Actually, climate change is listed as the main problem facing humanity, parallel to this, forest ecosystems are recognized as carbon sinks. The objective of this work was to develop predictive models of biomass per unit area (hectare) for Tectona grandis and Gmelina arborea, established in commercial plantations from clonal material. The biomass of each component of the tree (leaves, branches, root, stem) was calculated using allometric models developed for both species. The information to apply those models was obtained from databases on tree measurements in permanent sampling plots and for each permanent plot, the biomass, and the basal area were calculated and then extrapolated to a hectare. Later, aggregate models were developed for the biomass per hectare of leaves, branches, roots, stems, for woody biomass and total biomass. All the models showed an adjustment (R2) greater than 85 %, with RCME and EMA values less than 0.23 and errors or estimation biases less than 2.5 %. The chosen models are characterized by their robustness, precision, and practicality of use, making them a very useful tool for predicting biomass.El cambio climático es catalogado como el principal problema que enfrenta la humanidad, paralelo a ello se les reconoce a los ecosistemas forestales la función como sumidero de carbono. El objetivo del trabajo fue desarrollar modelos predictivos de biomasa por unidad de área (hectárea) para Tectona grandis y Gmelina arborea, establecidas en plantaciones comerciales a partir de material clonal. La biomasa para cada componente del árbol (hojas, ramas, raíz, fuste) se calculó mediante modelos alométricos desarrollados para ambas especies en estudios anteriores. La información para aplicar dichos modelos se obtuvo de bases de datos sobre mediciones de árboles en parcelas permanentes de muestreo y para cada parcela permanente se calculó la biomasa y el área basal, que luego fueron extrapolados a hectárea. Posteriormente se desarrollaron modelos agregados para la biomasa por hectárea de hojas, ramas, raíces, fuste, para la biomasa leñosa y biomasa total. Todos los modelos mostraron un ajuste (R2) superior al 85 %, con cifras de RCME y EMA inferiores 0,23 y con errores o sesgos de estimación inferior a 2,5 %. Los modelos elegidos se caracterizan por su robustez, precisión y practicidad para su uso, convirtiéndolos en una herramienta muy útil para la predicción de la biomasa.