تطورت تقنية الاستشعار عن بعد بشكل سريع مما أدى إلى تنوع البيانات العن بعد، وتعتبر الصور الطيفية العالية واحدة من أهم مصادر البيانات في مجال المراقبة الأرضية. وفي مجال الرؤية الحاسوبية، لا تزال خوارزميات التعرف على الأنماط التي تعتمد على التعلم العميق مستمرة في التطور والتقدم، وهذا ما يوفر وسائل فعالة أكثر لتطبيقات الاستشعار عن بعد الطيفية العالية. من بين هذه، يعتبر شبكة الرسوم البيانية من الأساليب الفعالة التي تم استخدامها على نطاق واسع في مهام فك تشفير صور الاستشعار العن بعد الطيفي العالي في السنوات الأخيرة، ويمكنه استخدام العلاقات الكامنة بين العينات لاستخراج المعلومات السياقية المحلية والعالمية وتوليد نتائج تصنيف دقيقة. يتم تصنيف الإنجازات البحثية الحالية وفقاً لمجموعة متنوعة من الأساليب في هذا الورق من الجوانب الثلاثة التالية للرسوم البيانية: اتصال الرسوم بالمسافة الفضائية، مستويات معلومات العقد وعدم التأكد من النماذج. بالإضافة إلى ذلك، يتم تقديم استخدامات فصل صور الاستشعار العن بعد طيفياً عالية رسوم البيانية في عدد مختلف من التعديلات والعلامات. وأخيراً، يتم ختم الورق بتجميع ورجاءات الأكثر تقدماً لشبكات الرسوم البيانية من ثلاثة جوانب: شبكة الجراف تولد، دمج التقنيات الأخرى للتعلم العميق، النماذج الضخمة على أساس شبكة الرسوم البيانية للحياة الأمامية. هذا يوفر توجيها وأفكاراً لأبحاث شبكات الرسوم البيانية في مجال الاستشعار عن بعد في المستقبل.

hyperspectral remote sensing;classification;graph neural network;graph convolutional networks;deep learning