衛星画像の時系列データは、その利用可能性が高まるにつれ、国際機関による自動地球観測の広範な取り組みの中心的役割を果たしている。特に、農地の巨視的管理は、政治的・経済的に極めて重要な課題である。このような背景において、ハイブリッドな畳み込み-再帰型ニューラルネットワークアーキテクチャは、衛星画像時系列の自動分類において有望な成果を上げている。本研究では、公開されている衛星画像の解像度が一般的に粗いため、画素の無順序集合を処理するエンコーダーを畳み込み層に代えて用いることで、より効果的な特徴抽出を実現する代替手法を提案する。また、再帰ネットワークではなく、自己注意（self-attention）に基づく独自のニューラルアーキテクチャを用いて時系列特徴を抽出することを提案する。実験的に、本手法が従来の最先端手法と比較して精度において優れているだけでなく、処理時間およびメモリ使用量を著しく削減できることを示した。最後に、今後の衛星画像時系列に関する研究のためのベンチマークとして、大規模なオープンアクセス型アノテーション付きデータセットを公開する。