يُقدّم هذا المقال شبكة Jigsaw، وهي شبكة عصبية متعددة الطبقات (CNN) تُستخدم في علوم الأرض، مبنية على هيكل Inception ولكن مُعدّلة خصيصًا لتحليلات علوم الأرض. كما يقدّم نموذج JigsawHSI (المستند إلى Jigsaw) ويُطبّقها على مشكلة تصنيف استخدام الأراضي وتغطية الأرض (LULC) باستخدام مجموعات بيانات الصور فوق البنفسجية الهندية (Indian Pines) وبيانات جامعة بافييا (Pavia University) وبيانات ساليناس (Salinas). وتم مقارنة الشبكة مع نموذج HybridSN، وهو نموذج 3D-CNN مُدمج مع 2D-CNN يعتمد على التوافقيات الطيفية والمكانية، والذي حقق نتائج متميزة على هذه المجموعات. يُثبت هذا المقال الموجز أن JigsawHSI قادرة على تحقيق أداءً مماثل أو أفضل من HybridSN في جميع الحالات الثلاث. كما يُقدّم نموذجًا معمّمًا لـ Jigsaw في الفضاء d-بعدية، مُصممًا لاستقبال أي عدد من المدخلات متعددة النماذج. ويشير المقال أيضًا إلى إمكانات استخدام Jigsaw في علوم الأرض، مع توفير الشفرة البرمجية والأدوات اللازمة للتطبيق.