A gestão integrada dos recursos hídricos no Brasil e no mundo tem passado por desafios provenientes de processos naturais e antrópicos. Assim, o conhecimento preciso das condições quantitativas e qualitativas dos recursos hídricos é de fundamental importância, sendo o monitoramento pluviométrico por estações pluviométricas distribuídas no estado um componente central deste, no que diz respeito ao entendimento da dinâmica espacial e temporal da precipitação. Em Minas Gerais, tais estações estão concentradas em determinadas áreas, dificultando o processo de tomada de decisão pelos agentes gestores. As técnicas de geoestatística têm se mostrado acuradas para estimativa de precipitação em espaços sem estações pluviométricas, sendo que tal trabalho visou aplicá-las no estado, nos anos hidrológicos de outubro de 2000 a setembro de 2021. Verificou-se o potencial dos modelos Circular, Gaussiano, Esférico, Tetraesférico, Pentaesférico e Exponencial, e o Grau de Dependência Espacial entre as variáveis, utilizando-se do tratamento de dados por linguagem de programação Python e R e por técnicas de geoprocessamento. Os resultados apontaram para maior aplicabilidade do modelo Gaussiano em toda série histórica, sendo sucedido pelo modelo Exponencial em períodos chuvosos, e pelo modelo Circular na estação seca. Os modelos Pentaesférico, Esférico e Tetraesférico foram os menos aplicados. Viu-se também uma relação irregular entre o desempenho dos modelos e o Grau de Dependência Espacial das variáveis.Palavras-chave: krigagem, dependência espacial, estações pluviométricas, gestão integrada dos recursos hídricos. Comparison of geostatistical models for rainfall forecast in Minas Gerais, Brazil, between 2000 and 2021 hydrological years A B S T R A C TThe integrated water resources management in Brazil and worldwide had been through challenges from anthropic activities and natural processes. In that regard, the precise knowledge of water resources quality and quantity conditions has major importance, with the rainfall monitoring network by rainfall stations as a core component for understanding the precipitation spatial and temporal dynamics. These stations are concentrated in a few sites within Minas Gerais, which makes the decision-making process difficult for the manager agents. Geostatistical analysis has been shown as an accurate method for rainfall forecast in spaces with lack of rainfall stations, and this work aimed to apply it in Minas Gerais, between October 2000 and September 2021 hydrological years. It was checked Circular, Gaussian, Spherical, Tetraspherical, Pentaspherical, and Exponential models potential, and the degree of spatial dependence, using data treatment by Python and R programming language and geoprocessing tools. The results showed that Gaussian model has greater applicability in the time series, being succeed by Exponential model in wet season, and Circular model in dry season. Pentaspherical, Spherical, and Tetraspherical models were the least applied. It was found an irregular relationship between models’ performance and the degree of spatial dependence.Keywords: kriging, degree of spatial dependence, rainfall stations, integrated water resources management.