Disponible con una licencia de Geostatistical Analyst.
El kriging presupone que al menos parte de la variación espacial observada en fenómenos naturales se pueden modelar mediante procesos aleatorios con autocorrelación espacial y requieren que la autocorrelación espacial se modele explícitamente. Las técnicas de kriging se pueden usar para describir y modelar patrones espaciales, predecir valores en ubicaciones sin mediciones y evaluar la incertidumbre asociada a un valor predicho en las ubicaciones sin mediciones.
Geostatistical Wizard ofrece varios tipos de kriging, que son adecuados para distintos tipos de datos y tienen diferentes suposiciones subyacentes:
- Kriging ordinario
- Kriging simple
- Kriging universal
- Kriging de indicador
- Kriging de probabilidad
- Kriging disyuntivo
- Kriging bayesiano empírico
- EBK Regression Prediction
- Kriging bayesiano empírico 3D
- Interpolación de área
Estos métodos se pueden utilizar para producir las siguientes superficies:
- Mapas de valores predichos de kriging
- Mapas de errores estándar de kriging asociados a valores predichos
- Mapas de probabilidad, que indican si se excedió o no un nivel crítico predefinido
- Mapas de cuantiles para un nivel de probabilidad predeterminado
Las excepciones a esto son:
- Kriging de indicador y de probabilidad, que producen lo siguiente:
- Mapas de probabilidad, que indican si se excedió o no un nivel crítico predefinido
- Mapas de errores estándar de indicadores
- Interpolación de área, que produce lo siguiente:
- Mapas de valores predichos
- Mapas de errores estándar asociados a valores predichos
Existen varios componentes en los modelos de estadísticas geográficas. Los más importantes son examinar los datos interactivamente en el mapa y con una variografía, crear un modelo de kriging que se ajuste a sus necesidades (consulte cuáles son los distintos modelos de kriging), y verificar que los resultados sean precisos realizando una validación cruzada y una validación y comparando modelos para elegir el mejor.