本文研究了DESIS高光谱数据在澳大利亚东南部预测植物物种丰富度的能力，发现红边、红色和蓝色光谱区域更为有效。与Sentinel-2多光谱数据相比，DESIS数据表现更佳，为植物生物多样性制图提供了参考。

本文介绍了一种新方法，通过结合多光谱摄像机实现高光谱数据的三维重建和光谱分析，旨在提高手术监控的空间和光谱分辨率。研究提出了多种深度学习算法和模型，以优化高光谱图像的分类和分割，强调多模态融合和自监督学习的重要性。