Evaluar el estado de salud de los árboles viejos es crucial para la protección efectiva y la gestión de la salud de los árboles viejos. En este estudio, utilizamos un vehículo aéreo no tripulado (VANT) equipado con cámaras multiespectrales para capturar imágenes para la evaluación rápida del estado de salud de los árboles viejos. Todos los árboles fueron clasificados según su estado de salud en tres clases: árboles sanos, en declive y en declive severo, basándose en las partes aéreas de los árboles. Se emplearon dos algoritmos tradicionales de aprendizaje automático, Máquinas de Vectores de Soporte (SVM) y Bosque Aleatorio (RF), para evaluar su estado de salud. Ambos algoritmos incorporaron variables seleccionadas, así como variables adicionales (aspecto y área de la copa). Los resultados indicaron que la inclusión de estas variables adicionales mejoró la precisión general de los modelos entre un 8.3% y un 13.9%, con valores de kappa que oscilaban entre 0.166 y 0.233. Entre los modelos probados, el modelo A-RF (RF con variables de aspecto y área de la copa) demostró la mayor precisión general (75%) y kappa (0.571), lo que lo convierte en la opción óptima para evaluar la condición de salud de los árboles viejos. En general, esta investigación presenta un enfoque novedoso y rentable para evaluar el estado de salud de los árboles viejos.