Aunque los ecosistemas de arrecifes de coral tienen un inmenso valor biológico, ecológico y económico, las frecuentes perturbaciones antropogénicas y ambientales han causado un declive de estos ecosistemas a nivel global. Los métodos actuales de monitoreo de arrecifes de coral incluyen encuestas in situ y el análisis de datos obtenidos por satélites. Sin embargo, los métodos in situ suelen ser costosos e inconsistentes en términos de tiempo y espacio. Las imágenes satelitales de alta resolución también pueden ser costosas de adquirir y están sujetas a condiciones ambientales que ocultan características objetivo. Las imágenes de alta resolución obtenidas de sistemas de aeronaves pilotadas a distancia (RPAS o drones) son una alternativa económica; sin embargo, el procesamiento de imágenes de drones para análisis es laborioso y complejo. Este estudio presenta el primer flujo de trabajo semi-automático para el procesamiento de imágenes de drones con Google Earth Engine (GEE) y software libre y de código abierto (FOSS). Con este flujo de trabajo, procesamos 230 imágenes de drones de Heron Reef, Australia, y clasificamos sustratos de coral, arena y roca/coral muerto con el clasificador Random Forest. Nuestra clasificación logró una precisión general del 86% y mapeó la cobertura de coral vivo con una precisión del 92%. Los métodos presentados permiten un procesamiento eficiente de imágenes de drones de cualquier entorno y pueden ser útiles al procesar imágenes de drones para calibrar y validar imágenes satelitales.