この論文では、環境マッピングおよび分析プログラム（EnMAP）のデータを活用して、巨大で再構成された超分光画像データセットであるSpectralEarthを紹介します。 SpectralEarthは、世界中に分布する11,636個のEnMAPシーンから収集された538,974個の画像パッチ（415,153個の固有位置）を含み、そのうち17.5％はマルチタイムスタンプを含む再構成分析を可能にします。本稿では、最先端の磁気地図学習アルゴリズムを使用してSpectralEarthで超スペクトルベースのモデルを事前トレーニングし、HSIの固有の特性に対応するためにスペクトルアダプタを既存のビジョンバックボーンに統合します。また、土地被覆、作物タイプマッピング、種分類のための9つの下流データセットを構築し、モデル評価のためのベンチマークを提供します。実験結果は,モデルの多様性と多様な作業とセンサの一般化性能を示して,モデル微調整中の計算効率も強調した。
