L'érosion du sol persistante constitue une menace sérieuse pour la région des sols noirs du Nord-Est, les ravines d'érosion étant l'une des principales manifestations. Actuellement, la technologie de télédétection est largement utilisée pour la surveillance et la protection des ravines d'érosion, avec une accumulation importante de données d'enquête historiques annotées. Cependant, comment exploiter efficacement les données historiques pour extraire de manière fiable les informations sur les ravines à partir des données récentes prises à différents moments et par différents capteurs reste un défi technique urgent à résoudre. À cette fin, cet article propose un cadre de formation autonome cyclique CSTF (Cyclic Self-Training Framework). Ce cadre utilise, à chaque cycle d'auto-formation, une stratégie de génération d’étiquettes pseudo-niveaux objet pour fournir des pseudo-étiquettes de haute qualité aux nouvelles données, et introduit une fonction de perte basée sur le facteur de confiance des pseudo-étiquettes afin d’atténuer efficacement les effets négatifs du bruit des pseudo-étiquettes. Pour vérifier l’efficacité du CSTF, une analyse comparative détaillée a été réalisée avec d’autres méthodes avancées sur deux ensembles de données du comté de Huachuan dans la province du Heilongjiang. Les résultats montrent que le CSTF présente un avantage évident dans l’extraction trans-temporelle des ravines d’érosion, démontrant pleinement son important potentiel et sa valeur d’application dans la promotion de la surveillance et de la protection des terres de la région des sols noirs du Nord-Est.

érosion du sol; région des sols noirs du Nord-Est; ravines d’érosion; extraction trans-temporelle; auto-formation; stratégie de génération d’étiquettes pseudo-niveaux objet; facteur de confiance des pseudo-étiquettes; bruit des pseudo-étiquettes