В конце июля 2025 года равнина Тумочуань во Внутренней Монголии подверглась совмещённому воздействию редких продолжительных ливневых дождей, вызвавших бассейновое наводнение и разрыв водоотводного канала озера Хасу, что привело к серьёзному ущербу в сельском хозяйстве и инфраструктуре региона. В ответ на острую необходимость аварийного мониторинга и реагирования после катастрофы предложен метод точного распознавания водных объектов на многовременных снимках Sentinel-2 с использованием комплексного индекса водных объектов и морфологической обработки, обеспечивающий эффективное автоматизированное извлечение информации о воде. Дополнительно введены исторические данные по частоте водных покрытий для создания эталонного распределения водных объектов, что позволило точно выделить зоны затопления. Результаты показали общую точность классификации наводнений в 97,4%, что превосходит лучшие результаты порогового сегментирования Sentinel-1 – 92,8%. Анализ временного ряда показал, что площадь затопления достигла максимума около 25 августа, заняв 880,01 км², что в 2,2 раза превышает нормальную площадь водных объектов 2024 года. После этого процесс отступления воды был медленным: через месяц площадь затопления сократилась всего на 53%. Оценка ущерба показала, что кукуруза пострадала сильнее всего, площадь затопления составила 192,6 км², из которых в 39,4% участков вода сохранялась более 30 дней. С помощью модели DTW-KMeans, основанной на динамическом временном выравнивании и алгоритме K-средних для кластеризации временного ряда NDVI кукурузы, выявлено состояние восстановления урожая и оценён риск потерь урожая. Площадь зон высокого риска составила 238,9 км²; более двух недель затопления могло вызвать полегание или гибель растений, отражая высокую чувствительность кукурузы к наводнению и недостаточную адаптацию. Результаты исследования могут стать мощной технической поддержкой для быстрого распознавания экстремальных гидрологических событий в засушливых районах, посткатастрофической оценки и управления сельскохозяйственными рисками.

дистанционное зондирование;наводнения;автоматическое распознавание наводнений;мониторинг аномалий посевов;анализ временных рядов