基于遙感和積溫的冬小麥生育期提取方法

黃健熙 趙劍橋 汪雪淼 解智琨 卓 文 黃 然

(1.中國農(nóng)業(yè)大學土地科學與技術學院， 北京 100083； 2.農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)災害遙感重點實驗室， 北京 100083；3.中國農(nóng)業(yè)大學信息與電氣工程學院， 北京 100083)

0 引言

生育期對農(nóng)作物生長發(fā)育的動態(tài)監(jiān)測、田間精細管理具有重要意義。生育期的準確提取有利于對作物的時空年際變化作出合理分析，為有效監(jiān)測作物生長提供有力依據(jù)，進而反映氣候變化對作物生長的影響[1-2]，并有利于估產(chǎn)模型的改進[3-8]。冬小麥是中國主要的糧食作物之一，研究冬小麥生育期的提取方法，精確監(jiān)測冬小麥的關鍵生長階段，對其產(chǎn)量預測具有重要意義[9]。遙感技術具有時效高、范圍寬、成本低和時間序列連續(xù)等優(yōu)點，能反映地面植被季節(jié)性生長發(fā)育的過程及其年際變化等特點，可為監(jiān)測農(nóng)作物生育期提供新的技術手段[10]。

已有較多學者利用Savitzky-Golay濾波(S-G濾波)平滑時間序列遙感數(shù)據(jù)，提取農(nóng)作物生育期[11-12]。但在上述研究中，平滑NDVI時間序列時直接用了S-G濾波，使NDVI的值總是處于周圍極大值和極小值之間。然而云霧和氣溶膠的影響導致NDVI值偏低，因此時間序列上突降的點都應該作為噪聲濾除，使用改進的S-G上包絡線濾波能獲得更高質量的時間序列[13]。

利用平滑模型函數(shù)擬合時間序列遙感數(shù)據(jù)及其產(chǎn)品，進而提取生育期，是近幾年發(fā)展較快的一種方法，平滑模型函數(shù)包括Logistic函數(shù)法、非對稱高斯函數(shù)法和諧波函數(shù)法[14]。SAKAMOTO等[15]利用MODIS/Terra數(shù)據(jù)，使用小波變換、傅里葉變換兩種方法重構增強植被指數(shù)(Enhanced vegetation index，EVI)時序曲線。李錚等[16]以東北三省為研究區(qū)域,使用非對稱性高斯函數(shù)擬合法平滑MODIS、CYCLOPES和GLASS葉面積指數(shù)時間序列,利用動態(tài)閾值法提取水稻的主要生育期。JONSSON等[17]提出基于非線性最小二乘擬合的非對稱性高斯函數(shù)擬合AVHRR NDVI時序數(shù)據(jù)的方法，用于描繪地面植被的季節(jié)性生長和衰退曲線，并確定生育期參數(shù)。侯學會等[18]基于SPOT VGT NDVI數(shù)據(jù)，用5種方法提取冬小麥返青期，分析遙感監(jiān)測結果與實測數(shù)據(jù)的均方根誤差，iNDVI-Logistic提取誤差為12.91 d，Logistic函數(shù)法提取誤差為13.04 d，閾值法提取誤差為17.48 d，導數(shù)法和DNA法提取誤差大于35 d。

目前，很多研究綜合使用上述兩種時間序列遙感數(shù)據(jù)的處理方法，獲得了較好效果[19-21]。但是前人成果主要集中于冬小麥一個或兩個顯著生育期(返青期和抽穗期)提取的研究，對于拔節(jié)期和開花期的研究很少，這是因為拔節(jié)期和開花期在LAI時間序列曲線上沒有明顯特征，因而，需要引入輔助數(shù)據(jù)。有效積溫是作物基點溫度之上日平均氣溫的積累[22]，有效積溫與植物的生長速度和生育階段有直接聯(lián)系，是衡量作物生長發(fā)育過程熱量條件的重要指示因子[23]。CHU等[11]利用MODIS數(shù)據(jù)提取了冬小麥返青期和抽穗期，發(fā)現(xiàn)積溫每降低10℃·d，返青期延后4～5 d(R2=0.816,p<0.001)，抽穗期延后1～2 d(R2=0.401,p<0.001)。說明冬小麥生育期與積溫具有顯著的相關關系。胡喬玲等[24]在Logistic曲線擬合NDVI并提取返青期的基礎上，結合積溫進行拔節(jié)期推算研究，監(jiān)測的冬小麥拔節(jié)期開始時間與觀測值平均誤差為4.3 d，最大誤差為8 d。

