В статье рассматриваются интегрированные потребности мониторинга падения сельскохозяйственных культур «до и после бедствия». В ответ на низкий уровень автоматизации существующих методов, отсутствие пространственно-временного координационного механизма и системного фреймворка предложен метод автоматического нормализованного мониторинга падения на основе стандартной кривой роста культуры — StandardCurve-iForest-RF. Метод использует временные ряды данных Sentinel-2, строит стандартную кривую роста культуры, невосприимчивую к годовым колебаниям, с помощью алгоритма Soft-DTW, служа надежной базой для мониторинга; объединяет алгоритм изолирующего леса для накопления аномальных мультифункциональных оценок и вводит пространственно-временной совместный механизм принятия решений для точного распознавания реальных событий падения, подавляя ошибки, вызванные шумом облаков и другими факторами; обеспечивает высокоавтоматизированный процесс от обнаружения динамики падения до точного определения охвата. В случае падения в уезде Чжаоюань, уезд Бохэтай, город Дацин, провинция Хэйлунцзян, метод успешно обнаружил событие 15 сентября 2020 года с общей точностью 80,36% и коэффициентом Каппа 0,60. Результаты показывают, что метод StandardCurve-iForest-RF обладает высокой степенью автоматизации и точностью, и может предоставить надежную техническую поддержку для мониторинга сельскохозяйственных бедствий и управления чрезвычайными ситуациями.

мониторинг падения культур; стандартная кривая роста; временной анализ; пространственно-временное совместное обнаружение; Sentinel-2