در سالیان اخیر، مطالعه فنولوژی محصولات زراعی با استفاده از داده های ماهواره ای گسترش فراوانی یافته است. امروزه داده های سنجنده OLI از ماهواره لندست 8  با تفکیک مکانی 30 متر،  تشخیص مراحل فنولوژی گیاهان را در مقیاس محلی فراهم کرده است. در این پژوهش، از شاخص های سنجش از دور NDVI، EVI، Greenness و Brightness  حاصل از سنجنده OLI و شاخص GCC حاصل از تصاویر دوربین دیجیتال، برای برآورد مراحل فنولوژی گیاه کلزا و از فیلتر ساویتزکی- گولی برای برطرف کردن داده های پرت و تولید منحنی های هموار سری های زمانی شاخص های گیاهی استفاده شد. نتایج نشان داد که منحنی های حاصل از شاخص های NDVI, EVI, GCC هر چهار مرحله فنولوژی سنجش از دور( سبزینگی، رکود، بلوغ و پیری) را به خوبی نمایش می دهند اما شاخص Greenness، مرحله رکود را به خوبی نمایش نمی دهد. منحنی حاصل از شاخص Brightness رفتاری عکس با دیگر منحنی ها از خود نشان می دهد. بر اساس آزمون همبستگی پیرسون داده های شاخص GCC با داده های شاخص NDVI و Brightness همبستگی دارند. برای برآورد شروع فصل و پایان فصل از روش های آستانه نسبی، نرخ تغییر و مشتق اول استفاده شد و نتایج نشان داد که روش مشتق اول و آستانه نسبی به ترتیب با میانگین اختلاف 18 و 19 روز در برآورد شروع فصل و روش نرخ تغییر با میانگین اختلاف 8 روز در برآورد پایان فصل بهترین عملکرد را دارند. همچنین شاخص Brightness با میانگین اختلاف 16 روز و شاخص EVI با میانگین اختلاف 7 روز به ترتیب در برآورد شروع فصل و پایان فصل بهترین عملکرد را دارند. 

متغیرهای اقلیمی مهم ترین عوامل تأثیرگذار بر تغییرات پوشش گیاهی محسوب می شوند. امروزه از تصاویر ماهواره ای به طور گسترده ای برای بررسی اثر نوسانات متغیرهای اقلیمی بر تغییرات پوشش گیاهی استفاده می گردد. هدف از پژوهش حاضر بررسی رابطه متغیر اقلیمی بارش، دما و رطوبت بر تغییرات شاخص¬های پوشش گیاهی  باغات پرتقال حسن آباد داراب با استفاده از داده های ماهواره ای می­باشد. بدین منظور داده­های مشاهداتی، شامل داده­های فنولوژی درخت پرتقال و داده­های هواشناسی در بازه زمانی ده‌ساله (1385 تا 1395) مربوط به ایستگاه هواشناسی کشاورزی حسن‌آباد داراب جمع‌آوری‌شده است. تصاویر سنجنده مودیس برای سال 1385 تا 1395 با توجه به داده­های زمینی و نقشه­های 1:25000 سازمان نقشه‌برداری زمین مرجع شدند. این تصاویر برای محاسبه شاخص­های پوشش گیاهی سنجش‌ازدوری شامل شاخص تفاضلی نرمال شده پوشش گیاهی (NDVI)، شاخص وضعیت پوشش گیاهی (EVI) استفاده گردید. نتایج نشان داد که متغیرهای حداکثر رطوبت، حداقل دما و بارش دارای تأثیر مثبت معنی‌دار بر متغیر NDVI هستند. به‌علاوه متغیرهای حداکثر دما، حداقل رطوبت دارای تأثیر منفی معنی‌دار بر متغیر وابسته NDVI و EVI هستند. به‌منظور تعیین اهمیت هریک از متغیرهای مستقل در پیش‌بینی متغیرهای وابسته از روش شبکه عصبی مصنوعی استفاده شد. یافته­ها نشان داد که عناصر اقلیمی بارش، حداقل دما، حداکثر دما، حداقل رطوبت و حداکثر با مقادیر به  ترتیب (39/0، 3/0، 13/0، 1/0 و 06/0 ) بیشترین تأثیر را بر EVI دارند. به‌علاوه تاثیر این متغیرها بر شاخص NDVI به ترتیب ضرایب آنها (2/0، 28/0، 22/0، 11/0 و 17/0) می­باشد.درنهایت به‌منظور افزایش قدرت توضیح دهندگی مدل از روش رگرسیون ARMAX استفاده شد. نتایج نشان داد استفاده از این روش منجر به افزایش قدرت توضیح دهندگی مدل، کاهش خطای پیش‌بینی می‌گردد.