El propósito de este estudio es evaluar el rendimiento de un modelo adaptativo (AM) en la estimación de la concentración de clorofila-a (Chl-a) en aguas interiores ópticamente complejas. La modelización de Chl-a utilizando datos de teledetección generalmente se basa en un único modelo que sigue una función exponencial. Las estimaciones producidas por tales modelos son relativamente precisas en altas concentraciones de Chl-a, pero la precisión disminuye en bajas concentraciones. Nuestro objetivo fue desarrollar un enfoque que combinara la clasificación de respuesta espectral y tres algoritmos semi-empíricos. El AM discrimina entre tres clases de floración (aguas con baja, moderada y alta carga de Chl-a), con umbrales de discriminación establecidos utilizando la técnica de árbol de clasificación y regresión (CART). La calibración de tres estimadores específicos para cada clase se logró mediante una regresión multivariante por pasos. En comparación con modelos publicados (Índice de Algas Flotantes, modelo de Kahru y APProach by ELimination) que utilizan el mismo conjunto de datos, el AM proporcionó mejores estimaciones de concentración de Chl-a (R2 de 0.96, RMSE relativo del 23%, sesgo relativo del -2% y un criterio NASH relativo de 0.9). Además, el AM logró una tasa de éxito general del 67% en la estimación de clases de floración (correspondientes a clases de baja, moderada y alta concentración de Chl-a). Esto se realizó utilizando un conjunto de datos independiente recopilado de 22 cuerpos de agua interiores durante el período 2007-2010 y para el cual la única información disponible era la clase de floración.