Modelar con precisión la fenología de la superficie terrestre basada en datos satelitales es muy importante para el estudio de la dinámica ecológica de la vegetación y los procesos ecosistémicos relacionados. En este estudio, desarrollamos una función de curva sigmoide (curva S) integrando una función gaussiana asimétrica y una función logística para ajustar la curva del índice de área foliar (LAI). Aplicamos las líneas asintóticas resultantes y los extremos de curvatura para derivar las fenofases de la vegetación de germinación, brotación, madurez, senescencia, defoliación y dormancia. La nueva función de curva S propuesta ha sido probada en un área específica (provincia de Shandong, China), caracterizada por un patrón específico en la serie temporal del índice de área foliar (LAI) debido a la presencia dominante de cultivos. La función aún no ha recibido pruebas globales. Las fenofases identificadas fueron validadas contra estaciones de medición en la provincia de Shandong. (i) A partir de la comparación a escala de sitio, encontramos que las fenofases detectadas utilizando el algoritmo de curva S (SC) son más consistentes con las observaciones que las obtenidas con el algoritmo logístico (LC) y el algoritmo gaussiano asimétrico (AG), especialmente para la germinación y la dormancia. Las tasas de reconocimiento fenológico (PRRs) del algoritmo SC son claramente más altas que las de los otros dos algoritmos. La función de curva S se ajusta mucho mejor a la curva del LAI que la función logística y la función gaussiana asimétrica; (ii) Los resultados de recuperación del algoritmo SC son confiables y están en estrecha proximidad a los datos observados de brotación, ya sea utilizando el LAI de AVHRR o el LAI mejorado de MODIS. Los resultados de las tres algoritmos de inversión muestran que los resultados de recuperación basados en el LAI de AVHRR son todos posteriores a los basados en el LAI mejorado de MODIS. Las estadísticas de sesgo revelan que los resultados de recuperación basados en los conjuntos de datos de LAI de AVHRR son más razonables que los basados en los conjuntos de datos de LAI mejorados de MODIS. En general, el algoritmo de curva S tiene la ventaja de derivar fenofases de vegetación a través del tiempo y el espacio en comparación con el algoritmo LC y el algoritmo AG. Con el algoritmo SC, las fenofases de vegetación pueden ser extraídas de manera más efectiva.