MODIS LAI數(shù)據(jù)具有覆蓋范圍廣、高時間分辨率的特征，在氣候變化監(jiān)測[25]、凈初級生產(chǎn)力評估[25]、作物生育期監(jiān)測[10]、作物產(chǎn)量預測[26-27]等方面有很廣泛的應用。本文綜合運用S-G上包絡線濾波、Logistic曲線擬合、有效積溫等，結合MODIS LAI數(shù)據(jù)和地面觀測數(shù)據(jù)，提取并驗證大范圍冬小麥關鍵生育期，以實現(xiàn)大區(qū)域上冬小麥返青期、拔節(jié)期、抽穗期、開花期4個關鍵生育期的提取，并采用地面觀測生育期數(shù)據(jù)定量評價提取精度。

1 研究區(qū)域與數(shù)據(jù)獲取

1.1 研究區(qū)域

為了得到普適性的研究結果，選取河北、河南、山東三省為研究區(qū)域(圖1)，進行冬小麥的生育期預測研究。該區(qū)域位于31°23′～42°40′N，110°21′～122°42′E，地處黃淮海平原，溫帶季風氣候，夏季降水集中，雨熱同期，冬春干旱少雨。年降水量500～900 mm，年均溫11～14℃。

圖1 研究區(qū)及農(nóng)氣站點Fig.1 Study area and agrometeorological stations

1.2 數(shù)據(jù)獲取

1.2.1遙感數(shù)據(jù)

遙感數(shù)據(jù)使用MODIS LAI標準產(chǎn)品中的MCD15A3H陸地4級數(shù)據(jù)產(chǎn)品，該產(chǎn)品的時間分辨率為4 d，空間分辨率為500 m(https:∥ladsweb.modaps.eosdis.nasa.gov/search/)。本文使用的MODIS LAI產(chǎn)品時間為2015年1—7月，軌道號為H26V4、H26V5、H27V4、H27V5。該數(shù)據(jù)已經(jīng)進行了幾何校正和輻射校正,本文根據(jù)研究區(qū)域對該數(shù)據(jù)進行了拼接、裁剪。

1.2.2氣象數(shù)據(jù)

氣象驅動數(shù)據(jù)來源為中國區(qū)域高時空分辨率地面氣象要素驅動數(shù)據(jù)[28-29](http:∥westdc.westgis.ac.cn/data/7a35329c-c53f-4267-aa07-e0037d913a21)，其時間分辨率為3 h，水平空間分辨率0.1°。本文使用的時間范圍為2012—2015年，經(jīng)過數(shù)據(jù)預處理，將其轉換為366或365個波段的柵格文件，一個波段代表一天的日平均氣溫。

1.2.3觀測數(shù)據(jù)

地面觀測數(shù)據(jù)來自河北、河南、山東三省2012—2015年的農(nóng)氣站點觀測記錄，包含作物生育狀況觀測記錄和土壤水分觀測記錄。其中作物生育狀況觀測記錄包括臺站編號、作物品種、栽培方式、冬小麥各生育階段日期、生長狀況、生長高度、生長密度、產(chǎn)量、產(chǎn)量因素和產(chǎn)量構成，以及主要田間管理措施等，在農(nóng)氣站點上還有關鍵生育期葉面積指數(shù)和生物量等觀測值。本文使用了該系列數(shù)據(jù)中來自研究區(qū)域的64個農(nóng)氣站點的生育期數(shù)據(jù)。其中，2012—2014年的觀測數(shù)據(jù)用于計算返青-拔節(jié)、抽穗-開花2個階段冬小麥所需的平均積溫，2015年的觀測數(shù)據(jù)用于檢驗各生育期的提取精度。

由于本研究的空間跨度較大，返青期、拔節(jié)期、抽穗期、開花期幾個關鍵生育期在不同地面觀測站點呈現(xiàn)明顯的南北差異，時間差別較大。如表1所示，從南到北各生育期的日期大致呈現(xiàn)逐漸推遲的規(guī)律，該現(xiàn)象符合從南到北輻射和降雨的空間分布規(guī)律。

表1 2015年冬小麥生育期觀測數(shù)據(jù)Tab.1 Observed data of winter wheat growth stages in 2015 DOY

