Fin juillet 2025, affectée par des pluies continues exceptionnelles, la plaine de Tumochuan en Mongolie intérieure a subi un impact combiné d'inondations de bassin versant et de rupture du canal de retrait du lac Hasu, causant des dommages graves à la production agricole locale et aux infrastructures. En réponse à la demande urgente de surveillance d'urgence post-catastrophe et de gestion des situations, une méthode de reconnaissance fine des plans d'eau multispectraux Sentinel-2 intégrant un indice hydrique global et un traitement morphologique a été proposée, permettant une extraction efficace et automatisée des informations sur les plans d'eau. Des données historiques de fréquence des plans d'eau ont également été introduites pour établir une distribution de référence des plans d'eau, séparant précisément l'étendue des inondations. Les résultats montrent une précision globale de classification des inondations de 97,4%, supérieure à la meilleure segmentation par seuil optimisé de Sentinel-1 à 92,8%. L'analyse des séries temporelles indique une expansion jusqu'au pic autour du 25 août, avec une superficie totale des plans d'eau de 880,01 km², soit environ 2,2 fois la surface des plans d'eau normaux en 2024, suivie d'un retrait lent : un mois plus tard, la superficie inondée n'avait diminué que d'environ 53%. L'évaluation des impacts indique que le maïs est la culture la plus touchée, avec une superficie inondée de 192,6 km², dont 39,4% accumulent de l'eau stagnante depuis plus de 30 jours. Un modèle DTW-KMeans combinant l'élasticité temporelle dynamique et l'algorithme des K-moyennes a été utilisé pour le clustering de la série temporelle NDVI du maïs, révélant le rétablissement des cultures et l'évaluation des risques de pertes de rendement ; la zone à haut risque atteint 238,9 km², où une inondation dépassant deux semaines peut provoquer la chute ou la mort des plants, reflétant la haute sensibilité et la faible capacité d'adaptation du maïs au stress hydrique. Ces résultats fournissent un appui technique précieux pour l'identification rapide des événements hydrologiques extrêmes en zones arides, l'évaluation post-catastrophe et la gestion des risques agricoles.

télédétection;inondations;reconnaissance automatique des inondations;surveillance des anomalies des cultures;analyse temporelle