Este artículo propone un nuevo método para modelar la causalidad espaciotemporal, denominado Redes Bayesianas Espaciotemporales (STBN). Las redes bayesianas existentes presentan indiscernibilidad y la existencia de clases de equivalencia de Markov debido a las restricciones de los grafos acíclicos dirigidos (DAG). Se han propuesto grafos cíclicos dirigidos y grafos de tiempo completo con retardos temporales de alto orden para abordar estos problemas, pero presentan limitaciones. Las STBN abordan estos problemas modelando la causalidad espaciotemporal desde una perspectiva de transferencia de información. Específicamente, explicamos el decaimiento de la estructura de la red mediante el principio de bloqueo de rutas de información y demostramos la unicidad de las STBN. Además, presentamos el algoritmo de Entropía Causal de Orden Superior (HCE), que identifica de forma única las STBN, con una complejidad temporal de $\mathcal{O}(n^3\tau_{max})$. Los resultados experimentales demuestran que el algoritmo HCE alcanza una precisión de identificación de vanguardia. El código está disponible públicamente.
