La estimación precisa de la biomasa es importante para la gestión forestal y la mitigación del cambio climático. Este estudio evalúa el potencial de utilizar datos de LiDAR (Detección y Rango por Luz) adquiridos a través de Vehículos Aéreos No Tripulados (UAV) para estimar la biomasa aérea y total en masas de Eucalyptus globulus y Pinus pinaster en el centro y norte de Portugal. Las nubes de puntos de LiDAR adquiridas fueron procesadas para extraer métricas estructurales como la altura del dosel, el área de la corona, la densidad del dosel y el volumen. Se aplicó un procedimiento de selección de variables en múltiples pasos para reducir la colinealidad y seleccionar los predictores más informativos. Se desarrollaron y validaron modelos de regresión lineal múltiple (MLR) utilizando datos de inventario de campo. También se probaron modelos de Bosque Aleatorio (RF) para E. globulus, lo que permitió una evaluación comparativa entre modelos de regresión paramétricos y de aprendizaje automático. Los resultados muestran que el percentil de altura 25, la densidad de cobertura del dosel a dos metros y la varianza de altura demostraron una estimación precisa de la biomasa para E. globulus, con coeficientes de determinación (R2) que varían entre 0.86 para MLR y 0.90 para RF. Aunque RF demostró un rendimiento predictivo similar, MLR presentó ventajas en términos de interpretabilidad y eficiencia computacional. Para P. pinaster, solo se aplicó MLR debido al número limitado de datos de campo, sin embargo, R2 superó 0.80. Aunque los errores absolutos fueron mayores para Pinus pinaster debido a una mayor variabilidad de la biomasa, el rendimiento relativo se mantuvo consistente entre especies. Los resultados demuestran la viabilidad y eficiencia de los datos de nubes de puntos de LiDAR de UAV para la estimación de biomasa a nivel de masas, proporcionando modelos simples y efectivos para la estimación de biomasa en estas dos especies.