La imagen térmica de vehículos aéreos no tripulados (VANT) ofrece varias ventajas para el monitoreo ambiental, ya que puede proporcionar una solución de bajo costo, alta resolución y flexible para medir la temperatura de la superficie del terreno. Las limitaciones relacionadas con la carga máxima del dron llevan al uso de cámaras térmicas livianas no refrigeradas cuyos componentes internos no están estabilizados a una temperatura constante. Tales cámaras sufren varios efectos no deseados que contribuyen al aumento del error de medición de temperatura de +/-0.5 grados C en condiciones de laboratorio a +/-5 grados C en condiciones de vuelo inestables. Este artículo describe un procedimiento de posprocesamiento que reduce los efectos no deseados mencionados. Consiste en los siguientes pasos: (i) corrección de viñeteado utilizando el algoritmo de corrección de viñeteado de imagen única, (ii) georreferenciación utilizando metadatos de imagen, transformación de características invariante a la escala (SIFT) y optimización por descenso de gradiente, y (iii) optimización de consistencia de temperatura entre imágenes mediante minimización del sesgo entre imágenes térmicas superpuestas utilizando optimización por descenso de gradiente. La solución fue probada en varios estudios de caso de áreas fluviales, donde cuerpos de agua naturales se utilizaron como referencia de temperatura. En todas las pruebas, se incrementó la precisión de las mediciones. El error cuadrático medio (RMSE) se redujo en promedio en un 39.0% y la media del valor absoluto de los errores (MAE) en un 40.5%. El algoritmo propuesto puede ser llamado auto-calibrante, ya que a diferencia de otras soluciones conocidas, es completamente automático, utiliza solo datos de campo y no requiere ningún equipo de calibración ni esfuerzo adicional del operador. Una implementación en Python de la solución está disponible en GitHub.