La clasificación precisa y oportuna de los tipos de cobertura terrestre juega un papel importante en la planificación y gestión de recursos terrestres. En este artículo, se clasifican nueve tipos de cobertura terrestre en la escena hiperespectral adquirida, basándose en el método de representación colaborativa de núcleo. Para reducir el desplazamiento espectral causado por el efecto de adyacencia al extraer las características espaciales-espectrales, se propone en este artículo una operación de filtrado espacial ponderada por coeficiente de correlación. Además, al introducir esta operación en el método de representación colaborativa de núcleo con regularización de Tikhonov (KCRT) y el método discriminativo KCRT (DKCRT), respectivamente, se construyen los métodos de KCRT espacial-espectral ponderado (WSSKCRT) y DKCRT espacial-espectral ponderado (WSSDKCRT) para la clasificación de cobertura terrestre. Además, con el objetivo de abordar el problema de la dificultad de etiquetado de píxeles en imágenes hiperespectrales, este artículo intenta establecer un modelo de clasificación de cobertura terrestre efectivo en el caso de muestras etiquetadas de pequeño tamaño. Los métodos propuestos WSSKCRT y WSSDKCRT se comparan con cuatro métodos, es decir, KCRT, DKCRT, KCRT con núcleo compuesto (KCRT-CK) y DKCRT conjunto (JDKCRT). Los resultados experimentales muestran que el método WSSKCRT propuesto logra el mejor rendimiento de clasificación, y WSSKCRT y WSSDKCRT superan a KCRT-CK y JDKCRT, respectivamente, obteniendo una OA superior al 94% con solo 540 muestras de entrenamiento etiquetadas, lo que indica que la operación de filtrado espacial ponderada propuesta puede aliviar efectivamente el desplazamiento espectral causado por el efecto de adyacencia, y puede clasificar efectivamente los tipos de cobertura terrestre en situaciones de muestras etiquetadas de pequeño tamaño.