Este estudio explora el uso de vehículos aéreos no tripulados (VANT) y algoritmos de aprendizaje automático para la identificación de la especie Nothofagus alessandrii (ruil) en los bosques mediterráneos de Chile. La naturaleza en peligro de extinción de esta especie, junto con la pérdida de hábitat y los factores de estrés ambiental, requiere un monitoreo y esfuerzos de conservación eficientes. Los VANT equipados con sensores de alta resolución capturan ortofotos, lo que permite el desarrollo de modelos de clasificación utilizando técnicas de aprendizaje automático supervisado. Se evalúan tres algoritmos de clasificación: Random Forest (RF), Support Vector Machine (SVM) y Maximum Likelihood (ML), tanto a nivel de píxel como a nivel de objeto, en tres áreas de estudio. Los resultados revelan que RF demuestra consistentemente un fuerte rendimiento en la clasificación, seguido por SVM y ML. La elección del algoritmo y el enfoque de entrenamiento impactan significativamente los resultados, destacando la importancia de una selección adaptada según los requisitos del proyecto. Estos hallazgos contribuyen a mejorar la precisión en la identificación de especies en aplicaciones de teledetección, apoyando los esfuerzos de conservación de la biodiversidad y la investigación ecológica.