Дано описание подхода, направленного на повышение эффективности моделей машинного обучения при решении задачи классификации метагеосистем, позволяющих преодолеть ограничения, накладываемые на использование сверточных нейросетевых моделей. Представленное решение основано на использовании неглубоких плотно связанных моделей, обученных на наборе информационных территориальных дескрипторов, интегрируемых на основе данных из разных источников. Сформирована методика построения комплексного территориального дескриптора, рассчитанного на основе данных космической съемки территории, цифровой модели рельефа и электронной ландшафтной карты, позволяющая достичь в рамках конкретной задачи точности классификации, сравнимой с показателями сверточных моделей. К отдельным преимуществам предложенного в статье подхода относятся устойчивость разработанного решения в условиях дефицита размеченных данных и возможность повторного использования модели в рамках исследования новых территориальных систем при условии дообучения и тонкой настройки.