A erosão do solo constante ao longo do ano representa uma séria ameaça para a região de solo preto do Nordeste, sendo os sulcos de erosão uma das principais manifestações. Atualmente, a tecnologia de sensoriamento remoto tem sido amplamente aplicada na monitoração e proteção dos sulcos de erosão, acumulando uma grande quantidade de dados históricos anotados. No entanto, como utilizar efetivamente os dados históricos para extrair de forma confiável informações dos sulcos a partir de dados recentes capturados em diferentes tempos e por diferentes sensores continua sendo um desafio técnico urgente. Para tanto, este artigo propõe uma estrutura cíclica de auto-treinamento CSTF (Cyclic Self-Training Framework). Essa estrutura, em cada processo de auto-treinamento, utiliza uma estratégia de geração de pseudo-rótulos em nível de objeto para fornecer pseudo-rótulos de alta qualidade para os dados mais recentes e introduz uma função de perda baseada no fator de confiabilidade dos pseudo-rótulos para aliviar efetivamente o impacto negativo do ruído dos pseudo-rótulos. Para validar a eficácia do CSTF, este artigo realizou uma análise comparativa detalhada com outros métodos avançados em dois conjuntos de dados do condado de Huachuan, na província de Heilongjiang. Os resultados mostram que o CSTF tem vantagens evidentes na extração temporal cruzada dos sulcos de erosão, demonstrando plenamente seu importante potencial e valor de aplicação na promoção da monitoração e proteção da terra na região de solo preto do Nordeste.

erosão do solo; região de solo preto do Nordeste; sulcos de erosão; extração temporal cruzada; auto-treinamento; estratégia de geração de pseudo-rótulos em nível de objeto; fator de confiabilidade dos pseudo-rótulos; ruído dos pseudo-rótulos