تصنيف الصور القمرية هو مشكلة صعبة تقع على تقاطع الاستشعار عن بعد، ورؤية الحاسوب، وتعلم الآلة. نظرًا للتنوع الكبير المتأصل في بيانات الأقمار الصناعية، فإن معظم الأساليب الحالية لتصنيف الكائنات ليست مناسبة للتعامل مع مجموعات البيانات القمرية. كما أن تقدم تحليلات الصور القمرية قد تعثر أيضًا بسبب نقص مجموعة بيانات واحدة ذات دقة عالية ومصنفة بعلامات فئوية متعددة. في إصدار أولي من هذا العمل، قمنا بتقديم مجموعتين جديدتين من الصور القمرية ذات الدقة العالية (SAT-4 و SAT-6) واقترحنا إطار عمل DeepSat للتصنيف بناءً على الخصائص المصاغة يدويًا (handcrafted) والشبكة العصبية العميقة المبنية على الإيمان العميق (DBN). الورقة الحالية هي إصدار موسّع، حيث نقدم إطار عمل شامل يستفيد من هندسة محسنة تكمل الشبكة العصبية التلافيفية (CNN) بالخصائص المصاغة يدويًا (بدلاً من استخدام الهندسة المبنية على DBN) للتصنيف. بإمكان إطار عملنا الوصول إلى المعلومات الفضائية المدمجة المستخرجة من الخصائص المصاغة يدويًا وكذلك خرائط الخصائص الخاصة بـ CNN، مما أدى إلى تحقيق دقتين بلغتا 99.90% و 99.84% على التوالي في SAT-4 و SAT-6، مما يتفوق على جميع النتائج الرائدة الأخرى. يقوم تحليل إحصائي مستند إلى معيار فصل التوزيعات بتأكيد صلابة نهجنا في تعلم تمثيلات أفضل للصور القمرية.