Dieser Artikel adressiert die integrierten Anforderungen an die Überwachung von Kulturpflanzen-Stürzen „vor und nach der Katastrophe“ und schlägt eine automatisierte Normalisierungsüberwachungsmethode namens StandardCurve-iForest-RF vor, um Probleme niedriger Automatisierungsstufen, fehlender raumzeitlicher Koordinationsmechanismen und systemischer Rahmenbedingungen in bestehenden Methoden zu lösen. Die Methode verwendet Sentinel-2-Zeitreihendaten und erstellt mittels Soft-DTW-Algorithmus eine unempfindliche Standard-Wachstumskurve der Kulturpflanzen, die als robuste Überwachungsgrundlage dient; kombiniert den Isolation Forest-Algorithmus zur Berechnung kumulativer mehrmerkmaliger Anomaliepunkte und führt einen raumzeitlichen gemeinsamen Entscheidungsmechanismus ein, um echte Sturzeignisse effektiv zu identifizieren und Fehlalarme durch Wolkenrauschen zu unterdrücken; letztlich ermöglicht sie einen hochautomatisierten Prozess von der dynamischen Sturzerkennung bis zur präzisen Bereichserkennung. Im Fall eines Sturzes in Bohètai, Landkreis Zhaoyuan, Stadt Daqing, Provinz Heilongjiang, erkannte die Methode erfolgreich ein Ereignis am 15. September 2020 mit einer Gesamtgenauigkeit von 80,36 % und einem Kappa-Koeffizienten von 0,60. Die Ergebnisse zeigen, dass die Methode StandardCurve-iForest-RF einen hohen Automatisierungsgrad und eine gute Genauigkeit aufweist und zuverlässige technische Unterstützung für die Überwachung landwirtschaftlicher Katastrophen und das Notfallmanagement bieten kann.

Überwachung des Kulturpflanzensturzes; Standard-Wachstumskurve; Zeitreihenanalyse; räumlich-zeitliche gemeinsame Erkennung; Sentinel-2