La clasificación y mapeo precisos y eficientes de especies arbóreas es crucial para la gestión y conservación de bosques, especialmente en la Meseta de Loess, donde la calidad del bosque necesita urgentemente mejoras. Este estudio seleccionó tres sitios de investigación: Yongshou (YS), Zhengning (ZN) y Yanchang (YC) en la Meseta de Loess y clasificó las principales especies de árboles forestales utilizando imágenes RGB adquiridas por un vehículo aéreo no tripulado (UAV). Las imágenes RGB fueron normalizadas y se extrajeron índices de vegetación (IVs). La selección de características se realizó utilizando el algoritmo Boruta. Se utilizaron dos clasificadores, Máquina de Vectores de Soporte (SVM) y Bosque Aleatorio (RF), para evaluar la contribución de diferentes características de entrada a la clasificación y sus diferencias de rendimiento en las distintas regiones. Los resultados mostraron que YC logró el mejor rendimiento de clasificación con una precisión general (OA) de más del 83% y un valor Kappa de al menos 0.78. Los resultados mostraron que YC logró el mejor rendimiento de clasificación (OA > 83%, Kappa >= 0.78), seguido por ZN y YS. La adición de IVs mejoró significativamente la precisión de la clasificación, particularmente en la región de YS con distribución de muestras desequilibrada. La OA aumentó en más del 13.27%, y el Kappa mejoró en más de 0.17. La selección de características retuvo la mayoría de las ventajas del conjunto completo de características, logrando una precisión ligeramente inferior. Tanto RF como SVM son efectivos para la clasificación de especies arbóreas basadas en imágenes RGB, con un rendimiento comparable.