La documentación espacial está aumentando exponencialmente dada la disponibilidad de , habilitada por la miniaturización de dispositivos y la capacidad de almacenamiento de datos. Las estadísticas espaciales bayesianas son una herramienta estadística útil para determinar la estructura de dependencia y los patrones ocultos en el espacio a través del conocimiento previo y la verosimilitud de los datos. Sin embargo, esta clase de modelado aún no está bien explorada en comparación con la adopción de la clasificación y regresión en modelos de aprendizaje automático, en los cuales se hace a menudo la suposición de la independencia espacio-temporal de los datos, que es una dependencia inexistente o muy débil. Por lo tanto, esta revisión sistemática tiene como objetivo abordar los principales modelos presentados en la literatura en los últimos 20 años, identificando las brechas y oportunidades de investigación. Se discuten elementos como campos aleatorios, dominios espaciales, especificación previa, la función de covarianza y aproximaciones numéricas. Este trabajo explora las dos subclases de suavizado espacial: y .