Abstract. Accurate vegetation mapping is critical for natural resources management, ecological analysis, and hydrological modeling, among other tasks. Remotely sensed multispectral and hyperspectral imageries have proved to be valuable inputs to the vegetation mapping process, but they can provide only limited vegetation structure characteristics, which are critical for differentiating vegetation communities in compositionally homogeneous forests. Light detection and ranging (LiDAR) can accurately measure the forest vertical and horizontal structures and provide a great opportunity for solving this problem. This study introduces a strategy using both multispectral aerial imagery and LiDAR data to map vegetation composition and structure over large spatial scales. Our approach included the use of a Bayesian information criterion algorithm to determine the optimized number of vegetation groups within mixed conifer forests in two study areas in the Sierra Nevada, California, and an unsupervised classification technique and post hoc analysis to map these vegetation groups across both study areas. The results show that the proposed strategy can recognize four and seven vegetation groups at the two study areas, respectively. Each vegetation group has its unique vegetation structure characteristics or vegetation species composition. The overall accuracy and kappa coefficient of the vegetation mapping results are over 78% and 0.64 for both study sites.RĂ©sumĂ©. La cartographie prĂ©cise de la vĂ©gĂ©tation est essentielle entre autres pour la gestion des ressources naturelles, l'analysĂ© ecologique, et la modĂ©lisation hydrologique. Les approches d'imagerie multispectrale et hyperspectrale par tĂ©lĂ©dĂ©tection se sont avĂ©rĂ©es de prĂ©cieuses contributions au processus de la cartographie de la vĂ©gĂ©tation, mais elles ne peuvent fournir qu'un nombre limitĂ© de caractĂ©ristiques sur la structure de la vĂ©gĂ©tation, qui sont essentielles pour diffĂ©rencier les communautĂ©s vĂ©gĂ©tales dans les forĂȘts de composition homogĂšnes. La tĂ©lĂ©dĂ©tection par laser «light detection and ranging» (LiDAR) peut mesurer avec prĂ©cision les structures verticales et horizontales de la forĂȘt, et fournit une formidable opportunitĂ© de rĂ©soudre ce problĂšme. CettĂ© etude prĂ©sente une stratĂ©gie qui utiliseĂ la fois l'imagerie multispectrale aĂ©rienne et des donnĂ©es LiDAR pour cartographier la composition et la structure de la vĂ©gĂ©tationĂ grandesĂ©chelles spatiales. Notre approche comprenait l'utilisation d'un algorithme du critĂšre d'information BayĂ©sien pour dĂ©terminer le nombre optimal de groupes de vĂ©gĂ©tation dans les forĂȘts mixtes de conifĂšres sur deux zones d'Ă©tude dans les Sierra Nevada, en Californie, ainsi qu'une technique de classification non supervisĂ©e et une analyse post hoc pour cartographier ces groupes de vĂ©gĂ©tation dans les deux zones d'Ă©tude. Les rĂ©sultats montrent que la stratĂ©gie proposĂ©e peut reconnaitre quatre et sept groupes de vĂ©gĂ©tation dans les deux zones d'Ă©tude respectivement. Chaque groupe de vĂ©gĂ©tation a des caractĂ©ristiques uniques de structure de...