Cet article répond aux besoins intégrés de surveillance du lodging des cultures « avant-après catastrophe ». Face aux méthodes existantes à faible niveau d'automatisation, au manque de mécanismes de collaboration spatio-temporelle et de cadres systémiques, il propose une méthode de surveillance automatique normalisée du lodging basée sur la courbe standard de croissance des cultures — StandardCurve-iForest-RF. Cette méthode utilise les séries temporelles Sentinel-2, construit une courbe standard de croissance des cultures insensible aux fluctuations annuelles grâce à l'algorithme Soft-DTW, servant de base robuste de surveillance ; combine l’algorithme de forêt isolée pour calculer une somme cumulative des scores d’anomalie multi-caractéristiques, et introduit un mécanisme conjoint spatio-temporel de décision pour identifier efficacement les événements réels de lodging, en réduisant les fausses détections dues au bruit des nuages ; réalise enfin un processus hautement automatisé allant de la détection dynamique du lodging à la détection précise de l’étendue. Dans le cas de lodging du village de Bohètai, comté de Zhaoyuan, ville de Daqing, province du Heilongjiang, la méthode a détecté avec succès l’événement du 15 septembre 2020, avec une précision globale de 80,36 % et un coefficient Kappa de 0,60. Les résultats montrent que la méthode StandardCurve-iForest-RF présente un haut degré d'automatisation et une bonne précision, fournissant un soutien technique fiable pour la surveillance des catastrophes agricoles et la gestion des urgences.

surveillance du lodging des cultures; courbe de croissance standard; analyse temporelle; détection conjointe spatio-temporelle; Sentinel-2