La reubicación de residentes de áreas de alto riesgo es una medida crítica para abordar problemas de seguridad y desarrollo en las regiones de llanura aluvial de la provincia de Henan en China. La posibilidad de que las antiguas aldeas puedan ser recuperadas como tierras agrícolas después de la demolición preocupa la capacidad de la provincia de Henan para mantener su línea roja de tierras agrícolas. Este documento integró múltiples índices de teledetección y propuso un método de identificación por teledetección para monitorear el estado de progreso de la reubicación y recuperación de aldeas que se adapta a las características de los datos y a los escenarios de aplicación. En primer lugar, abordó el problema de las bandas objetivo faltantes en GF-2 (GaoFen-2) mediante un método de reducción de bandas; en segundo lugar, combinó índices de construcción y vegetación para identificar cambios en la cobertura del suelo en las antiguas aldeas dentro de la llanura aluvial, analizando los efectos de implementación de las políticas de reubicación y recuperación. Los resultados mostraron que el uso de un modelo de regresión de Bosque Aleatorio para generar una banda de infrarrojo de onda corta de 4 m de resolución no solo retiene la información original de la banda objetivo de Landsat-8, sino que también mejora el detalle espacial de las imágenes. Basado en los umbrales óptimos de múltiples índices de teledetección, combinado con datos de huella humana y límites de aldeas identificados por POI (Puntos de Interés), la precisión general de identificación del estado de progreso de la reubicación y recuperación de residentes alcanzó el 93.5%. En la región de llanura aluvial de Henan, el efecto de implementación de la reubicación de residentes fue relativamente bueno, con una tasa de demolición de aldeas antiguas del 77%, sin embargo, la tasa de recuperación de tierras agrícolas fue solo del 23%, lo que indica desafíos significativos en la conversión de tierras, quedando muy por detrás de los requisitos del cronograma del programa piloto. En general, este estudio hizo dos contribuciones principales. Primero, para distinguir entre construcción rural y suelo desnudo, se propuso un Índice de Superficie Artificial Mejorado (EASI), mejorando así la precisión de la extracción de tierras de construcción. Segundo, los resultados de monitoreo de cambios en el uso del suelo se transformaron de nivel de píxel a nivel de aldea, y este marco puede extenderse a otros escenarios específicos de monitoreo de cambios en el uso del suelo, demostrando un amplio potencial de aplicación.