Mit der Geostatistical Analyst-Lizenz verfügbar.
Beim Kriging mit der Option "Universal" wird vom folgenden Modell ausgegangen:
Z(s) = µ(s) + ε(s)Dabei ist µ(s) eine deterministische Funktion. In der folgenden Abbildung beispielsweise, in der die gleichen Daten wie bei den Konzepten für Kriging mit der Option "Ordinary" verwendet werden, werden die beobachteten Daten mit den einfarbigen Kreisen angegeben.
Ein Polynom zweiter Ordnung ist der Trend (die lang gestrichelte Linie), der µ(s) entspricht. Wenn Sie das Polynom der zweiten Ordnung von den Originaldaten subtrahieren, erhalten Sie die Fehler ε(s), von denen angenommen wird, dass sie Zufallsfehler sind. Der Mittelwert aller ε(s) entspricht 0. Konzeptionell gesehen wird die Autokorrelation jetzt anhand der Zufallsfehler ε(s) modelliert. Sie hätten natürlich einen linearen Trend, ein kubisches Polynom oder beliebig viele andere Funktionen anpassen können. Die oben gezeigte Abbildung sieht genau wie eine polynomische Regression aus einem Kurs zu den Grundlagen der Statistik aus. Tatsächlich ist Kriging mit der Option "Universal" genau das. Sie führen eine Regression mit den räumlichen Koordinaten als erklärenden Variablen durch. Anstatt jedoch anzunehmen, dass die Fehler ε(s) unabhängig sind, modellieren Sie sie als autokorreliert. Es gilt der gleiche Rat wie für Kriging mit der Option "Ordinary": Die Entscheidung über die richtige Zerlegung kann nicht allein basierend auf den Daten getroffen werden.
Für Kriging mit der Option "Universal" können Semivariogramme oder Kovarianzen (die mathematischen Ausdrucksformen für Autokorrelation) und Transformationen verwendet und Messfehler berücksichtigt werden.