Este estudio tiene como objetivo investigar el impacto de escenarios de distribución espacial de lluvia de estaciones de observación terrestre en la simulación de escorrentía utilizando un modelo hidrológico específico, el modelo Lluvia-Escorrentía-Inundación (RRI). El modelo RRI se aplicó con seis escenarios diferentes de distribución espacial de lluvia de entrada, incluyendo Peso de Distancia Inversa (IDW), Polígono de Thiessen (TSP), Polinomio de Superficie (SPL), Kriging Simple (SKG) y Kriging Ordinario (OKG), para simular la escorrentía de una cuenca de 13,000 km, concretamente la Cuenca del Río Nan en Tailandia. Este estudio utilizó datos del evento de tormenta de 2014, incorporando información temporal de 28 estaciones de lluvia para estimar la lluvia en los escenarios de distribución espacial. Se utilizaron seis estadísticas, Sesgo de Volumen, Sesgo de Pico, Error Cuadrático Medio, Correlación y Sesgo Medio, para determinar la precisión de la lluvia y la escorrentía estimadas. En general, el método de Kriging Simple (SKG) superó a los otros escenarios basándose en los valores estadísticos para validar con los datos de lluvia medidos. De manera similar, SKG demostró la mejor coincidencia entre la escorrentía simulada y observada, logrando la correlación más alta (0.803), el Error Cuadrático Medio más bajo (164.48 cms) y valores altos de coeficiente de Eficiencia de Nash-Sutcliffe (0.499). Esta investigación destaca la importancia práctica de los métodos de interpolación espacial, como SKG, en combinación con modelos digitales de elevación (DEM) y conjuntos de datos de uso de suelo/tipo de suelo, para proporcionar simulaciones confiables de escorrentía considerando el modelo RRI a escala de cuenca fluvial.