Los codificadores de video híbridos basados en bloques suelen utilizar la predicción inter y los fotogramas codificados bidireccionalmente (B) para mejorar la eficiencia de compresión. Para este propósito, emplean búferes de anticipación, realizan codificación de fotogramas fuera de secuencia e implementan algoritmos de propósito general basados en búsqueda de similitud para la estimación de movimiento. Aunque son efectivos, estos métodos aumentan la complejidad computacional y pueden no ser adecuados para aplicaciones prácticas sensibles al retraso, como la transmisión de video en tiempo real desde drones. Si se puede predecir el movimiento futuro a partir de metadatos externos, la codificación se puede optimizar con menor complejidad. En este estudio, se propone un modelo matemático para predecir vectores de movimiento en video de drones utilizando solo parámetros de vuelo. Un dron controlado a distancia con una cámara fija orientada hacia abajo grabó video en 4K a 50 fps durante vuelos autónomos sobre un terreno marcado. Se variaron independientemente cuatro parámetros de vuelo: altitud, velocidad horizontal, velocidad vertical y tasa de rotación. Se utilizó OpenCV para detectar marcadores en el suelo y calcular vectores de movimiento para distancias temporales de 5 y 25 fotogramas. Se aplicó ajuste de superficie polinómica para derivar modelos de movimiento para movimiento translacional, rotacional y elevacional, que luego se combinaron. El modelo se validó utilizando escenarios de movimiento complejos (por ejemplo, circular, rampa, hélice), obteniendo errores de predicción en el peor de los casos de aproximadamente -1 +/- 3 y -6 +/- 14 píxeles a 5 y 25 fotogramas, respectivamente. Los resultados sugieren que la modelización consciente del vuelo permite una predicción precisa y de baja complejidad de vectores de movimiento para la codificación de video de drones.