Reliable aboveground biomass (AGB) estimates for woody crops are essential for carbon accounting and for Measurement, Reporting and Verification (MRV) frameworks. However, it remains unclear how LiDAR modality and sampling geometry influence plot-scale and tree-scale AGB predictions in intensively managed Mediterranean orchards. In this study, we benchmarked four LiDAR modalities, namely open national airborne laser scanning from the Spanish National Aerial Orthophotography Plan (PNOA/ALS), a dedicated Riegl airborne laser scanner (ALS), unmanned laser scanning (ULS) and mobile laser scanning (MLS), across three woody-crop sites in Córdoba (southern Spain): IFAPA, Doña María, and Villaseca. Plot-level LiDAR metrics (mean height, 95th height percentile, maximum height, and canopy-cover proxies) were extracted from normalized point clouds and related to field AGB using Random Forest and XGBoost regression models, together with an ensemble predictor, under an 80/20 train–test split. In parallel, TreeQSM-based Quantitative Structure Models (QSMs) were evaluated as an independent tree-level three-dimensional reconstruction approach. XGBoost achieved the lowest errors at IFAPA (RMSE = 0.400 Mg ha⁻¹; R² = 0.994) and Villaseca (RMSE = 0.872 Mg ha⁻¹; R² = 0.995), whereas PNOA/ALS was competitive at Doña María (RMSE = 0.725 Mg ha⁻¹; R² = 0.994). TreeQSM closely matched the field inventory at the low-biomass IFAPA site but tended to overestimate biomass at Doña María and Villaseca, and only 28% of scanned trees yielded usable reconstructions. The results support the use of cross-platform LiDAR for orchard AGB and carbon mapping and identify the conditions under which open national LiDAR can enable scalable MRV of Mediterranean woody crops.

Al mismo tiempo que aumenta el número de kilómetros de red eléctrica, la Estadística General de Incendios Forestales elaborada por el Ministerio para la Transición Ecológica y el Reto Demográfico, recoge en su último informe, que las líneas eléctricas en España son causa cierta del 6.12% de los incendios forestales. Así mismo, las empresas eléctricas son, por legislación, responsables de mantener la infraestructura eléctrica en buenas condiciones ya que una gestión inadecuada, como la falta de poda de árboles y arbustos, puede aumentar el riesgo de que se produzcan incendios forestales debido a la interacción entre las líneas y la vegetación circundante. Las distancias de seguridad entre la vegetación y la línea eléctrica vienen establecidas por el Real Decreto 223/2008, de 15 de febrero, por el que se aprueban el Reglamento sobre condiciones técnicas y garantías de seguridad en líneas eléctricas de alta tensión y sus instrucciones técnicas complementarias ITC-LAT 01 a 09. En este contexto de incremento de la red eléctrica de alta tensión y la incidencia de ésta en el riesgo de ignición de un incendio forestal, se ha desarrollado este trabajo, cuyo objetivo principal es validar una solución integral para la inspección y modelación de líneas eléctricas de alta y media tensión con sensores aerotransportados y detectar puntos que incumplen las distancias de seguridad con la vegetación y otros elementos. La solución planteada es la captura de información mediante la combinación de diversos sensores transportados en helicóptero (cámara fotogramétrica RGB-IR, sensor LiDAR y sistemas de posicionamiento GPS y de orientación inercial) y la generación de productos de geoinformación como modelos digitales del terreno, modelos digitales de superficie y ortofotos digitales. Con esta técnica se pretende determinar si es posible obtener con exactitud el incremento de la flecha del cable y el desplazamiento lateral inducido y posición de cada catenaria en distintas condiciones ambientales: en condiciones normales de temperatura y viento en calma, en situación de máxima carga de la línea y en situación de viento extremo de 120 km/h, perpendicular a la línea y temperatura de 15º C. La metodología propuesta ha generado un modelo BIM del ecosistema de los corredores de líneas eléctricas para la supervisión automatizada de la vegetación y la identificación de su grado de interferencia con éstas. La recogida secuencial y repetitiva de la nube de puntos y su análisis comparativo permiten controlar automáticamente el crecimiento de la vegetación y cuantificar el volumen de vegetación que es necesario retirar, minimizando el coste en concepto de mantenimiento e indemnización por daños.

Reliable Aboveground Biomass (AGB) estimates for woody crops are essential for carbon accounting and for Measurement, Reporting and Verification (MRV) frameworks. However, it remains unclear how LiDAR modality and sampling geometry influence plot-scale and tree-scale AGB predictions in intensively managed Mediterranean orchards. In this study, we benchmarked four LiDAR modalities, namely open national airborne laser scanning from the Spanish National Aerial Orthophotography Plan (PNOA/ALS), a dedicated Riegl airborne laser scanner (ALS), unmanned laser scanning (ULS) and mobile laser scanning (MLS), across three woody-crop sites in Córdoba (southern Spain): IFAPA, Doña María, and Villaseca. Plot-level LiDAR metrics (mean height, 95th height percentile, maximum height, and canopy cover proxies) were extracted from normalised point clouds and related to field AGB using Random Forest and XGBoost regression models, together with an ensemble predictor, under an 80/20 train–test split. In parallel, TreeQSM-based Quantitative Structure Models (QSMs) were evaluated as an independent tree-level three-dimensional reconstruction approach. XGBoost achieved the lowest errors at IFAPA (RMSE = 0.400 Mg ha⁻¹; R² = 0.994) and Villaseca (RMSE = 0.872 Mg ha⁻¹; R² = 0.995), whereas PNOA/ALS was competitive at Doña María (RMSE = 0.725 Mg ha⁻¹; R² = 0.994). TreeQSM closely matched field inventory at the low-biomass IFAPA site but tended to overestimate biomass at Doña María and Villaseca, and only 28% of scanned trees yielded usable reconstructions. The results support the use of cross-platform LiDAR for orchard AGB and carbon mapping and identify the conditions under which open national LiDAR can enable scalable MRV of Mediterranean woody crops.