يهدف تحدي AI4EO HYPERVIEW إلى استكشاف أساليب التعلم الآلي التي تُقدِّر معاملات التربة ذات الصلة بالزراعة (K، Mg، P2O5، pH) من خلال صور مطيافية هوائية مفرطة الدقة. نقدِّم نموذجًا هجينًا يدمج بين نموذجي الانحدار العشوائي (Random Forest) والجيران الأقرب (K-nearest neighbor)، حيث يستفيد من الانعكاس الطيفي المتوسط، فضلاً عن السمات المشتقة مثل المُشتقات (الدرجات)، ومعاملات الموجة (wavelet coefficients)، والتحويلات التوافقيّة (Fourier transforms). يتميّز الحل بالخفّة الحسابية، ويتفوّق على الأساس (baseline) الخاص بالتحدي بنسبة 21.9٪، ويُسجّل المركز الأول في لوحة التصنيف العامة. بالإضافة إلى ذلك، نناقش هياكل الشبكات العصبية والتحسينات المحتملة في المستقبل.