هذه الورقة تستهدف需求 التكاملية لمراقبة الوقوع المحصول الزراعي "قبل الكارثة وبعدها"، وتقترح طريقة مراقبة تلقائية قائمة على منحنى النمو القياسي للمحاصيل - StandardCurve-iForest-RF لمعالجة مشاكل انخفاض مستوى الأتمتة، ونقص آلية التعاون الزمني والمكاني والإطار المنهجي في الطرق الحالية. تستخدم هذه الطريقة بيانات تسلسل زمني من Sentinel-2، وتبني منحنى نمو محاصيل قياسي غير متأثر بالتقلبات السنوية من خلال خوارزمية ضبط الوقت الديناميكي المرن (Soft-DTW) كمعيار مراقبة قوي؛ وتدمج خوارزمية الغابة المنعزلة لحساب مجموع درجات الشذوذ متعددة الميزات، وتدخل آلية قرار مشتركة زمنية ومكانية للتعرف بدقة على أحداث الوقوع الحقيقية، وتحد من الأخطاء الناتجة عن التشويش السحابي؛ وتحقق في النهاية عملية مؤتمتة عالية من اكتشاف الوقوع الديناميكي إلى الكشف الدقيق عن النطاق. في حالة الوقوع في بلدة بوهتاي بمقاطعة جيلين بمدينة داتشينغ بمقاطعة هيلونغجيانغ، نجحت الطريقة في اكتشاف وقوع حدث في 15 سبتمبر 2020، بدقة كلية بلغت 80.36% ومعامل كابا 0.60. تشير النتائج إلى أن طريقة StandardCurve-iForest-RF تتمتع بدرجة عالية من الأتمتة والدقة، ويمكن أن تقدم دعمًا تقنيًا موثوقًا لمراقبة الكوارث الزراعية وإدارة الطوارئ.

مراقبة وقوع المحاصيل; منحنى النمو القياسي; التحليل الزمني; الكشف المشترك الزمني والمكاني; Sentinel-2