Este artículo aborda la demanda integrada de monitoreo del vuelco de cultivos "antes y después del desastre", proponiendo un método automático de monitoreo normalizado basado en la curva estándar de crecimiento del cultivo — StandardCurve-iForest-RF— para solucionar los problemas de bajo nivel de automatización, falta de mecanismos de coordinación espacio-temporal y marcos sistemáticos en los métodos existentes. El método utiliza datos de series temporales de Sentinel-2, construye una curva estándar de crecimiento del cultivo no afectada por fluctuaciones anuales mediante el algoritmo Soft-DTW, sirviendo como una base robusta de monitoreo; combina el algoritmo de bosque aislado para calcular valores acumulativos de puntuación de anomalías multifuncionales e introduce un mecanismo conjunto de decisión espacio-temporal para identificar eficazmente eventos reales de vuelco, mitigando falsos positivos causados por ruido de nubes; finalmente, logra un proceso altamente automatizado desde el descubrimiento dinámico del vuelco hasta la detección precisa del alcance. En el caso de vuelco en la aldea de Bohètai, condado de Zhaoyuan, ciudad de Daqing, provincia de Heilongjiang, el método detectó con éxito el evento del 15 de septiembre de 2020, con una precisión general del 80,36 % y un coeficiente Kappa de 0,60. Los resultados indican que el método StandardCurve-iForest-RF tiene alta automatización y buena precisión, proporcionando soporte técnico confiable para la supervisión de desastres agrícolas y la gestión de emergencias.

monitoreo de vuelco de cultivos; curva estándar de crecimiento; análisis temporal; detección conjunta espacio-temporal; Sentinel-2