Este artigo atende à demanda integrada de monitoramento da queda de culturas "pré-desastre e pós-desastre", propondo um método automatizado de monitoramento normalizado baseado na curva padrão de crescimento das culturas — StandardCurve-iForest-RF — para abordar problemas de baixo nível de automação, falta de mecanismos de coordenação espaço-temporal e estrutura sistêmica nos métodos existentes. O método utiliza dados de séries temporais Sentinel-2, constrói uma curva padrão de crescimento das culturas insensível às flutuações anuais por meio do algoritmo Soft-DTW, servindo como base robusta de monitoramento; combina o algoritmo floresta isolada para calcular somatórios acumulados de escores anômalos multifuncionais e introduz um mecanismo conjunto de decisão espaço-temporal para identificar efetivamente eventos reais de queda, suprimindo falsas detecções causadas por ruídos de nuvem; por fim, realiza um processo altamente automatizado desde a descoberta dinâmica da queda até a detecção precisa da extensão. No caso de queda na vila de Bohètai, condado de Zhaoyuan, cidade de Daqing, província de Heilongjiang, o método detectou com sucesso o evento em 15 de setembro de 2020, com precisão geral de 80,36% e coeficiente Kappa de 0,60. Os resultados indicam que o método StandardCurve-iForest-RF possui alto grau de automação e boa precisão, podendo fornecer suporte técnico confiável para monitoramento de desastres agrícolas e gestão de emergências.

monitoramento da queda de culturas; curva padrão de crescimento; análise temporal; detecção conjunta espaço-temporal; Sentinel-2