Los páramos albergan más de 3500 especies de plantas vasculares y son proveedores de agua cruciales para millones de personas en los Andes del norte. Monitorear la distribución de especies a gran escala es una prioridad urgente de conservación ante los cambios climáticos en curso y la creciente presión antropogénica sobre este ecosistema. Por primera vez en este ecosistema, exploramos el potencial de los vehículos aéreos no tripulados (VANT) que utilizan longitudes de onda roja, verde y azul (RGB) e imágenes hiperespectrales para la clasificación de especies de páramo, recolectando ambos tipos de imágenes en un área de 10 ha y datos de cobertura de vegetación terrestre de 10 parcelas dentro de esta área. Se utilizaron cinco parcelas para calibración y las otras cinco para validación. Con los datos hiperespectrales, probamos nuestra capacidad para detectar cinco especies representativas de páramo con diferentes formas de crecimiento utilizando máquinas de soporte vectorial (SVM) y clasificadores de bosque aleatorio (RF) en combinación con tres métodos de selección de características y dos grupos de clases. Usando imágenes RGB, pudimos clasificar 21 especies con una precisión superior al 97%. A partir de la imagen hiperespectral, la mayor precisión (89%) se encontró utilizando modelos construidos con clasificadores RF o SVM combinados con un método de agrupamiento binario y la selección secuencial hacia adelante de características. Nuestros resultados demuestran que las especies de páramo pueden ser mapeadas con precisión utilizando tanto imágenes RGB como hiperespectrales.