表1是對冬小麥生育期觀測數(shù)據(jù)的統(tǒng)計，單位為一年中的天數(shù)順序(Day of year, DOY)。4個關鍵生育期觀測數(shù)據(jù)最小值均出現(xiàn)在河南省，最大值均出現(xiàn)在河北省。河南省整體生育期靠前，山東省居中，河北省普遍較后。拔節(jié)期的南北差異較返青期明顯，河北省拔節(jié)期基本都在第100天之后，只有最南端的一個站點拔節(jié)期在第100天之前，為第87天；河南省主要在第90天之前，只有最北邊的兩個站點拔節(jié)期在第90天之后，分別為第94天和第104天；山東省拔節(jié)期分布在第85～100天，其中最南邊的站點對應第85天，最北邊的站點對應第100天。

抽穗期和開花期對溫度的響應更加敏感，因此這2個生育期的南北差異更明顯。河北省抽穗期主要在第120天之后，只有離河南省最近的站點在第120天之前，為第116天；河南省則均勻分布在第98～120天；山東省抽穗期分布在第112～126天。河北省開花期均勻分布在第120～131天，最北邊的站點對應第131天，最南邊對應第120天；河南省的開花期均勻分布在第104～126天；山東省分布在第119～131天，最北邊的站點對應第131天，最南邊對應第119天。

2 研究方法

2.1 技術路線

本研究利用MODIS數(shù)據(jù)重構LAI時間序列，根據(jù)時間序列的特征提取返青期和抽穗期。在此基礎上利用氣象數(shù)據(jù)，計算積溫閾值并提取冬小麥的開花期、拔節(jié)期。通過LAI時間序列得到抽穗期日期后，從抽穗期開始計算有效積溫，有效積溫一旦達到近三年抽穗期到開花期有效積溫的平均值，則當天為開花期。同理，在返青期的基礎上得到拔節(jié)期。技術路線見圖2。

圖2 冬小麥生育期提取技術路線圖Fig.2 Flow chart of winter wheat growth stages extraction

2.2 LAI時間序列重構

2.2.1S-G上包絡線濾波

S-G濾波最早于1964年由SAVITZKY和GOLAY[30]提出。它可以理解為一種權重滑動平均濾波，其權重取決于在一個濾波窗口范圍內(nèi)做多項式最小二乘擬合的多項式次數(shù)[31]。S-G濾波過程為

(1)

其中

N=2m+1

i——時間索引

Ci——第i個LAI值的濾波系數(shù)

Yj+i——時間j處第i個LAI的原始值

m——窗口半徑

如果只使用S-G濾波，濾波后時間序列上每一點的值是窗口內(nèi)各點值的均值，不能將窗口內(nèi)的極大值包含在內(nèi)，存在部分突降無法消除的問題。因此，使用了CHEN等[13]提出的S-G上包絡線濾波法來重構冬小麥LAI時間序列。該方法的處理步驟為：

(1)對原始LAI時間序列進行S-G濾波，分別存儲濾波后和濾波前的時間序列。

(2)對比步驟(1)中存儲的2個時間序列，得到新的時間序列，并將其作為原始序列。

(2)

式中O——原始的LAI值

L——濾波后的LAI值

T——迭代次數(shù)

采用S-G上包絡線濾波算法對遙感數(shù)據(jù)進行去噪處理。由于云污染和水汽等的影響，遙感圖像存在數(shù)據(jù)質量偏低甚至缺失的情況，因此濾波前的LAI時間序列曲線噪聲較多，存在尖銳拐點，不夠平滑，難以直接用于提取冬小麥的生育期；由圖3可以看出，濾波后得到了外包絡原始序列的平滑曲線，消除了原始數(shù)據(jù)的云污染和缺失數(shù)據(jù)造成的誤差，更準確地反映了冬小麥的生長變化規(guī)律，便于之后的Logistic曲線擬合。

圖3 2015年原始MODIS LAI時序曲線與S-G上包絡線濾波結果對比Fig.3 Comparison of MODIS LAI and S-G upper-envelope LAI in 2015

2.2.2Logistic曲線

Logistic模型是由比利時數(shù)學兼生物學家VERHULST于1838年首先提出的。其特點是一開始緩慢增長，而在以后的某一范圍內(nèi)迅速增長，到達一定限度后，增長再度緩慢下來[32]，公式為

(3)

