حققت الشبكات العصبية المتلافهة (CNNs) أداءً جيدًا في تصنيف الصور الحسية الفائقة الطيف (HSI)، ولكنها تتعامل مع الطيف كمتجهات غير مرتبة. ولذلك، تم تطبيق الشبكات العصبية المتكررة (RNNs) في تصنيف الصور الحسية الفائقة الطيف، نظرًا لمهارتها في التعامل مع البيانات التسلسلية. ومع ذلك، فإن تدريب RNNs على مهام التسلسل الطويل يكون صعبًا وليس فعالًا كما كان متوقعًا. بالإضافة إلى ذلك، لا تأخذ RNNs بعين الاعتبار الخصائص المكانية السياقية.في هذه الدراسة، نقترح نموذج RNN مكاني-طيفي مختصر مع GRU متوازي (St-SS-pGRU) لتصنيف الصور الحسية الفائقة الطيف. يعتبر RNN المختصر أكثر كفاءة وسهولة في التدريب من RNN الباند-بالباند (band-by-band). من خلال دمج طبقة التجميع، يأخذ النموذج St-SS-pGRU بعين الاعتبار ليس فقط الخصائص الطيفية بل أيضًا الخصائص المكانية، مما يؤدي إلى أداء أفضل. كما تم اقتراح وإدخال هندسة معمارية باسم GRU المتوازي في St-SS-pGRU. بفضل هذه الهندسة المعمارية، يحقق النموذج أداءً أفضل ويصبح أكثر ثباتًا.