Disponible con una licencia de Geostatistical Analyst.
El kriging universal presupone el modelo
Z(s) = µ(s) + ε(s),donde µ(s) es alguna función determinística. Por ejemplo, en la figura siguiente, que tiene los mismos datos que se utilizaron para los conceptos de kriging ordinario, los datos observados se proporcionan con los círculos sólidos.
Un polinomio de segundo orden es la tendencia (línea de guiones largos), que es µ(s). Si se resta el polinomio de segundo orden de los datos originales, se obtienen los errores, ε(s), que se presupone que son aleatorios. El valor medio de todos los ε(s) es 0. Conceptualmente, la autocorrelación se modela ahora a partir de los errores aleatorios ε(s). Por supuesto, se podría haber ajustado una tendencia lineal, un polinomio cúbico o cualquier número de otras funciones. La figura anterior tiene el mismo aspecto que una regresión polinómica de cualquier recorrido estadístico básico. De hecho, en ello consiste el kriging universal. Se realiza una regresión con las coordenadas espaciales como variables explicativas. Sin embargo, en lugar de presuponer que los errores ε(s) son independientes, los modela para su autocorrelación. Se hacen las mismas recomendaciones que para el kriging ordinario: no hay forma de decidir, basándose solo en los datos, una descomposición adecuada.
El kriging universal puede usar semivariogramas o covarianzas (las formas matemáticas que utiliza para expresar la autocorrelación), usar transformaciones y permitir un error de medición.