3D　Octave卷积模型在高空间-高光谱影像分类中的应用,可以提高多树种分类任务的精度,对提高森林管理的精细化水平具有重要意义.设计了一种结合三维Octave卷积与注意力机制的3DOC-SSAM模型,通过3D　Octave卷积和空间—光谱注意力机制,提高了模型的运行效率和分类性能.研究结果表明:①3DOC-SSAM模型总体精度达到99.53％,相对于SVM、ELM、2D-CNN、3D-CNN　分别提高了　13.86％、18.49％、12.90％和　5.36％.且平均精度　AA　达到　99.38％,Kappa　系数达0.994　7.②小样本训练的情况下,总体精度和平均精度仍然能够达到96.9％和95.52％,高于对比的模型.研究结果为多树种分类任务提供了一个高效且高精度的解决方案,在林业遥感中的应用前景广阔,有助于提升森林资源管理的科学性和可持续性.