Актуальность. Обусловлена необходимостью высокоточного анализа данных дистанционного мониторинга лесных ресурсов Земли, проводимого с использованием космических аппаратов и (или) беспилотных летательных аппаратов. Цель. Анализ современного состояния исследований в области дистанционного мониторинга лесов с использованием космических аппаратов и беспилотных летательных аппаратов и формулировка направлений перспективного развития этой области; разработка и исследование новых моделей глубокого обучения для анализа снимков высокого и сверхвысокого разрешения хвойных лесов. Объекты. Аппаратные средства, модели, методы и информационные системы и технологии для оперативного анализа данных дистанционного мониторинга лесных ресурсов, полученных в виде снимков высокого и сверхвысокого разрешения. Методы. Модели и методы глубокого обучения для классификации деревьев на снимках; методология проведения оперативного дистанционного мониторинга лесов; методы обучения, валидации и исследования сверточных нейронных сетей. Результаты и выводы. Аналитический обзор моделей, методов и информационных технологий для оперативного анализа данных дистанционного мониторинга лесных ресурсов; перечень сформулированных направлений перспективного развития методологии и инструментария для оперативного проведения дистанционного мониторинга лесов; разработанные на основе классической модели полносверточной сети U-Net две модели Mo-U-Net и Mo-Res-U-Net. Для обучения, валидации и исследования этих моделей созданы два датасета по снимкам с беспилотного летательного аппарата. Получены результаты исследования моделей при решении задач мультиклассификации хвойных деревьев пихты А. sibirica и кедра P. sibirica, пораженных насекомыми- вредителями. Исследования показали, что в отличие от классической модели U-Net, для всех классов деревьев A. sibirica и P. sibirica, включая промежуточные классы, эти модели дают точность классификации по метрикам IoUс и mIoU выше порогового значения 0,5, это указывает на практическое значение таких моделей для лесной отрасли.