Статья посвящена актуальной проблеме устойчивого развития регионов с горнодобывающей отраслью. Авторами разработан алгоритм и представлена архитектура программной системы для автоматизированного дистанционного мониторинга техногенно нарушенных земель. В основе системы лежит комплексное применение современных методов машинного обучения, в частности, самообучения без учителя (Self-Supervised Learning: DINO, MAE, MoCo) и архитектуры Vision Transformer для анализа мультиспектральных спутниковых снимков из открытых источников (Sentinel, Landsat). Предлагаемое решение автоматизирует весь цикл работы с данными – от сбора и предобработки до сегментации объектов (карьеров, отвалов), измерения их площади и анализа временных рядов спектральных индексов, таких как нормализованный относительный индекс растительности (NDVI) и нормализованный разностный водный индекс (NDWI), которые служат индикаторами состояния растительного покрова и водных объектов соответственно. Система интегрирована с ГИС через модуль для QGIS, а ее функциональность доступна через API, что обеспечивает удобство использования и встраивания в существующие рабочие процессы. Предложенный подход позволяет повысить эффективность и точность мониторинга, обеспечивая основу для принятия обоснованных управленческих решений в сфере рационального природо- и недропользования