El método de generación de muestras de imágenes de teledetección de series temporales largas es crucial para realizar la clasificación de la cobertura terrestre, monitorear las tendencias de cambio de la superficie terrestre y analizar el estado del uso del suelo. Sin embargo, los métodos tradicionales de clasificación supervisada generalmente requieren etiquetar una gran cantidad de muestras, lo que ocasiona altos costos de tiempo y mano de obra en la tarea de clasificación de cobertura terrestre, además de limitar la precisión y confiabilidad de la clasificación. Para abordar este problema, este artículo propone un método de generación de muestras de imágenes de teledetección de series temporales largas basado en la ampliación automática de muestras y la migración adaptativa conjunta, con el objetivo de lograr «una vez etiquetado, reutilizado múltiples veces» para las muestras, reduciendo la anotación y mejorando la eficiencia en la clasificación de imágenes de teledetección de grandes escenarios con series temporales largas. La idea específica es: primero, utilizar la agrupación local para reforzar la selección de píxeles potenciales de muestra, determinando las muestras aumentadas mediante la medición de la correlación de sus características espectrales; segundo, basado en el análisis de cambios entre imágenes temporales adyacentes, seleccionar las muestras que cumplen con las reglas de migración entre dominios según las reglas de similitud interdominio. Este método fue validado mediante experimentos con imágenes de la serie temporal Landsat8 OLI de la región de la Bahía de Hangzhou entre 2013 y 2022, y los resultados muestran: (1) la estrategia de ampliación automática de muestras propuesta puede mejorar eficazmente la calidad y cantidad de muestras, y mejorar la eficacia y precisión de la clasificación; (2) la estrategia de migración adaptativa de muestras propuesta puede lograr eficazmente la migración de muestras entre imágenes del mismo lugar en diferentes momentos, evitando la anotación anual de muestras, mejorando la eficiencia y calidad de generación de muestras; (3) la aplicación a diferentes clasificadores como SVM (Support Vector Machine) y KNN (k-nearest neighbor) demuestra que las muestras aumentadas y migradas propuestas tienen universalidad para múltiples clasificadores.

método de generación de muestras; clasificación de cobertura terrestre; ampliación automática de muestras; migración adaptativa de muestras; Bahía de Hangzhou; imágenes de teledetección de series temporales largas