長年にわたる土壌侵食は、東北黒土地域に深刻な脅威をもたらしており、侵食溝は主な表れの一つです。現在、リモートセンシング技術は侵食溝の監視と保護に広く応用され、多くの注釈付きの歴史調査データが蓄積されています。しかし、異なる時期および異なるセンサーで撮影された最新データから溝情報を確実に抽出するために、歴史データを有効に活用する方法は依然として解決すべき重要な技術課題です。そこで、本稿では循環的な自己学習フレームワークであるCSTF（Cyclic Self-Training Framework）を提案します。本フレームワークは、各自己学習過程で対象レベルの擬似ラベル生成戦略を用いて最新データに高品質な擬似ラベルを提供し、擬似ラベルの信頼因子に基づく損失関数を導入して擬似ラベルノイズの悪影響を効果的に軽減します。CSTFの有効性を検証するために、本稿では黒竜江省樺川県の2つのデータセットにおいて、他の先進的な手法と詳細な比較分析を行いました。結果は、CSTFが侵食溝の時空間抽出において明確な優位性を持ち、東北黒土地域の土地監視と保護促進における重要な可能性と応用価値を十分に示しています。

土壌侵食;東北黒土地域;侵食溝;時空間抽出;自己学習;対象レベル擬似ラベル生成戦略;擬似ラベル信頼因子;擬似ラベルノイズ