Dactylorhiza majalis es una especie indicadora amenazada para la calidad del hábitat de sitios de pastizales pobres en nutrientes. Los ambientalistas utilizan la especie para validar el éxito de los esfuerzos de conservación. Convencionalmente, las encuestas de plantas son campañas de campo donde se estiman los números de plantas y su distribución espacial se aproxima ya sea por GPS o se mide de manera laboriosa mediante GPS diferencial. En este estudio, proponemos un enfoque de monitoreo utilizando datos de drones multiespectrales con una resolución espacial muy alta (~3 cm). Desarrollamos el índice de vegetación magenta para mejorar la respuesta espectral de Dactylorhiza majalis en los datos del dron. Integramos el índice de vegetación magenta en una rutina de clasificación de bosque aleatorio entre otros índices de vegetación y analizamos el impacto de las características en la toma de decisiones del modelo utilizando SHAP. Aplicamos un filtro de mediana a nivel de objeto de imagen al resultado de la clasificación para tener en cuenta los artefactos de imagen. Finalmente, agregamos el resultado filtrado a individuos por metro cuadrado utilizando una cuadrícula vectorial superpuesta. El análisis SHAP mostró que el índice de vegetación magenta tuvo el mayor impacto en la toma de decisiones del modelo. El modelo de bosque aleatorio pudo clasificar de manera confiable Dactylorhiza majalis en los datos del dron (puntuación F1: 0.99). Validamos el conteo de plantas derivado del dron utilizando mapeos de campo y logramos buenos resultados con un RMSE de 12 individuos por metro cuadrado, que está dentro del margen de error indicado por expertos para una encuesta de plantas convencional. Además de la abundancia, revelamos la distribución espacial integral de las plantas. Los resultados indican que las encuestas con drones son una alternativa adecuada al monitoreo convencional porque pueden ayudar a evaluar los esfuerzos de conservación y optimizar la gestión específica del sitio.