Los sistemas LiDAR montados en drones han revolucionado la cartografía forestal, pero la calidad de los datos a menudo se ve comprometida por las oclusiones causadas por la vegetación y las características del terreno. Este estudio presenta un marco novedoso para analizar y predecir los patrones de oclusión de LiDAR en entornos forestales, combinando la reconstrucción geométrica de las trayectorias de vuelo con el modelado estadístico de la visibilidad del suelo. Utilizando datos de campo recolectados en el volcán Unzen, Japón, primero desarrollamos un algoritmo para recuperar las trayectorias de vuelo del dron a partir de nubes de puntos con marcas de tiempo, lo que permite la optimización del post-procesamiento, incluso cuando los datos de vuelo originales no están disponibles. Luego creamos un modelo matemático para cuantificar los efectos de sombra de los obstáculos e implementamos simulaciones de Monte Carlo para optimizar los parámetros de vuelo para diferentes características de los rodales forestales. Los resultados demuestran que los vuelos a menor altitud (40 m) con ángulos de escaneo estrechos logran la mayor visibilidad del suelo (81%), pero requieren más trayectorias de vuelo, mientras que los vuelos a mayor altitud con ángulos de escaneo más amplios ofrecen una cobertura eficiente (47% de visibilidad) con trayectorias de vuelo únicas. Para un rodal forestal con 250 árboles por 25 hectáreas (alturas de 5 a 15 m), el análisis estadístico mostró que los ángulos de escaneo superiores a 90 grados entregaron consistentemente entre 46 y 47% de visibilidad del suelo, independientemente de la altura de vuelo. Esta investigación proporciona orientación cuantitativa para optimizar las encuestas de LiDAR con drones en entornos forestales, aunque se necesita trabajo futuro para incorporar la complejidad del dosel y las variaciones estacionales.