La temperatura de la superficie terrestre (LST) es una variable clave utilizada en diversas aplicaciones, incluyendo el monitoreo de riego, la evaluación de la salud de la vegetación y los estudios de islas de calor urbanas. Mientras que los satélites ofrecen datos de LST de resolución moderada, los vehículos aéreos no tripulados (UAV) proporcionan mediciones térmicas infrarrojas de alta resolución. Sin embargo, la variación continua y rápida en la LST hace que la producción de ortomosaicos a partir de colecciones de imágenes basadas en UAV sea un desafío. Comprender los factores ambientales y meteorológicos que amplifican esta variación es necesario para seleccionar las condiciones más adecuadas para la recolección de datos térmicos basados en UAV. Aquí, capturamos variaciones en la LST mientras permanecemos en un lugar durante 15-20 minutos sobre diversas superficies, cubriendo arena, agua, hierba y un olivar. Se examinó el impacto de diferentes alturas de vuelo y momentos del día, evaluando todos los datos térmicos recolectados en comparación con sensores calibrados Apogee SI-111 basados en el campo. La evaluación mostró un error significativo en los datos basados en UAV asociado con la velocidad del viento, que aumentó el sesgo de -1.02 a 3.86 grados Celsius para vientos de 0.8 a 8.5 m/s, respectivamente. Diferentes superficies, aunque bajo diversas condiciones ambientales, mostraron variaciones de temperatura que oscilaban entre 1.4 y 6 grados Celsius durante los vuelos. Las variaciones de temperatura observadas mientras permanecíamos en un lugar estaban relacionadas con la radiación solar, específicamente las fluctuaciones de radiación que ocurren después del amanecer y antes del atardecer. Las condiciones de riego y atmosféricas (es decir, nubes delgadas) también contribuyeron a las variaciones de temperatura observadas. Esta investigación ofrece valiosos conocimientos sobre las variaciones de LST durante vuelos estándar de 15-20 minutos en UAV bajo diversas condiciones ambientales. Comprender estos factores es esencial para desarrollar procedimientos de corrección y considerar las inconsistencias de los datos al procesar e interpretar datos térmicos infrarrojos basados en UAV y ortomosaicos derivados.