Ende Juli 2025, beeinflusst durch ungewöhnlich anhaltenden Starkregen, wurde die Tumochuan-Ebene in der Inneren Mongolei von einem kombinierten Einzugsgebiets-Hochwasser und einem Dammbruch des Hasu-See-Rücklaufkanals getroffen, was erhebliche Schäden an der örtlichen Landwirtschaft und Infrastruktur verursachte. Um dem dringenden Bedarf an Notfallüberwachung und Katastrophenreaktion nach dem Ereignis gerecht zu werden, wurde eine Methode zur präzisen Erkennung von Gewässern in mehrphasigen Sentinel-2-Bildern entwickelt, die einen integrierten Wasserindex und morphologische Verarbeitung kombiniert und eine effiziente automatisierte Gewinnung von Wasserinformationen ermöglicht. Historische Häufigkeitsdaten von Gewässern wurden eingeführt, um eine Referenzverteilung der Gewässer zu erstellen und den Überschwemmungsbereich genau zu trennen. Die Ergebnisse zeigen eine Gesamterkennungsgenauigkeit der Überschwemmungen von 97,4 %, besser als das optimale Schwellenwert-Trennverfahren von Sentinel-1 mit 92,8 %. Zeitreihenanalysen zeigen, dass sich der Überschwemmungsbereich um den 25. August herum auf seinen Höhepunkt ausdehnte, mit einer Gesamtwasserfläche von 880,01 km², etwa das 2,2-fache der normalen Wasserfläche von 2024, gefolgt von einem langsamen Rückgang; einen Monat später verringerte sich die überschwemmte Fläche nur um etwa 53 %. Die Schadensbewertung ergab, dass Mais die am stärksten betroffene Nutzpflanze war, mit einer überfluteten Fläche von 192,6 km², von der 39,4 % über 30 Tage hinweg unter stehendem Wasser standen. Mittels eines DTW-KMeans-Modells, das dynamische Zeit-Warping und den K-Means-Algorithmus kombiniert, wurde eine Clusteranalyse der NDVI-Zeitreihe von Mais durchgeführt, die den Erholungszustand der Pflanzen und das Risiko von Ertragsverlusten aufzeigte; die Hochrisikozone erreichte eine Fläche von 238,9 km², wobei eine Überflutung von mehr als zwei Wochen zum Umknicken oder zum Absterben der Pflanzen führen kann, was die hohe Sensitivität und unzureichende Anpassungsfähigkeit von Mais an Hochwasserstress widerspiegelt. Die Ergebnisse der Studie bieten eine starke technische Unterstützung für die schnelle Identifikation extremer hydrologischer Ereignisse in Trockengebieten, die Katastrophenbewertung und das landwirtschaftliche Risikomanagement.

Fernerkundung;Überschwemmungskatastrophen;automatische Hochwassererkennung;Überwachung von Anomalien bei Feldfrüchten;Zeitreihenanalyse