長期間の時系列リモートセンシング画像サンプル生成方法は、地表被覆分類の実現、地表変化傾向の監視、土地利用状況の分析において極めて重要です。しかし、従来の教師あり分類方法は通常、大量のサンプルラベル付けを必要とし、地表被覆分類のタスクに多大な時間と人的コストがかかるとともに、分類の精度と信頼性も制限されます。本稿では、この問題に対処するために、サンプルの自動増強と適応的転移を組み合わせた長期間時系列リモートセンシング画像サンプル生成方法を提案します。本手法は、「一度ラベル付けし、何度も再利用する」ことを実現し、サンプルラベル付けの負担を減らし、長期大規模シーンのリモートセンシング画像分類効率を向上させることを目的としています。具体的なアイデアは、まず局所クラスタリングを利用して潜在的なサンプルピクセルを強化し、それらのスペクトル特徴の相関を計測して増強サンプルを決定します。次に、隣接時相画像間の変化分析に基づき、ドメイン間類似性ルールを用いて転移ルールに適合するサンプルを選別します。本手法は、杭州湾地域の2013年から2022年のLandsat8 OLI時系列画像を用いた検証実験を行い、結果は次の通りです：（1）本稿で提案したサンプル自動増強戦略は、サンプルの質と量を効果的に増強し、分類効果と精度を向上させることが示されました；（2）提案したサンプル適応転移戦略は、同一地域の異なる時相画像間でのサンプル転移を効果的に実現し、毎年のサンプルラベル付けを避け、サンプル生成効率と質を向上させました；（3）サポートベクターマシン（SVM）、k近傍法（KNN）などの異なる分類器への適用結果、本手法の増強サンプルおよび転移サンプルは複数の分類器に対して汎用性があることを示しました。

サンプル生成方法;地表被覆分類;サンプル自動増強;サンプル適応転移;杭州湾;長期間時系列リモートセンシング画像