式中t——LAI時間序列中的時間

y(t)——t時間的LAI值

a、b、c、d——擬合參數(shù)

對擬合后的Logistic曲線方程求二階導數(shù)，得到

(4)

原始MODIS LAI時序曲線、S-G上包絡線濾波結果、Logistic曲線擬合結果及曲線二階導數(shù)的對比見圖4。

圖4 2015年MODIS LAI、S-G上包絡線濾波LAI、Logistic擬合LAI、Logistic曲線二階導數(shù)對比Fig.4 Comparison of MODIS LAI, S-G upper-envelope LAI, fitting Logistic LAI and second derivative of fitting Logistic LAI in 2015

2.3 冬小麥種植區(qū)域提取

在研究區(qū)域內(nèi)提取2015年LAI時間序列曲線受冬小麥控制的像元，根據(jù)冬小麥生長期內(nèi)LAI時間序列的特征，給出提取較純像素的條件：由于冬小麥在抽穗期生長旺盛，LAI值較高，因此要求第31波段(121 DOY)的LAI值大于1。由于冬小麥LAI于抽穗期達到峰值后持續(xù)下降，且本研究的空間跨度較大，各區(qū)域抽穗期DOY差異大，因此要求在第22～36波段(85～141 DOY)內(nèi)，LAI有一個極大值，且該極大值大于第36波段(141 DOY)的LAI值。以上2個限制條件，能濾除MODIS LAI時序曲線不符合冬小麥發(fā)育情況的像素。最后得到的研究區(qū)域內(nèi)2015年冬小麥分布如圖5所示。用地面采樣的方法驗證得到冬小麥種植區(qū)域提取總體精度為90.75%，Kappa系數(shù)為0.86。

圖5 2015年研究區(qū)冬小麥分布圖Fig.5 Winter wheat distribution map in study area in 2015

在研究區(qū)域內(nèi)，具有有效地面觀測數(shù)據(jù)的農(nóng)氣站點共64個。但有些站點附近(3×3的柵格)混合像元問題嚴重，以農(nóng)氣站點周圍3×3柵格中至少有5個像元種植冬小麥為篩選條件，最后保留了35個站點，可用于冬小麥生育期提取后的驗證。

2.4 冬小麥關鍵生育期提取

返青期是指早春麥田半數(shù)以上的麥苗心葉長度達到1～2 cm的時期。冬季麥苗停止生長，在該時期突然開始生長，LAI時間序列曲線表現(xiàn)為突然上升。抽穗是禾谷類作物發(fā)育完全的穗，隨著莖稈的伸長而伸出頂部葉的現(xiàn)象。全田50%植株抽穗為抽穗期，抽穗期處于冬小麥營養(yǎng)生長和生殖生長并進階段，且LAI在該時期前后達到最大值。

在冬小麥生育期內(nèi)，其LAI變化曲線近似于拋物線。進入抽穗期時，冬小麥的長勢較好，葉片的生長狀況在整個生育期中屬于最好時期，冬小麥LAI在整個生育期中處于峰值[33]。因此，從濾波后的LAI時間序列中提取LAI最大值所對應的天數(shù)順序，即為當年冬小麥的抽穗期。

從返青期到抽穗期，冬小麥的LAI呈單調遞增，在抽穗期達到極大值后，從抽穗期到開花期，處于下降狀態(tài)。返青期到抽穗期這一增長過程，由Logisitc曲線較為準確地擬合出來。從擬合的曲線中提取出二階導數(shù)的最大值，最大值所對應的天數(shù)順序即為2015年冬小麥的返青期。

根據(jù)2012—2014年的氣溫格網(wǎng)數(shù)據(jù)以及農(nóng)氣站點記錄的返青期、拔節(jié)期，計算出返青期-拔節(jié)期的平均積溫。將此平均積溫作為閾值，結合2015年提取的返青期、氣溫格網(wǎng)數(shù)據(jù)，提取2015年的拔節(jié)期。同理，根據(jù)2015年提取的抽穗期，基于3年平均積溫，提取2015年的開花期。

2.5 驗證方法

根據(jù)各農(nóng)氣站點的經(jīng)緯度，提取遙感影像中對應的像元，以該像元為中心，擴展至3×3像元區(qū)域，即1.5 km×1.5 km的區(qū)域。取該9個像元中的冬小麥區(qū)域生育期的平均值作為提取值，與對應的農(nóng)氣站點觀測的生育期對比。假設農(nóng)氣站點的觀測值為真值，分別采用最大誤差、最小誤差、平均誤差及均方根誤差(Root mean square error, RMSE)作為冬小麥生育期提取精度的評價指標。

