Espeletia is one of the most representative endemic species of moorland ecosystems, and is currently being affected by biotic stress. Meanwhile, the analysis of images obtained by means of unmanned aerial vehicle imagery has proved its usefulness in environmental monitoring activities. The present work is aimed at establishing whether image-texture analysis applied to unmanned aerial vehicle imagery from Moorlands of Chingaza (Colombia) allows the identification of biotic stress in Espeletia. To this end, this study makes use of occurrence analysis, gray-level co-occurrence matrix, and Fourier transform. Identification of healthy/unhealthy Espeletia is conducted using maximum likelihood tests and support vector machines. The results are assessed based on overall accuracy, the kappa coefficient and bhattacharyya distance. By combining spectral and image-texture information, it is shown that classification accuracy increases, reaching kappa coefficient values of 0,9824 and overall accuracy values of 99,51%. Los frailejones son una de las especies endémicas más representativas en los ecosistemas de páramo, la cual, en los últimos años, se está viendo afectada por el estrés biótico. Las imágenes obtenidas mediante vehículos aéreos no tripulados han demostrado un gran potencial en el monitoreo ambiental. Este trabajo busca establecer si el análisis textural aplicado a estas imágenes adquiridas en el Páramo de Chingaza (Colombia) permite la identificación del estrés biótico en los frailejones. Con este fin, en este estudio se hace uso del análisis de ocurrencia, la matriz de coincidencia de nivel de gris y la transformada de Fourier. La identificación de frailejón sano y enfermo se realiza a través de la clasificación de máxima verosimilitud y de máquinas de soporte vectorial. Los resultados son evaluados a través de la precisión global, el coeficiente kappa y la distancia bhattacharyya; mostrando que la combinación de información espectral y textural aumentan la exactitud de clasificación alcanzado un coeficiente kappa de 0,9824 y una precisión global de 99,51%.