En este trabajo, consideramos el problema de la estimación espacial distribuida para la reconstrucción del campo radio en redes de sensores inalámbricos. Para estimar el campo, se utiliza una técnica geoestadística llamada kriging. La estimación espacial centralizada con un gran número de sensores conllevan un elevado coste computacional y gasto de energía. Presentamos un novedoso algoritmo de clustering distribuido para estimar mapas de interferencia espacial, que son esenciales para las operaciones y la gestión de las futuras redes inalámbricas. En este algoritmo, los clústeres de sensores se forman de forma adaptativa mediante la minimización de la varianza de kriging. El cálculo del semivariograma y la predicción de kriging se realizan localmente en cada clúster de forma distribuida. Se analiza la complejidad del algoritmo de clustering y se evalúa su rendimiento comparándolo con enfoques centralizados y otros enfoques distribuidos.In this paper, we consider the problem of distributed spatial estimation for field reconstruction in wireless sensor networks. In order to estimate the field, a geostatistical technique called kriging is used. Centralized spatial estimation algorithms with a large number of sensors lead to significant computational cost and energy wastage. We present a novel distributed clustering algorithm for estimating spatial interference maps, which are essential for operations and management in future wireless networks. In this algorithm, clusters are adaptively formed with a small subset of sensors by minimizing the kriging variance. The semivariogram computation and kriging prediction are locally performed in each cluster in a distributed fashion. The complexity of the clustering algorithm is analyzed and its performance is evaluated by comparing it with centralized and other distributed approaches.