Este documento presenta un método de conjunto híbrido que se compone de una arquitectura secuencial y una paralela para la clasificación de géneros de árboles utilizando datos de LiDAR (Detección y Medición de Luz). Los dos clasificadores utilizan diferentes conjuntos de características: (1) características derivadas de información geométrica y (2) características derivadas de perfiles verticales utilizando Bosques Aleatorios como clasificador base. Este resultado de clasificación también se compara con el obtenido al reemplazar el clasificador base por LDA (Análisis Discriminante Lineal), kNN (k Vecinos Más Cercanos) y SVM (Máquina de Vectores de Soporte). La singularidad de esta investigación radica en el desarrollo, implementación y aplicación de tres ideas principales: (1) el método de conjunto híbrido, que tiene como objetivo mejorar la precisión de la clasificación, (2) un criterio de pseudo-margen para evaluar la calidad de las predicciones y (3) un método automático de reducción de características utilizando resultados obtenidos de Bosques Aleatorios. Se realiza un análisis adicional de densidad de puntos para estudiar la influencia de la disminución de la densidad de puntos en los resultados de precisión de clasificación. Al utilizar Bosques Aleatorios como clasificador base, las precisiones promedio de clasificación para el clasificador geométrico y el clasificador de perfil vertical son del 88.0% y 88.8%, respectivamente, con una mejora al 91.2% utilizando el método de conjunto. Los géneros de entrenamiento incluyen pino, álamo y arce dentro de un área de estudio ubicada al norte de Thessalon, Ontario, Canadá.