El monitoreo temporal de especies vegetales indicadoras en praderas de alto valor natural es crucial para la conservación de la naturaleza. Sin embargo, los enfoques de monitoreo tradicionales son intensivos en recursos, lo que agota los fondos y el personal limitados. En este estudio, demostramos las capacidades de un conteo de plantas basado en drones repetidos para monitorear el desarrollo poblacional de una especie vegetal indicadora (Dactylorhiza majalis (DM)) para abordar tales desafíos. Utilizamos datos de drones multiespectrales de muy alta resolución espacial de dos temporadas de floración consecutivas para explotar un enfoque de conteo de plantas basado en Random Forest y en Redes Neuronales. En comparación con los datos in situ, el conteo de plantas basado en Random Forest logró un mejor rendimiento que el basado en Redes Neuronales. Observamos un R^2 de 0.8 y 0.63 y un RMSE de 8.5 y 11.4 individuos de DM/m^2, respectivamente. Las precisiones indican un rendimiento comparable a las encuestas de conteo de plantas convencionales. En un conjunto de detección de cambios, evaluamos el desarrollo poblacional de DM y observamos un declive general en los individuos de DM en el sitio de estudio. Las regiones con un aumento en el conteo de DM fueron pequeñas y el aumento relativamente bajo en magnitud. Además, documentamos el éxito de una transferencia manual de semillas de DM a un área previamente deshabitada dentro de nuestro sitio de estudio. Concluimos que las encuestas repetidas con drones son, de hecho, adecuadas para monitorear el desarrollo poblacional de especies vegetales indicadoras con un color de flor espectralmente prominente. Proporcionan una perspectiva espaciotemporal única para ayudar a la conservación práctica de la naturaleza y documentar los esfuerzos de conservación.