MODIS LAI的時間分辨率為4 d，再考慮到混合像元等因素的影響，當生育期RMSE小于6 d時，認為該生育期提取精度較高。

3 結果分析

3.1 冬小麥關鍵生育期提取結果與分析

獲得2015年研究區(qū)冬小麥生育期提取結果如圖6所示。提取結果具有顯著的空間變異性，與觀測數(shù)據(jù)的時空變異規(guī)律基本吻合。分析具有地面觀測數(shù)據(jù)的提取值與觀測值，可得：返青期提取值的范圍是29～91 DOY，觀測值的范圍是39～69 DOY。如圖7a所示，剔除2個異常樣本，返青期誤差在0～5 d內(nèi)的樣本數(shù)為17個(51.5%)，誤差在6～10 d內(nèi)的樣本數(shù)為6個(18.2%)，誤差超過10 d的樣本數(shù)為10個(30.3%)。

圖6 2015年冬小麥生育期提取結果Fig.6 Results of extracted winter wheat growth stages in 2015

LAI數(shù)據(jù)源的空間分辨率為500 m，因此混合像元是引起各生育期誤差的主要原因之一。由圖7a可看出，混合像元的效應造成提取的返青期日期偏后，即提取日期大于觀測日期。各生育期中，返青期的提取對混合像元非常敏感。由于夏季作物LAI快速增長的時期晚于冬小麥，LAI時序曲線二階導數(shù)最大的天數(shù)順序在像元內(nèi)夏季作物的影響下產(chǎn)生延遲。此外，MODIS LAI能夠較好地反映自然植被與林地的LAI，然而對于農(nóng)作物而言，往往低于其實測LAI[34]。MODIS LAI的這一特性，降低了對返青期的提取精度。

另一影響返青期提取的因素是Logistic曲線擬合的精度。返青期在LAI上體現(xiàn)的特征非常細微，本文采用求二階導數(shù)的方法提取返青期。因此，如果Logistic曲線不能準確刻畫LAI快速增長期變化趨勢的特性，就會導致提取的返青期產(chǎn)生一定誤差。

根據(jù)提取的2015年返青期，利用2012—2014年3年歷史積溫平均值作為積溫閾值，提取出當年拔節(jié)期。拔節(jié)期提取值的范圍是52～133 DOY，觀測值的范圍是69～108 DOY。如圖7b所示，剔除2個異常樣本，拔節(jié)期誤差在0～4 d內(nèi)的樣本數(shù)為20個(60.6%)，誤差在5～8 d內(nèi)的樣本數(shù)為9個(27.3%)，誤差超過8 d的樣本數(shù)為4個(12.1%)。

圖7 2015年生育期提取值與觀測值的對比Fig.7 Comparison of extracted and observed growth stages in 2015

與站點觀測值相比，返青期提取日期以延遲居多，導致開始計算積溫的日期也產(chǎn)生延遲。研究區(qū)域內(nèi)冬小麥返青期一般處于2月中下旬，在返青期實測日期—返青期推測日期這段時間內(nèi)，各天的日平均氣溫多數(shù)都小于基點溫度0℃，即這段時間的有效積溫接近于0 ℃·d。因此，返青期提取值的延遲對積溫計算的影響較小，不會使拔節(jié)期的提取產(chǎn)生較大誤差。

抽穗期提取值的范圍是85～137 DOY，觀測值的范圍是98～127 DOY。如圖7c所示，抽穗期誤差在0～4 d內(nèi)的樣本數(shù)為20個(57.14%)，誤差在5～8 d內(nèi)的樣本數(shù)為11個(31.43%)，誤差超過8 d的樣本數(shù)為4個(11.43%)。

抽穗期提取受混合像元的影響較小?；旌舷裨獙Χ←溕谔崛〉挠绊懼饕獊碜杂诟鞣N不同生長周期的夏季作物，其中樹木的LAI遠高于冬小麥，使冬小麥LAI的峰值顯著升高；大棚、園藝作物、蔬菜作物等使冬小麥LAI峰值下降，曲線在達到峰值之后的下降趨勢不明顯。

