En este trabajo, se evalúa la expansión del caos polinómico generalizado (gPC) para la estimación de parámetros del modelo de superficie terrestre. Realizamos modelado inverso y calculamos la distribución posterior de los parámetros hidrológicos críticos que están sujetos a una gran incertidumbre en el Modelo de Terreno Comunitario (CLM) para un valor dado de la salida LH. Los parámetros desconocidos incluyen aquellos que han sido identificados como los factores más influyentes en las simulaciones de escorrentía superficial y subsuperficial, flujos de calor latente y sensible, y humedad del suelo en CLM4.0. Configuramos el problema de inversión en el marco bayesiano en dos pasos: (i) construyendo un modelo sustituto que exprese la relación entrada-salida, y (ii) realizando modelado inverso y calculando las distribuciones posteriores de los parámetros de entrada utilizando datos de observación para un valor dado de la salida LH. El desarrollo del modelo sustituto se lleva a cabo con un procedimiento bayesiano basado en los métodos de selección de variables que utilizan expansiones de gPC. Nuestro enfoque tiene en cuenta la incertidumbre de selección de bases y cuantifica la importancia de los términos de gPC, y, por lo tanto, de todos los parámetros de entrada, a través de las probabilidades posteriores asociadas.