El tratamiento de bases de datos composicionales (proporciones, porcentajes, concentraciones, etc.) con dependencia espacial debe hacerse atendiendo a las características matemáticas de éstos: una composición válida debe tener todas las componentes positivas y su suma debe ser igual o menor a un total (1, 100%, etc.). En general, esto se consigue de forma razonablemente fácil transformando la composición mediante series de log-cocientes de componentes. Para estudiar la variabilidad espacial de una composición se recomienda estimar y modelar el variaciograma: el conjunto de variogramas de todos los log-cocientes de un par de componentes. El variaciograma contiene toda la información necesaria para caracterizar una composición con estacionaridad intrínseca, y se puede modelar con herramientas habituales de la geoestadística, como el modelo de coregionalización lineal. Además, se pueden estudiar las propiedades del modelo e inferir relaciones entre componentes y posibles procesos vinculados a alguna escala espacial concreta. Finalmente, interpolar la composición y generar mapas es tarea sencilla con las herramientas existentes de krigeado y simulación: estas técnicas y conceptos deben aplicarse a un conjunto de log-cocientes cualquiera, tal que exista una transformación invertible entre éllos y las componentes de la composición original. Dealing with spatially-dependent compositional databases (including proportions, data in percentages, concentrations etc) should pay heed to the mathematical properties of these kinds of data: a valid composition must have positive components whose sum is at most a constant (1, 100% etc.). Generally speaking this is easily done by working on a set of log-ratios of components rather than using the raw data. To study the spatial variability of these databases it is best to estimate and model the lr-variograms, i.e. the set of variograms of all possible pairwise log-ratios of components in the composition. Such lr-variograms contain all the information necessary to deal with intrinsic stationary compositions and may be modelled with standard geostatistical tools such as the linear model of coregionalization. Moreover, the properties of the model can be studied and relationships inferred between components and possible processes linked to a given spatial scale. Finally, component-by-component interpolation and mapping is straightforward with existing kriging and simulation techniques: these tools and concepts should be applied to any set of invertible component log-ratios, i.e. log-ratio transformations, in such a way that the original composition can be recovered from the transformed data and vice versa.