La detección y mapeo de la hierba de Sosnowsky (HS) utilizando datos de teledetección han demostrado ser efectivos, sin embargo, persisten desafíos en la identificación, localización y eliminación de HS en distritos y regiones urbanas. Los datos confiables sobre las áreas de crecimiento de HS son esenciales para el monitoreo, erradicación y medidas de control. Los datos satelitales por sí solos son insuficientes para mapear la dinámica de distribución de HS. Los vehículos aéreos no tripulados (UAVs) con datos espaciales de alta resolución ofrecen una solución prometedora para la detección y mapeo de HS. Este estudio tuvo como objetivo desarrollar un método para detectar y mapear áreas de crecimiento de HS utilizando un algoritmo propuesto para el procesamiento temático de datos de imágenes aéreas multiespectrales. Los datos multiespectrales se recopilaron utilizando un UAV DJI Matrice 200 v2 (Dajiang Innovation Technology Co., Shenzhen, China) y una cámara multiespectral MicaSense Altum (MicaSense Inc., Seattle, WA, EE. UU.). Entre 2020 y 2022, se monitorearon 146 sitios en la región de Moscú de la Federación Rusa, que abarcaban 304,631 hectáreas. Se crearon mapas digitales de todos los sitios, incluidos 19 mapas digitales (ortofoto, 5 mapas espectrales y 13 índices de vegetación) para cuatro sitios experimentales. Las muestras recopiladas incluyeron 1080 puntos categorizados en HS, cobertura de hierba y árboles. La prueba t de Student mostró diferencias significativas en los índices de vegetación entre HS, hierba y árboles. Se desarrolló un método para determinar y mapear áreas de crecimiento de HS utilizando los índices de vegetación seleccionados NDVI > 0.3, MCARI > 0.76, índice de usuario BS1 > 0.10 y canal espectral verde > 0.14. Este algoritmo detectó HS en un área de 146.664 hectáreas. Este método se puede utilizar para monitorear y mapear la dinámica de distribución de HS en la región central de la Federación Rusa y para planificar el volumen necesario de pesticidas para su erradicación.