】光合有效辐射分量（FPAR）是各种生产力模型、作物估产模型等的重要参数,本文将对高光谱估算FPAR效果作初步探讨分析,为提高FPAR估算及遥感产品验证精度和各种生态模型模拟精度提供科学支持。【方法】本文基于地面实测玉米数据,详细分析了光合有效辐射分量与光谱反射率及其一阶导数之间的相关关系及FPAR估算机理,并利用反射率、一阶导数、植被指数方法研究了玉米冠层FPAR估算效果。【结果】玉米FPAR与整个可见光波段反射率相关性都相对较好,明显好于近红外波段;FPAR与一阶导数的相关关系曲线波动较反射率大,仅520、570、670、805、950和1 010 nm几个波长处一阶导数与FPAR相关性较好。FPAR与典型单波段反射率和一阶导数具有较好拟合关系,确定性系数分别高达0.791和0.882。总的来说,一阶导数法和植被指数法估算FPAR效果较反射率法好些,其中一阶导数的多波段逐步回归分析取得最优的估算效果,R2高达0.944。除红、绿和常用的近红外波段外,375nm附近紫色波段和950nm附近的近红外波段用于估算FPAR也可以得到较理想的结果,特别是水分强吸收的波段具有较好的提高FPAR估算精度的潜力。【结论】一阶导数法和植被指数法估算FPAR效果稍好,充分挖掘高光谱数据估算FPAR潜力,选择最佳波段能够较好得提高FPAR估算精度。     

基于Quick Bird的阿其克苏河植被覆盖度研究

[目的]利用高分辨率Quick Bird影像,并结合实地的植被和土地类型调查,对艾比湖地区阿其克苏河植被覆盖进行归一化植被指数( NDVI)遥感分类,利用遥感影像处理软件(如Envi软件、Arcgis软件、Erdas软件)提取了该区的植被覆盖等信息.[方法]基于NDVI图对该区进行植被覆盖度反演,并结合实际测量数据提出了荒漠区NDVI分类标准和植被覆盖等级划分标准.[结果]通过NDVI分类图和植被等级覆盖图,发现该地区植被大多集中于河滩及其两岸;而且离水源越近,植被覆盖度越高,NDVI值也越高,这与荒漠区植被分布特点吻合.[结论]植被覆盖度反演结果与实地测量对比分析有很好的切合度.     

Monitoring of winter wheat distribution and phenological phases based on MODIS time-series: A case study in the Yellow River Delta,China

Accurate winter wheat identification and phenology extraction are essential for field management and agricultural policy making. Here, we present mechanisms of winter wheat discrimination and phenological detection in the Yellow River Delta(YRD) region using moderate resolution imaging spectroradiometer(MODIS) time-series data. The normalized difference vegetation index(NDVI) was obtained by calculating the surface reflectance in red and infrared. We used the Savitzky-Golay filter to smooth time series NDVI curves. We adopted a two-step classification to identify winter wheat. The first step was designed to mask out non-vegetation classes, and the second step aimed to identify winter wheat from other vegetation based on its phenological features. We used the double Gaussian model and the maximum curvature method to extract phenology. Due to the characteristics of the time-series profiles for winter wheat, a double Gaussian function method was selected to fit the temporal profile. A maximum curvature method was performed to extract phenological phases. Phenological phases such as the green-up, heading and harvesting phases were detected when the NDVI curvature exhibited local maximum values. The extracted phenological dates then were validated with records of the ground observations. The spatial patterns of phenological phases were investigated. This study concluded that, for winter wheat, the accuracy of classification is 87.07%, and the accuracy of planting acreage is 90.09%. The phenological result was comparable to the ground observation at the municipal level. The average green-up date for the whole region occurred on March 5, the average heading date occurred on May 9, and the average harvesting date occurred on June 5. The spatial distribution of the phenology for winter wheat showed a significant gradual delay from the southwest to the northeast. This study demonstrates the effectiveness of our proposed method for winter wheat classification and phenology detection.