近年、文献で深層学習に基づく土地被覆分類アルゴリズムが提案されています。これらのアルゴリズムは、高光譜画像（Hyperspectral Images, HSI）において次元数の多さ、スペクトルシグネチャの空間変動性、ラベル付きデータの不足といった課題に直面しています。本稿では、バンド固有のスペクトル-空間特徴を抽出し、土地被覆分類を行うエンドツーエンドの深層学習アーキテクチャを提案します。このアーキテクチャは独立接続重みが少なく、そのため訓練データの数も少ないことが必要となります。本手法は、一般的な高光譜画像データセットでの最高報告精度を上回ることが確認されました。