Los ecosistemas de manglares están cada vez más amenazados por el cambio climático y el desarrollo costero, lo que hace que la modelización precisa del estrés ecológico sea esencial para informar las estrategias de conservación. Este estudio emplea técnicas de clasificación basadas en IA para clasificar los manglares utilizando sensores Landsat 8-SR OLI/TIRS (2023) a lo largo de la costa de Jazan, identificando un área total de manglares de 19.4 km2. El clasificador en conjunto logró una puntuación F1 del 95%, una precisión general del 93% y un coeficiente kappa de 0.86. El estrés ecológico se modeló a través de un modelo aditivo generalizado (GAM) con predictores clave, incluyendo tendencias en el NDVI, NDWIveg (contenido de agua de la vegetación), NDWIow (agua abierta) y LST desde 1991 hasta 2023, que se derivaron utilizando productos de reflectancia superficial (SR) de los sensores Landsat 5 TM, Landsat 7 ETM+ y Landsat 8 OLI/TIRS. El modelo mostró un rendimiento sólido, con un R2 de 0.89. Los diagnósticos del modelo utilizando regresión lineal (R2 = 0.86), una alta estadística F, un intercepto mínimo y validación cruzada de 10 pliegues confirmaron la robustez del modelo, con un MSE consistente (0.12) y un R2 validado cruzadamente de 0.86. El análisis de Moran"s I también indicó un agrupamiento espacial significativo. Los hallazgos indican que los manglares en áreas costeras de tierra firme no de cañón experimentan más estrés ecológico debido a interrupciones en el suministro de agua dulce y sedimentos por desarrollos recientes. En contraste, las áreas costeras insulares exhiben bajos niveles de estrés debido a la mínima actividad humana, excepto en regiones de dosel denso donde se observó un estrés significativo, probablemente vinculado al cambio climático. Estos resultados subrayan la necesidad de una mayor investigación sobre los impulsores de esta presión ecológica.