El desarrollo de sensores de UAV ha hecho posible obtener una diversa gama de imágenes espectrales en un solo vuelo. En este estudio, se emplearon imágenes de alta resolución derivadas de UAV de áreas urbanas para crear mapas de uso del suelo, incluyendo carretera de automóviles, acera y vegetación de calles. Se produjeron un total de nueve ortoimágenes, y se identificaron las variables efectivas para producir mapas de uso del suelo basados en UAV. Basado en análisis de las imágenes basadas en objetos, se derivaron 126 variables al calcular 14 valores estadísticos para cada imagen. Se utilizó el clasificador de bosque aleatorio (RF) para evaluar la prioridad de las 126 variables. Esto fue seguido por la optimización del RF a través de la reducción de variables y al comparar el RF inicial y optimizado, se evaluó la utilidad de la variable de alta prioridad. Al calcular la importancia de las variables, se evaluaron las variables más influyentes en el orden del modelo de superficie digital normalizado (nDSM), índice de vegetación de diferencia normalizada (NDVI), temperatura de la superficie terrestre (LST), índice de vegetación ajustado al suelo (SAVI), azul, verde, rojo, rededge. Finalmente, no se observaron cambios significativos entre el RF inicial y optimizado en la clasificación a partir de una serie de análisis, a pesar de que se aplicó un número reducido de variables para la clasificación.