Los proyectos de restauración de turberas se están empleando en todo el mundo como una forma de mitigación del cambio climático debido a su potencial para la captura de carbono a largo plazo. Por lo tanto, el monitoreo de estos entornos (por ejemplo, la cobertura de especies clave) es esencial para evaluar el éxito. Sin embargo, los estudios existentes rara vez han examinado la vegetación de turberas a escalas finas debido a su fuerte heterogeneidad espacial y al desarrollo estacional del dosel. El presente estudio recopiló imágenes multiespectrales a escala de centímetros con un vehículo aéreo no tripulado (VANT) Parrot Sequoia (resolución de 2.8 cm; Parrot Drones SAS, París, Francia) en una turbera templada durante una temporada de crecimiento completa. Se utilizaron algoritmos de clasificación supervisada para mapear la vegetación a nivel de especie única, y se encontró que el clasificador de Máxima Verosimilitud tenía el mejor rendimiento a nivel del sitio (69% de precisión general). La precisión de la clasificación aumentó con la resolución espacial de los datos de entrada, y se observó una gran reducción en la precisión al emplear imágenes de resolución superior a 11 cm. Finalmente, las clasificaciones más precisas se produjeron utilizando imágenes recopiladas durante el pico (julio-agosto) o al inicio de la temporada de crecimiento (principio de mayo). Estos hallazgos sugieren que, a pesar de la fuerte heterogeneidad de las turberas, estos entornos pueden ser mapeados a nivel de especie utilizando VANT. Tal enfoque beneficiaría a los estudios que estiman las emisiones de carbono de las turberas o que utilizan la cobertura de especies clave para evaluar proyectos de restauración.