Fin juillet 2025, la plaine de Tumochuan en Mongolie intérieure a subi l’impact combiné d’inondations de bassin causées par des pluies continues rares et la rupture du canal de drainage du lac Hasuhai, entraînant des dommages graves à la production agricole et aux infrastructures locales. En réponse au besoin urgent de surveillance d’urgence post-catastrophe et de gestion des sinistres, une méthode affinée d’identification des plans d’eau multi-temporels basée sur les images Sentinel-2 intégrant un indice hydrique complet et un traitement morphologique a été proposée, permettant une extraction automatisée efficace des informations sur les plans d’eau. En outre, des données historiques sur la fréquence des plans d’eau ont été intégrées pour établir une distribution de référence, facilitant une séparation précise de l’étendue d’inondation. Les résultats montrent une précision globale de classification des inondations de 97,4 %, supérieure au seuil optimal de segmentation de Sentinel-1 (92,8 %). L’analyse temporelle indique que l’étendue des inondations a culminé vers le 25 août, atteignant une surface totale d’eau de 880,01 km², soit environ 2,2 fois la surface normale de 2024. Par la suite, le retrait des eaux fut lent, la surface inondée ne diminuant que d’environ 53 % un mois plus tard. L’évaluation des dégâts révèle que le maïs est la culture la plus touchée, avec une surface inondée de 192,6 km², dont 39,4 % des zones restant submergées plus de 30 jours. Un modèle DTW-KMeans combinant l’alignement temporel dynamique et l’algorithme K-moyennes a été utilisé pour analyser par regroupement la série temporelle NDVI du maïs, dévoilant la reprise des cultures et évaluant le risque de pertes de rendement. La zone à haut risque atteint 238,9 km², un submersion de plus de deux semaines pouvant entraîner le couchage voire la mort des plants, reflétant la haute sensibilité et la faible capacité d’adaptation du maïs au stress hydrique. Les résultats fournissent un appui technique puissant pour la détection 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