В статье рассмотрена проблема информационного обеспечения мониторинга прибрежных водно-болотных экосистем в условиях, когда на них оказывают отрицательное воздействие человеческая деятельность и изменение климата. Как правило, в рамках такой задачи для классификации типов водно-болотных угодий применяют нейронные сети искусственного интеллекта. При этом исследователи сталкиваются с проблемой – для достижения высокой точности результатов требуются большие объемы обучающих данных. В ходе проведенной работы использован метод трансферного обучения нейронных сетей, предназначенный для преодоления указанной проблемы. Разработана модель, объединяющая разновременные спутниковые изображения Planet NICFI, для классификации прибрежных водно-болотных угодий в условиях прилива и отлива. Результаты исследования показали, что модель продемонстрировала улучшение точности с 89,2 до 91,3 % на водно-болотных угодьях эстуария Балат. Дополнительно данная модель успешно применена для классификации типов прибрежных водно-болотных угодий в биосферном резервате «Дельта Красной реки» за период 2016–2022 гг., что позволит улучшить управление данной территорией в будущем