Ende Juli 2025 wurde die Tumochuan-Ebene in der Inneren Mongolei durch das kumulative Wirken seltener, anhaltender Starkregen, Beckenüberschwemmungen und den Bruch des Entwässerungskanals des Hasu-Sees stark beschädigt. Dies führte zu erheblichen Schäden in der landwirtschaftlichen Produktion und Infrastruktur vor Ort. Als Reaktion auf den dringenden Bedarf an Notfallüberwachung und Schadensmanagement nach der Katastrophe wurde eine präzise Methode zur Erkennung von Gewässern auf mehrphasigen Sentinel-2-Bildern vorgeschlagen, die einen integrierten Wasserindex und morphologische Verarbeitung kombiniert und eine effiziente automatische Extraktion von Wasserinformationen ermöglicht. Zusätzlich wurden historische Wasserhäufigkeitsdaten zur Erstellung einer Basiswasserkörperverteilung eingeführt, was eine präzise Abgrenzung der Überflutungsbereiche erlaubt. Die Ergebnisse zeigen eine Gesamtklassifikationsgenauigkeit der Fluterkennung von 97,4 %, was die besten Schwellenwertsegmentierungsergebnisse von Sentinel-1 mit 92,8 % übertrifft. Die Zeitreihenanalyse ergab, dass das Überflutungsgebiet um den 25. August seinen Höchststand erreichte und eine Gesamtwasserfläche von 880,01 km² bedeckte, etwa das 2,2-fache der normalen Wasserfläche von 2024. Der Rückzug des Wassers verlief anschließend langsam, mit nur etwa 53 % Rückgang der überschwemmten Fläche nach einem Monat. Die Schadensbewertung ergab, dass Mais am stärksten betroffen war, mit einer Überschwemmungsfläche von 192,6 km², wobei in 39,4 % der Gebiete das Wasser mehr als 30 Tage bestehen blieb. Mit einem DTW-KMeans-Modell, das dynamische Zeitdehnung und den K-Means-Algorithmus kombiniert, wurde die NDVI-Zeitreihe des Maises in Cluster analysiert, um den Wiederherstellungszustand der Pflanzen zu erkennen und das Ertragsverlust-Risiko zu bewerten. Die Hochrisikozone umfasst 238,9 km²; eine Überflutung von mehr als zwei Wochen kann zum Umfallen oder Absterben der Pflanzen führen, was die hohe Empfindlichkeit und unzureichende Anpassungsfähigkeit von Mais an Überschwemmungsstress widerspiegelt. Die Forschungsergebnisse bieten starke technische Unterstützung für die schnelle Erkennung extremer hydrologischer Ereignisse in Trockengebieten, Katastrophenbewertung und landwirtschaftliches Risikomanagement.

Fernerkundung;Überschwemmungskatastrophen;automatische Fluterkennung;Überwachung von Pflanzenanomalien;Zeitreihenanalyse