但是混合像元僅對LAI的數(shù)值產(chǎn)生影響，對LAI峰值出現(xiàn)的時間影響較小，即峰值出現(xiàn)的時間主要由冬小麥決定。因此，抽穗期提取結果與地面觀測結果基本一致。

根據(jù)提取的2015年抽穗期，利用2012—2014年3年歷史積溫平均值作為積溫閾值，提取出當年開花期。開花期提取值的范圍是87～150 DOY，觀測值的范圍是104～134 DOY。如圖7d所示，開花期誤差在0～4 d內(nèi)的樣本數(shù)為21個(60.0%)，誤差在5～8 d內(nèi)的樣本數(shù)為11個(31.4%)，誤差超過8 d的樣本數(shù)為3個(8.6%)。經(jīng)過對比，開花期提取值與站點觀測值吻合情況良好。

此外，提取的生育期還受到以下因素的影響：原始數(shù)據(jù)存在誤差，提取的生育期需要精確到1 d，而MCD15A3H的時間分辨率為4 d。對空間尺度的差異而言，農(nóng)氣站點的觀測數(shù)據(jù)是點上數(shù)據(jù)，而通過遙感數(shù)據(jù)提取的生育期是3×3柵格內(nèi)的平均值。農(nóng)氣站點人工觀測生育期數(shù)據(jù)存在誤差。

3.2 精度評價

由圖7可知，提取的冬小麥生育期時間與觀測值之間的誤差有提前和延遲的現(xiàn)象，也存在基本一致的情況，其中多數(shù)返青期提取值存在延遲情況，其他生育期誤差正負分布較為均衡。表2為與農(nóng)氣站點觀測數(shù)據(jù)對比后，基于遙感與氣象數(shù)據(jù)提取的冬小麥生育期的精度評價。由表2可知，提取的返青期、拔節(jié)期、抽穗期、開花期與農(nóng)氣站點觀測數(shù)據(jù)比較，其平均誤差分別為7.4、4.5、4.4、3.8 d，均方根誤差分別為9.5、5.5、5.2、4.9 d。

表2 2015年冬小麥生育期提取精度評價Tab.2 Evaluation of extraction accuracy of winter wheat stages in 2015 d

與已有研究相比，本研究中返青期平均誤差與均方根誤差顯著小于WANG等[21]的研究結果，均方根誤差顯著小于侯學會等[18]用5種方法研究得出的均方根誤差；拔節(jié)期平均誤差與胡喬玲等[24]研究結論比較一致；而目前關于冬小麥開花期時間的研究尚無數(shù)據(jù)加以對比驗證。總體來看，本研究對冬小麥生育期的提取精度較高，達到了較以往的生育期提取方法更符合實際的提取結果。

4 結論

(1)以河北、河南、山東三省為研究區(qū)域，MCD15A3H產(chǎn)品的空間分辨率為500 m、時間分辨率為4 d，通過S-G上包絡線濾波重構的LAI 時間序列，結合時序曲線特征和積溫方法，提取出較為準確的冬小麥關鍵生育期。

(2)S-G上包絡線濾波方法可以將濾波窗口內(nèi)的極大值包含在內(nèi)，解決了直接使用S-G濾波時部分突降無法消除的問題，更準確地反映了冬小麥的生長變化情況。結果分析表明，各生育期開始時間由南到北逐漸推遲，空間變異性符合實際的輻射和降雨的空間分布規(guī)律。提取的生育期與農(nóng)氣站點觀測日期較為吻合，返青期的平均誤差在8 d之內(nèi)，拔節(jié)期、抽穗期、開花期的平均誤差都在5 d之內(nèi)。這是由于求二階導數(shù)的方法對混合像元及Logistic函數(shù)擬合準確度敏感，返青期的提取結果出現(xiàn)延后現(xiàn)象，而拔節(jié)期、抽穗期、開花期的提取精度較高。

(3)由于冬小麥種植區(qū)提取存在誤差，研究中MODIS LAI時序曲線可能包含非作物信息，且積溫模型所使用的氣象插值產(chǎn)品精度有待驗證，對生育期提取精度有一定影響。其次，農(nóng)氣站點在研究區(qū)內(nèi)分布不均，疏密程度和代表性不同，可能影響結果驗證的準確性。此外，拔節(jié)期、開花期的積溫計算采用歷史年份積溫均值，其建模精度受年際間氣候和作物品種差異程度影響。