La erosión del suelo durante todo el año representa una amenaza grave para la región de suelos negros del noreste, siendo las zanjas de erosión una de las manifestaciones principales. Actualmente, la tecnología de teledetección se ha aplicado ampliamente en la monitorización y protección de zanjas de erosión, acumulando una gran cantidad de datos históricos etiquetados. Sin embargo, cómo utilizar eficazmente los datos históricos para extraer de manera fiable la información de las zanjas a partir de datos más recientes tomados en diferentes tiempos y con diferentes sensores sigue siendo un desafío técnico urgente. Por ello, este artículo propone un marco de autoentrenamiento cíclico CSTF (Cyclic Self-Training Framework). Este marco utiliza en cada proceso de autoentrenamiento una estrategia de generación de etiquetas falsas a nivel de objeto para proporcionar etiquetas falsas de alta calidad para los datos recientes, e introduce una función de pérdida basada en el factor de confianza de las etiquetas falsas para aliviar eficazmente el impacto negativo del ruido de las etiquetas falsas. Para verificar la efectividad de CSTF, este artículo realizó un análisis comparativo detallado con otros métodos avanzados en dos conjuntos de datos del condado de Huachuan en la provincia de Heilongjiang. Los resultados muestran que CSTF tiene una ventaja significativa en la extracción de zanjas de erosión a través del tiempo, demostrando plenamente su importante potencial y valor de aplicación en la promoción de la monitorización y protección de tierras en la región de suelos negros del noreste.

erosión del suelo; región de suelos negros del noreste; zanjas de erosión; extracción a través del tiempo; autoentrenamiento; estrategia de generación de etiquetas falsas a nivel de objeto; factor de confianza de etiquetas falsas; ruido de etiquetas falsas