La agrupación de series temporales con datos georreferenciados requiere una matriz de disimilitud adecuada que interprete las covariaciones de las series temporales y tenga en cuenta las restricciones espaciales. En este artículo, proponemos una nueva forma de calcular la matriz de disimilitud, fusionando ambos tipos de información, lo que se basa en la distancia de Wasserstein. Luego hacemos una suposición cuasi-gaussiana que produce fórmulas más convenientes en términos de la matriz de correlación conjunta. El método se ilustra en un estudio de caso que involucra datos climatológicos.