Objetivo: Este estudio tuvo como objetivo mapear las concentraciones de variables limnológicas en un embalse utilizando técnicas geoestadísticas de semivariograma y estimaciones mediante kriging para ubicar valores en puntos no muestreados, así como calcular la incertidumbre asociada a dichas estimaciones.

Métodos: Se establecieron 27 puntos distribuidos en una malla regular para el muestreo. En cada punto se determinaron las concentraciones de clorofila a, nitrógeno total y fósforo total. Posteriormente, se realizó un análisis de variabilidad espacial y se modeló la función de semivariograma para todas las variables, estableciendo los modelos matemáticos variográficos. La técnica principal de estimación geoestadística utilizada fue el kriging ordinario. El trabajo se desarrolló con la estimación de una malla densa de puntos para cada variable, que sirvió de base para los mapas interpolados.

Resultados: A través del análisis de semivariograma se identificó que el componente aleatorio no fue significativo para el proceso de estimación de la clorofila a, pero sí fue significativo para el nitrógeno total y el fósforo total. A partir del kriging se generaron mapas geoestadísticos para cada variable y se calcularon las desviaciones estándar correspondientes a las estimaciones. Estas mediciones permitieron mapear las concentraciones de variables limnológicas en todo el embalse. El cálculo de las desviaciones estándar proporcionó la calidad de las estimaciones y, en consecuencia, la confiabilidad del producto final.

Conclusiones: El uso de la técnica estadística de kriging para estimar valores en una malla densa, asociada a la dispersión del error (desviación estándar de la estimación), permitió elaborar mapas de alta calidad y confiabilidad de las variables estimadas. En general, las concentraciones de las variables limnológicas fueron mayores en la zona lacustre y disminuyeron hacia la zona fluvial. Se encontró correlación entre la clorofila a y el nitrógeno total al comparar las grillas generadas por kriging. Aunque el uso del kriging resulta más laborioso en comparación con otros métodos de interpolación, esta técnica se distingue por su capacidad de minimizar la varianza de la estimación y proporcionar el valor estimado junto con el grado de incertidumbre.