Мониторинг состояния лесных покровов является одной из актуальнейших задач дистанционного зондирования Земли. Нейронные сети хорошо подходят для анализа соответствующих спутниковых снимков, поскольку способны распознавать сложные паттерны в данных. В данной работе, с помощью метода максимизации взаимной информации (Invariant Information Clustering[1]), на неразмеченных снимках спутников Landsat нейронная сеть была обучена распознавать различные типы лесных массивов. После обучения модели, интерпретация распознаваемых ею классов остается неизменной для любого из снимков, что выгодно отличает данный подход от, например, метода k средних. В докладе будет представлена реализация этого алгоритма и, на примере различных снимков лесов РФ, будет показано, что достигается хорошая точность классификации и интерпретируемость классов.