地统计模型的组成部分

需具备 Geostatistical Analyst 许可方可使用。

地统计（克里金法）模型包含以下几个组成部分：检查数据、计算经验半变异函数或协方差值、根据经验值拟合模型、生成克里金法方程的矩阵，并求解这些方程，以获得输出表面上每个位置的预测值及其相关的误差（不确定性）。

计算经验半变异函数

克里金法与大多数插值技术一样，建立在这样一个基本原理之上：彼此距离较近的事物比距离较远的事物更相似（在此被量化为空间自相关）。 经验半变异函数是探索这种关系的一种手段。 距离较近的点对应的值的差异，应该小于距离较远的点对应的值的差异。 这一假设在多大程度上成立，可以通过经验半变异函数来检验。

拟合模型

拟合是通过定义一个能最佳拟合这些点的模型来完成的。 也就是说，您需要找到一条直线，使得每个点到该直线的加权平方差尽可能小。 这称为加权最小二乘拟合。 该模型量化了数据中的空间自相关。 下图显示了经验半方差（红点）以及最能代表这些点的模型（蓝线）：

创建矩阵

克里金法方程包含在矩阵和向量中，这些矩阵和向量取决于测量样本位置与预测位置之间的空间自相关性。 自相关值来自半变异函数模型。 矩阵和向量决定了分配给搜索邻域内每个测量值的克里金权重。

进行预测

根据测量值的克里金权重，软件会计算出具有未知值的位置的预测值。