В конце июля 2025 года, под воздействием редких непрерывных ливней, равнина Тумочэнь в Внутренней Монголии столкнулась с совокупным ударом бассейнового наводнения и разрыва отводящего канала озера Хасу, что вызвало серьезные повреждения местного сельского хозяйства и инфраструктуры. В ответ на острую необходимость экстренного мониторинга и реагирования после бедствия предложен метод точного распознавания водных объектов на многовременных снимках Sentinel-2, основанный на интегральном водном индексе и морфологической обработке, обеспечивающий эффективное автоматизированное извлечение информации о водоемах. Кроме того, введены исторические данные частоты водных объектов для создания базового распределения водоемов и точного выделения зоны затопления. Результаты показали общую точность классификации наводнения 97,4%, что лучше, чем оптимальный пороговый метод Sentinel-1 (92,8%). Анализ временных рядов показал расширение зоны затопления до пика около 25 августа с общей площадью водных объектов 880,01 км², что примерно в 2,2 раза превышает площадь нормальных водоемов 2024 года, после чего процесс отступления воды замедлился — через месяц площадь затопления снизилась всего на 53%. Оценка ущерба показала, что кукуруза пострадала сильнее всего, затоплена площадь 192,6 км², из которых 39,4% оставались затопленными более 30 дней. С использованием модели DTW-KMeans, построенной на динамическом временном выравнивании и алгоритме K-средних, проведён кластерный анализ временных рядов NDVI кукурузы, выявлены состояние восстановления посевов и оценка рисков потерь урожая; площадь зон высокого риска достигла 238,9 км², затопление более двух недель может привести к полеганию или гибели растений, что отражает высокую чувствительность и низкую адаптивность кукурузы к гидрологическому стрессу. Результаты исследования могут обеспечить техническую поддержку быстрому распознаванию экстремальных гидрологических событий в засушливых районах, послебедственному оцениванию и управлению аграрными рисками.

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