图1. 田间水平计算的叶片覆盖指数的图形表示。叶盖度是以每平方米土壤叶面积的平方米为单位的。早期活力期：Z2.4至叶覆盖面积达到90%时的累积叶面积；累计绿叶面积：Z2.4至Z6.5的累积叶面积；持绿期：Z6.5至S10的累积叶面积。

图2. 2015年和2016年产量预测模型。皮尔逊积矩相关系数(R)，在5%的显著水平上评价实测值与预测值之间的相关性(F检验)。虚线表示1：1分割线

图3. 小麦产量预测模型组件及其在整个生长期进展的图形表示。直到抽穗期(Z5.7)生物量积累对高NDVI和LUE有响应。NDVI的维持和WS的增加以及较高的太阳辐射使生物量积累速率保持到Z7.5。Z7.5开始，生物量积累速率随NDVI、WS和LUE的降低而降低。垂直虚线表示特定Zadoks(Z)阶段的测量时间点。彩色虚线代表估计点和测量点之间的趋势线。LUE(光利用效率，单位为g C MJ−1；棕色)、WS(水分状况指数，蓝色)、NDVIcor(单位：%；浅绿色)、RAD(累积辐射，单位：MJ m−2；黄色)和预测生物量(单位：t C m−2；深绿色)。

表1. 两年间（2015年-2016年)小麦产量预测模型(模型1-模型4)与实测籽粒产量的评价指标。NDVIcor和WS的共同参与使预测产量和实测产量之间的相关性在2015年提高到0.59 (p < 0.001)，在2016年提高到0.64 (p < 0.001)。注：p < 0.001。r，各模型预测产量与实测产量之间的Pearson相关系数;Yieldp：模型预测的产量、HI：收获指数、NDVIcor：修正的归一化差异植被指数、LUE：光能利用效率、WS：水状况指数、RAD：阳光辐射。

表2. 两年间（2015年-2016年)实测和预测性状与籽粒产量相关性(基于产量模型)。2015年预测产量和预测生物量的相关性分别为0.59 (p < 0.001)和0.56 (p < 0.001)，高于任何测量和计算性状的最大相关性(NDVI (Z3.4)，r = 0.48, p < 0.001;LUE (Z3.4)，r = 0.47, p < 0.001;2016年，Yieldp (r = 0.64, p < 0.001)。与籽粒产量的相关性高于实测和计算性状、WI (Z7.4) (r =−0.59,p < 0.001)和LUE (Z3.7和Z5.7) (r = 0.44, p < 0.001)。与单一性状相比，该模型在2015年和2016年分别提高了11%(0.59-0.48 = 0.11)和5%(0.64-0.59 = 0.05)的产量预测能力。预测生物量与产量之间的相关性随着作物周期增加，在开花期和籽粒发育期达到最大值。2015年，花期最大(Z6.5;r = 0.54, p < 0.001)，但在初期也很高(Z4.5;R = 0.53, p < 0.001)。2016年籽粒发育时相关性最大(Z7.1、Z7.5和Z7.9;r = 0.50, p < 0.001)，但与花期比较接近(Z6.5;r = 0.48, p < 0.001)。注：* p < 0.05;** p < 0.01， *** p < 0.001, NS不显著。Yieldp：模型预测的产量;HI：收获指数;生物量，由产量模型预测的周期结束时积累的生物量。EV：早期活力;AGA：累计绿化面积;SG，持绿。生物量(Z)， Yieldp模型预测的Z阶段累积生物量。NDVI (Z)，Z阶段归一化植被指数;LUE (Z)，Z阶段的光利用效率;WI (Z)， Z阶段水分指数。Z为植物发展阶段的Zadoks尺度值。

表3.Yieldp模型简化模型的评价指标。2015年NDVIcor对模型的影响最大，其次是LUE和HI。2016年，HI对产量预测的影响较大，其次是NDVIcor和LUE。单项对最终模型的影响缺乏一致的模式，突出了模型对不同季节的灵活响应。注：p < 0.001。r：各模型预测产量与实测产量之间的Pearson相关系数； RMS：各模型的均方根误差；HI：收获指数；NDVIcor:修正的归一化差异植被指数;LUE:光能利用效率; W:S水状况指数;RAD:阳光辐射。