El acceso preciso y rápido a la información de distribución de cultivos es un requisito significativo para el desarrollo de la agricultura moderna. Mejorar la eficiencia del monitoreo por teledetección de la información de área de siembra de trigo de invierno, se propone aquí un nuevo método de actualización automática de muestras de entrenamiento (AUTS). Primero, basado en la plataforma Google Earth Engine (GEE), se seleccionó una imagen del Sentinel-2 con una resolución espacial de 10 m para extraer el mapa de distribución de trigo de invierno en la ciudad de Shijiazhuang en 2017. En segundo lugar, combinado con la serie temporal del NDVI, se calcularon los coeficientes de correlación ponderados de 2017, 2018 y 2019. Luego, el mapa de distribución de trigo de invierno de 2017 y sus áreas relevantes más significativas se utilizaron para extraer puntos de muestra de forma automática de 2018 y 2019. Finalmente, se generó el mapa de distribución de trigo de invierno en Shijiazhuang en 2018 y 2019. Además, para probar la aplicabilidad de la actualización automática de la muestra de entrenamiento en diferentes escalas y regiones, el método propuesto se aplicó a datos de imagen del Landsat 8 con una resolución espacial de 30 m, así como a Handan y Baoding. Los resultados mostraron que el área de siembra de trigo de invierno calculada es comparable con las estadísticas oficialmente publicadas, basadas en Sentinel-2, extrayendo tres años de trigo de invierno, los valores de R para los tres años estuvieron por encima de 0.95. Los valores de R para 2018 y 2019, basados en extracciones de Landsat 8, fueron 0.95 y 0.90, respectivamente. Los valores de R extraídos de Handan y Baoding en 2018 fueron 0.94 y 0.86, respectivamente. Estos resultados indican que el método propuesto tiene una alta precisión y puede proporcionar soporte técnico y referencia para el monitoreo del área de trigo de invierno y la estimación de rendimiento.