Los datos espaciales son muy a menudo heterogéneos, lo que indica que puede no haber un único modelo estadístico simple que describa los datos. Para superar este problema, los datos pueden ser segmentados en un número de regiones (o dominios) homogéneas. Identificar estos dominios es uno de los problemas importantes en el análisis de datos espaciales. La segmentación espacial se utiliza en muchos campos diferentes, incluyendo la epidemiología, la criminología, la ecología y la economía. Para resolver este problema de agrupamiento, proponemos utilizar la metodología de puntos de cambio. En este artículo, desarrollamos un nuevo algoritmo de segmentación espacial dentro del marco del muestreador de Gibbs generalizado. Estimamos el perfil de superficie promedio de datos espaciales binarios observados sobre una red regular bidimensional. Ilustramos el rendimiento del algoritmo propuesto con ejemplos utilizando conjuntos de datos generados artificialmente y datos reales.